其实各个行业、各个角色都在不同的时期来划分不同的人群,有的性别划分(男and女),有的根据用户的粘性划分(活跃and沉默),但遇到多个维度考虑客户的时候,就不知道从何做起了?遇到思路的瓶颈我建议利用“互联网”这个介于牛A与牛C之间人物来帮你寻找答案;
我们在进行内部数据进行客户细分模型的时候,常常会遇到这个模型的结果我无法解释?是不是模型有问题?这时我提议大家可以针对部分客户做一下调研,或许会有更大的收获,数据背后都是有故事的!结合细分模型与客户调研就可对细分的客户进行客户画像,这样从理论和营销操作的角度来讲都是比较科学、可信的!
客户细分站在数据挖掘从业角度来讲分为事前与事后,事前数据挖掘预测目标值根据历史数据而事后数据挖掘发现未知领域或不确定目标,说到这里大家自然会想到事前的算法-决策树、Logit回归,事后 -聚类分析、对应分析等;
事前细分技术思路图(常用在客户流失模型、营销响应模型中,其实就是跟历史数据定义好客户类型,再对未发生的进行预测,打上预测客户标签):
事后细分就是不知道如何分,只知道要重点考虑细分的多个维度,那么在应用事后细分模型之后,模型会对每个样本or客户(case),打上类别标签,这样就可以通过这个标签来看客户的性别差异、年龄差异、收入差异等,迅速找到目标客户;