- 博客(4)
- 收藏
- 关注
原创 用户运营如何通过搭建uplift模型精准发券
在增益图中,百分位46处的增益值1.5914表明,在模型预测为最有可能响应的前46%的用户中,响应率是随机选择用户响应率的1.5914倍,这是一个相对较高的提升,表明模型在这个百分位上的预测是有效的。利润图表示在不同百分位的用户中,通过使用优惠券所获得的总利润。
2024-06-15 21:38:11 497
原创 用户运营实战:生鲜超市用户运营案例分享
用户运营离不开洞察和模型的搭建,洞察如用户行为路径、用户时序习惯分析和预测,模型更不用说了,搭建时序预测模型和用户流失预警模型,除了算法工程师建模之外,运营可以使用SPSS分析软件搭建用户模型,只需了解SPSS使用方法即可,这样可以基于结论迅速假设-执行-验证,而效率却远远高于算法工程师所谓的大数据挖掘,即使大数据挖掘的再精细也是一个漫长的过程,所谓效率决定一切!
2024-02-10 22:16:28 1354
原创 用户促复购实战:如何搭建一个复购洞察模型
不同的获客渠道带来的人群偏好购买什么,喜欢什么促销,平均购买件数如何,通过聚类挖掘出各人群这些特征后就可以针对渠道来做定制化的组合打法,比如刚才分析的低频女性复购人群喜欢购买蔬菜,客件数较低,主要是好友推荐而来,针对这些特征可以设计和好友的拼团、砍价及蔬菜水果的捆绑营销活动。如图所示,通过选择节点将未复购的用户群圈选出来,然后使用k-means聚类,将未复购用户特征聚类出来,同样第三个问题有复购行为用户,哪些用户复购频次偏低,这种人群特征是什么样的也是如此实现,来看下结果。
2024-02-06 22:39:33 1134
原创 增长秘籍:用户全生命周期价值(LTV)指标如何计算
以互联网的产品来说,用户生命周期(Life Time, LT)即是第一次下载并打开你的APP至再也不来的周期。用户价值(ARPU,Average Revenue Per User/Unit)=一段时间内的平均用户每次付费的金额*一段时间内的平均用户购买频率。使用以上的30天留存数据先生成一个散点图,然后插入趋势线,选择幂函数,下方的显示公式和显示R方都选中,这样就得到留存率的拟合图和公式。如果我们要计算用户180天的生命周期价值,留存率预测为6%,则LT=1/(1-6%)=1.06天。
2024-02-06 22:11:55 1417
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人