基于“用户画像”挖掘的精准营销
用户画像的核心工作是为用户打标签。打标签的重要目的之一是为了让人能够理解并且方便计算机处理,如.可以做分类统计:旅游中喜欢的报旅行社的用户有多少?喜欢报旅行社的人群中,男、女比例是多少,入住习惯是什么?用户画像完成后,进一步的我们可以做数据挖掘工作:客户分群、搜索引擎、推荐引擎、广告投放等各种应用领域,都将能进一步提升精准度,提高信息获取的效率。所以,在大数据应用中,用户画像极为关键。
浙旅客户价值分群
1)构建K-Means聚类,LRFTC优化模型对用户价值识别
客户价值识别算法升级:
- 模型目标就是对浙旅集团会员价值识别,即通过浙旅集团会员画像数据识别出不同价值的客户。识别会员价值应用最广泛的模型是通过三个指标(最近消费时间间隔(Recency)、消费频率(Frequency)和消费金额(Monetary))来进行会员细分,识别出高价值的会员客户,简称RFM.
- 但是,针对浙旅集团LRFTC模型,如果采用传统的RFM模型分析的属性分箱方法,如图一所示,(它是依据属性的平均值进行划分,其中大于平均值的表示↑,小于平均值的表示为↓),虽然也能识别最有价值的客户,但是细分的客户群太多,提高了针对性营销的成本。因此,我们对传统模型进行改进,找到适用于集团客户模型。通过对浙旅集团客户价值的LRFTC模型的五个指标进行K-Means聚类,识别出最有价值会员客户。
LRFTC模型就是基于浙旅集团多模块业务特性优化而来,我们将会员关系长度L、消费间隔R、消费频率F、会员与浙旅业务消费粘粘性T和购买服务累计金额C五个指标作为浙旅识别客户价值指标(见下表)
表:指标含义