陆拾陆- 精细化运营的二层人群分类方式

一、对顾客行为分类为人群运营的过程

对简单的顾客行为进行特征化，然后聚类，的确可以实行对顾客分类运营的目的。
但若想对顾客进行更精细化或者实现更灵活运营的分类，可以提出二层分类方式，其中过程如下：

• 1. 通过聚类
     通过简单聚类找出有特性的样本
     
     输出多种聚类方式得出多个典型的样本后，结合业务逻辑为每一个样本打标签。
• 2. 标识第一层样本标签并进行学习
     简单打标后其实可以直接输出给业务进行人群运营，即以前粗放型的人群分类方法。
     但这样粗放的做法存在一个问题，即如果我们现在需要进行一个活动，目的是提升每一个顾客的浏览强度。
     其实是需要针对下述红框的三种人群同时进行运营。
     
     但这对于前期的简单打标的方法，对业务运营起来是很不友好的。
     所以我们建议在初次人群打标时，给出多种不同的聚类方法，并结合业务对同一个样本给出多个标签。
     
     然后标识后，分别进行模型训练：
     
• 3. 对第一层标签进行贴合业务的二层人群分类
     二层标签可以理解为传统的人群分类方法，如某电商会对客户分类为 “小镇青年”、“在家宝妈”、“职场事业型女性” 等。
     该标签应相对固定，并以互斥的方法为不同的顾客群体进行标注，能对顾客进行尽量面谱化的描述。
     贴合不同的业务可以进行不同方式的整合，如：

• • 1） 线性处理
    
    公式如：
    $$\beta =W\alpha$$
    其中β为输出各二层标签的概率，α为一层标签的各类概率，W为处理函数。
    输出β最高概率的为该样本的二层标签。
• • 2） 非线性处理
    这样分层的一个好处就是，一层标签
    
    每一个样本对看满足的一层标签对应的个数来进行归类，并按优先级（按业务逻辑排序）进行人群归类

• 4. 针对顾客的标签分类
     对于每个顾客来说，一层标签是每个人有多个，并且标识的是不同的概率。
     而二层标签是每个人只存在一个，使之适合分析或符合业务对人群进行区分描述。

二、例子

对于某茶饮企业，标签的定义可以参考下述例子。

行为特征	一层分类	二层分类
主要购物城市	一线城市消费者	城市职场女性
最近一年购买频次	高消费低频次者	小镇新青年
最近三个月购买频次	下午茶爱好者	大学青年
最近一年购买金钱	外卖爱好者	全职宝妈
最近三个月购物金额	优惠点单爱好者	…
最近一年最高消费金额	晚饭后小憩爱好者
消费时间	文创爱好者
男女	…
用餐时长
最近一年下午时段消费占比
是否常坐有电源插头位置
…

三、作用

在运营手段日益丰富、目标人群日益壮大的情况下，以往的简单面谱化人群分类已不利于更精细化的运营战略。
二层人群分类方法能更贴合实际、灵活的针对运营手段来选取对应顾客，并非一成不变的简单粗放运营。

在以往的简单根据业务逻辑进行人群分类时，运营存在一个很大的痛点就是，不同人群其实也是有非常大的共性的，而需要根据运营手段来获取营销人群时，其实某种程度是无视了人群的简单根据顾客行为捉取人群的结果。

人群分类更多的目的是服务于后链路分析的一环而无法成为主动营销手段。
那如何使人群分类真正的反馈给各种营运部门，且不丢失其应有的价值时，必须在人群分类时考虑运营手段以及顾客行为，故不能简单的只为其打上一个面谱化的标签。

---

日后的运营战略必然需要业务、数据分析、数据开发更紧密的联合在一起，数字化转型的疼痛是必然存在的，可是疼痛过后的曙光也是必然会到来的。
只能让我们忍受现在，面向未来。