Datawhale【用Python学会员数据化运营】Part 1

学习要求

【工具】Jupyter Notebook、Excel
【学习基础】对python的numpy、pandas、time、sklearn库有一定了解

学习目的

1、了解企业数据化运营中，运用数据工具对会员进行运营的思路和方法
2、了解RFM模型的运用
3、掌握Python处理数据的技巧
4、掌握Excel表的可视化图表及透视工具

具体内容

1、数据化运营概述，会员运营与用户运营概述
2、会员数据指标及分析模型介绍

专有名词（personal）

生命周期：顾客➡️会员➡️活跃会员➡️沉默会员➡️睡眠会员➡️流失会员
转化习惯：亟待解答
转化路径：会员转化的轨迹
行为管理：大概是奖罚制度？

会员数据化运营关键指标

整体指标

可以按照“时间顺序”进行理解：
注册➡️激活➡️购买（可延伸出转化指标）

营销指标

这部分专有名词较多易混，我尽量简洁说明
比较简单的专有名词（不解释就明白的）包括「可营销会员数」「营销费用」「营销收入」
下面是不太好理解的部分：
「用券会员/金额/订单比例」：使用优惠券的比例
「营销费率」：会员营销费用占营销收入的比例（占太多就亏了嘛）
「每注册/订单/会员收入」：每个xx能带来的收入
「每注册/订单/会员成本」：每获得xx需要的成本

活跃度指标

当用户登录/注册后，所有会员的行为都会被记录，形成会员数据日志。对每个会员的活跃度数据加权处理后求和，即可得到整体会员活跃度得分，即：

整体会员活跃度=∑（注册1+登录1+验证1+等级数1+积分1+…+商品评价1）

「每日/每周/每月活跃用户数」：注意，周期内行为发生多次按照一次计算即可

价值度指标

「会员价值分群」：比如淘宝直播的新粉，铁粉，钻粉，挚爱粉
「复购率」：一定周期内购买2次或2次以上的会员比例
但复购率有三种不同的逻辑：

• 1个月内购买2次或2次以上的会员。
• 1个月内购买2次或2次以上、1个月之前有过购买行为的会员。
• 1个月之前有购买行为、1个月之内又有购买行为的会员。

「消费频次」：在一定周期内消费了不同次数（可用于分析用户粘性）
「最近一次购买时间」：用于挽回用户
「最近一次购买金额」：用于评估消费水平

终生价值指标

「会员生命周期价值/订单量/平均订单价值」：用户成为企业会员开始到现在的总数据统计值，该指标衡量的是用户完整生命周期内的价值。包括以下几种：

「会员生命周期价值」：用户整个生命周期内下单金额总和。
会员生命周期相关指标是重要的宏观价值衡量指标。
「会员生命周期转化率」：会员在完整生命周期内完成的订单和到达网站、企业、门店的次数比例（用来衡量了用户是否具有较高的转化率）
「会员生命周期剩余价值」：用来预测用户在其生命周期内还能产生多少价值。该指标可以细分出很多相关指标。例如：
预期未来30天的会员转化率
预期生命周期剩余订单价值
… …
这种预测性的指标通常会基于特定的算法和模型做训练，然后预测未来的数据，其中回归和分类是主要预测性应用方法，在某些情况下也可以使用关联算法。

异动指标

主要指会员流失这一现象（正常现象）
需要特别关注的两点是数值和走向（斜率）

会员异动比=新增购买会员/流失会员

可以看到，如果新增多于流失，则异动比的数值会大于1，此时不必担心；如果小于1的话就要引起重视。

会员数据化运营应用场景

会员营销

• 会员资料数据化，便于管理
• 提高会员转化率及留存率
• 挖掘消费需求和消费热点
• 便于精准营销
• 便于识别特殊用户（黄牛/vip）
• 便于产品口碑传播

会员关怀

• 个性化精准服务
• 提高用户粘性
• 划分群体并挖掘群体特征
• 增加会员间互动
• 促进用户终生价值最大化

会员数据化运营分析模型

会员细分模型

常用于整体会员的宏观性分析以及探索性分析。
常用的细分模型包括：基于属性的方法、ABC分类法、聚类法等。

会员价值度模型

一般基于交易行为产生，衡量的是有实体转化价值的行为。
常用的价值度模型是RFM模型。

会员流失预测模型

用来预测会员是否流失。
需要配合运营人员进行二次审查以及挽回过程中提供数据支持。

会员特征分析模型

会员特征分析主要应用于以下两种业务场景：

1. 在没有任何前期经验或特定目标下触发，希望通过整体特征分析了解会员全貌：
   在这种模式下可以通过一定方法先将用户划分为几个类别，然后再做基于类别的特征分析，常用的实现方法和应用包括聚类和统计分析。
2. 有明确的业务方向，希望找到能达到事件目标的会员特征，用于做进一步的会员运营：
   对于这类分析模型常用的实现方法和应用包括分类，关联和异常检测。

营销响应预测模型

对于在会员营销之前的有关策略制定的辅助价值非常明显。
营销响应预测模型的实施一般采用分类算法。常用算法，包括逻辑回归、支持向量机、随机森林等，有关这些算法的具体选择问题，这里不再详细阐述。
在做营销响应模型之前，需要先收集训练所需要的数据集。

在会员数据化运营分析模型中斜体的内容在下个板块进行介绍啦～