一、目标:
预测买家是否会购买某类商品,然后将优惠券发给最有可能购买的人群,从而提升转化率和客单价。(转化率-从意向购买到实际付款;客单价-用户单次购物花费金额)
二、分析:
落实到算法模型上,包含两个核心的问题
2.1、优惠券发给谁,即客户群选择
客户群选择实际上是预测买家的购买倾向,并依据购买倾向的强弱来给出排序的结果,落实到学习模型层面来解决。这个过程我们要以用户的历史行为数据为基础,比如分析出他浏览过哪些商品,每种商品的浏览次数。再比如他是否有把这种商品添加到购物车的行为。诸如这类方式进行运算得出我们的的买家用户群体。
2.2、发什么样的优惠券,比如满减,满多少减多少最优
发放哪种优惠券属于运营层面的思考,可以根据满减的阈值和折扣力度来综合确定。优惠券的种类有很多,我们这里以满减为例来说明。这也是提高买家客单价的一种措施。比如,当买家已经购买了150元的商品,我们可以通过给他发放价值15元的优惠券,比如满200使用,则买家这次的购物商品总金额就很有可能达到200元了,甚至跟多。
三、数据样本:
我们在上面提到选出意向购买用户并根据他们的购买倾向强弱做排序,这个实际上是一种计算学习模型,