在數(shù)據(jù)分析過(guò)程中，分類是非常重要的工具，它也是我們認(rèn)知事物的基本方法。分類即把事物分開(kāi)并歸納到不同的類別里面，讓我們可以通過(guò)細(xì)分對(duì)事物建立更深刻的認(rèn)識(shí)。

在數(shù)據(jù)分析中，分類可以幫助我們更好地組織和理解數(shù)據(jù)，并找到其中的關(guān)系和模式。例如，我們可以將用戶分為不同的年齡組、性別和收入水平，以更好地了解他們的消費(fèi)習(xí)慣，并制定更有針對(duì)性的營(yíng)銷策略。

怎樣做分類？

在分類時(shí)首選需要選定分類對(duì)象。在使用分類方法做用戶分析時(shí)，分類的對(duì)象就是我們的用戶，是購(gòu)買或者使用我們產(chǎn)品的人或者組織。

當(dāng)我們要分析一個(gè)事物的時(shí)候，可以從這個(gè)事物的構(gòu)成要素、屬性特征、行為習(xí)慣3個(gè)角度來(lái)做分析。假設(shè)我們要做的是ToB行業(yè)的用戶分析，那我們的分析對(duì)象就是一個(gè)個(gè)自然人。作為人來(lái)說(shuō)，他的構(gòu)成要素包括器官、系統(tǒng)、細(xì)胞這些生理組成部分。做生理檢查的時(shí)候，就可以從人的這些構(gòu)成要素一一檢查。我們的目的是做商業(yè)分析，所以可以忽略用戶的構(gòu)成要素這一點(diǎn)，而從用戶的屬性特征和行為習(xí)慣兩個(gè)角度去做分析。

事物的屬性就是事物自身的特征或者特性。用戶的常見(jiàn)屬性包括區(qū)域、性別、年齡、職業(yè)、獲客渠道等。

此外，用戶在整個(gè)消費(fèi)過(guò)程中產(chǎn)生的行為，包括訪問(wèn)和瀏覽行為、消費(fèi)行為、搜索行為、反饋行為等，會(huì)產(chǎn)生諸如購(gòu)買品類、消費(fèi)金額、購(gòu)買頻率、購(gòu)買周期、首次消費(fèi)日期、最近消費(fèi)日期等數(shù)據(jù)。我們也可以根據(jù)這些消費(fèi)行為數(shù)據(jù)對(duì)用戶做分類。

用戶的屬性數(shù)據(jù)本身就是一些描述性的文字或非連續(xù)性的數(shù)值，通常可以直接拿來(lái)作為用戶的分類標(biāo)簽。但是用戶消費(fèi)行為數(shù)據(jù)通常是連續(xù)性數(shù)據(jù)，不能直接拿來(lái)作為分類標(biāo)簽使用。因此在使用用戶消費(fèi)行為度量做用戶分類前，我們還需要進(jìn)一步明確分類標(biāo)準(zhǔn)，度量值多大時(shí)用戶分類為A類，多大時(shí)分類又是B類、C類。以電商行業(yè)為例，我們可以根據(jù)幾個(gè)常用的用戶消費(fèi)行為度量設(shè)置用戶分類標(biāo)準(zhǔn)：

在上述電商案例中，我們采用了手動(dòng)分類的方法，人工設(shè)置了用戶分類標(biāo)準(zhǔn)。在實(shí)際應(yīng)用時(shí)，可以根據(jù)行業(yè)情況、數(shù)據(jù)特征、業(yè)務(wù)目標(biāo)等調(diào)整分類標(biāo)準(zhǔn)。除此之外，我們也可以使用機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行自動(dòng)分類。例如通過(guò)聚類算法，讓機(jī)器把數(shù)據(jù)集中的樣本按照特征進(jìn)行分類。但無(wú)論采用哪種方式，分類標(biāo)準(zhǔn)應(yīng)該是準(zhǔn)確、可靠和可重復(fù)的。

用戶分類實(shí)踐

下面我們看一下怎樣在觀遠(yuǎn)BI平臺(tái)上對(duì)用戶做分類，并使用用戶分類標(biāo)簽做用戶分析。

1、創(chuàng)建分類標(biāo)簽

1.1 選定分類標(biāo)準(zhǔn)

我們首選選擇一個(gè)用戶消費(fèi)相關(guān)度量作為分類依據(jù)，再確定一個(gè)分類標(biāo)準(zhǔn)。例如：根據(jù)用戶最近消費(fèi)日期距離當(dāng)前日期的長(zhǎng)短，將用戶分為流失用戶和活躍用戶。

• 流失用戶：指在一段時(shí)間內(nèi)沒(méi)有使用過(guò)產(chǎn)品或服務(wù)的用戶。

• 活躍用戶：指在一段時(shí)間內(nèi)有使用過(guò)產(chǎn)品或服務(wù)的用戶。

• 時(shí)間間隔可以根據(jù)業(yè)務(wù)需求來(lái)設(shè)置，例如一個(gè)月、三個(gè)月或半年等。在以下示例案例中設(shè)置為三個(gè)月。

1.2 數(shù)據(jù)源：

• 去重到日期、用戶級(jí)別的用戶消費(fèi)數(shù)據(jù)。在實(shí)際應(yīng)用中可以添加用戶屬性相關(guān)信息，以便做更豐富的分析。

1.3 實(shí)現(xiàn)步驟：

① 數(shù)據(jù)源中包含日期、客戶代碼、銷售額3個(gè)字段；

② 新建計(jì)算字段-統(tǒng)計(jì)日期 TO_DATE([DYNAMIC_PARAMS.日期])

③ 新建計(jì)算字段-最近消費(fèi)日期MAX([日期])OVER(PARTITION BY [客戶代碼])

④ 新建計(jì)算字段-最近消費(fèi)月數(shù) MONTHS_BETWEEN([統(tǒng)計(jì)日期],[最近消費(fèi)日期])

⑤ 新建計(jì)算字段-用戶標(biāo)簽 IF([最近消費(fèi)月數(shù)]>3,'流失','活躍')

2、使用分類標(biāo)簽

在根據(jù)所設(shè)置的分類標(biāo)簽對(duì)用戶做了分類之后，我們就可以使用這些用戶分類標(biāo)簽了。用戶分類標(biāo)簽的使用方法包括：

① 使用用戶分類標(biāo)簽，統(tǒng)計(jì)用戶人數(shù)占比。例如下圖中的活躍&流失用戶人數(shù)占比；

② 使用用戶分類標(biāo)簽+維度，統(tǒng)計(jì)用戶人數(shù)占比。例如統(tǒng)計(jì)新老客占比月度趨勢(shì)；

③ 使用用戶分類標(biāo)簽，統(tǒng)計(jì)用戶相關(guān)指標(biāo)。例如統(tǒng)計(jì)高價(jià)值客戶消費(fèi)金額占比；

④ 使用用戶分類標(biāo)簽+維度，統(tǒng)計(jì)用戶相關(guān)指標(biāo)。例如統(tǒng)計(jì)不同注冊(cè)月份新用戶的留存率月度趨勢(shì)；

⑤ 將用戶分類標(biāo)簽結(jié)合起來(lái)，做綜合的用戶價(jià)值/質(zhì)量分析。

2.1 矩陣分析

我們選取兩個(gè)分類標(biāo)準(zhǔn)作為兩個(gè)變量，將它們分別放在一個(gè)二維坐標(biāo)系的兩個(gè)軸上，然后根據(jù)它們的取值將坐標(biāo)系劃分為四個(gè)象限，這就是四象限分析法。四象限分析法是一種常用的數(shù)據(jù)分析方法，它可以幫助我們更好地理解數(shù)據(jù)中的關(guān)系，從而做出更明智的決策。例如Eisenhower矩陣，可以幫助人們將任務(wù)按照重要性和緊急性進(jìn)行分類，將任務(wù)分為重要且緊急、重要但不緊急、不重要但緊急、不重要且不緊急等四個(gè)象限，是我們非常熟悉的一個(gè)四象限分類。

以用戶分析為例，我們可以使用【最近消費(fèi)日期】和【購(gòu)買頻率】?jī)蓚€(gè)度量對(duì)用戶做四象限分析：

根據(jù)這兩個(gè)度量可以把用戶分為四類：

• 重度活躍用戶：最近一次消費(fèi)在3個(gè)月以內(nèi)，在最近一年內(nèi)消費(fèi)次數(shù)超過(guò)3次。是需要保持的最有價(jià)值的客戶。

• 一般活躍用戶：最近一次消費(fèi)在3個(gè)月以內(nèi)，但在最近一年內(nèi)消費(fèi)次數(shù)未超過(guò)3次?；钴S的但是消費(fèi)頻率低的用戶是潛力客戶，需要通過(guò)營(yíng)銷策略提升消費(fèi)頻次。

• 重要流失用戶：最近一次消費(fèi)在3個(gè)月以上，但在最近一年內(nèi)消費(fèi)次數(shù)超過(guò)3次。曾經(jīng)很活躍但現(xiàn)在流失的用戶。需要調(diào)查分析流失原因，并通過(guò)營(yíng)銷策略重點(diǎn)激活和維護(hù)。

• 一般流失用戶：最近一次消費(fèi)在3個(gè)月以上，且在最近一年內(nèi)消費(fèi)次數(shù)不超過(guò)3次?？赡苁且淮涡韵M(fèi)的用戶，可以進(jìn)一步調(diào)查分析用戶不活躍和流失的原因。

實(shí)現(xiàn)步驟：

① 新建計(jì)算字段-1年內(nèi) ADD_MONTHS([統(tǒng)計(jì)日期],-12)

② 新建計(jì)算字段-時(shí)間篩選 [日期]>=[1年內(nèi)] AND [日期]<=[統(tǒng)計(jì)日期] ，字段類型為布爾型，并添加到篩選

③新建計(jì)算字段-消費(fèi)次數(shù) SIZE(COLLECT_SET([日期]) OVER (PARTITION BY [客戶代碼]))

④ 新建計(jì)算字段-用戶標(biāo)簽2 IF([消費(fèi)次數(shù)]>3,'高頻','低頻')

⑤ 新建計(jì)算字段-用戶四象限類別

CASE WHEN [用戶標(biāo)簽1]='流失' AND [用戶標(biāo)簽2]='高頻'THEN'重要流失用戶'

WHEN [用戶標(biāo)簽1]='流失'AND [用戶標(biāo)簽2]='低頻' THEN'一般流失用戶'

WHEN [用戶標(biāo)簽1]='活躍' AND [用戶標(biāo)簽2]='高頻' THEN '重度活躍用戶'

WHEN [用戶標(biāo)簽1]='活躍' AND [用戶標(biāo)簽2]='低頻'THEN '一般活躍用戶'

END

2.2 三維分析

如果我們從三個(gè)角度來(lái)做用戶分析，就可以形成一個(gè)三維魔方。RFM模型就是一個(gè)用來(lái)做用戶分析的三維魔方。通過(guò)對(duì)客戶最近一次購(gòu)買時(shí)間(R)、購(gòu)買頻率(F)和消費(fèi)金額(M)三個(gè)度量進(jìn)行評(píng)估分類，可以將客戶分為8類，從而就可以制定出更有針對(duì)性的營(yíng)銷策略。

根據(jù)三個(gè)度量可以把用戶分為八類：

• 重度價(jià)值用戶：R高F高M(jìn)高，重要客戶需要重點(diǎn)保持，提供優(yōu)質(zhì)服務(wù)；

• 重要發(fā)展客戶：R高F低M高，需要著重提升用戶購(gòu)買頻次；

• 重要保持客戶：R低F高M(jìn)高，加強(qiáng)客戶聯(lián)系，提醒客戶消費(fèi)；

• 重要挽留客戶：R低F低M高，加大促銷力度；

• 一般價(jià)值客戶：R高F高M(jìn)低，提升客單價(jià)；

• 一般發(fā)展客戶：R高F低M低，提升新客戶消費(fèi)頻次；

• 一般保持客戶：R低F高M(jìn)低，提醒消費(fèi)；

• 一般挽留客戶：R低F低M低，流失風(fēng)險(xiǎn)大，使用促銷方式召回。

關(guān)于RFM的實(shí)現(xiàn)步驟，可以參考閱讀數(shù)分實(shí)戰(zhàn)派上一期的分享《構(gòu)建RFM客戶價(jià)值模型，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)》，或者訪問(wèn)觀遠(yuǎn)云應(yīng)用市場(chǎng)上的相應(yīng)案例。

總結(jié)

在實(shí)際應(yīng)用中，分類方法可以幫助我們更有深度的認(rèn)知事物。通過(guò)分類方法做用戶分析，將用戶分為不同的類別，可以讓我們更好地了解用戶的需求和偏好，可以讓我們更好地制定產(chǎn)品和營(yíng)銷策略，以滿足不同群體的需求。

在使用分類方法時(shí)，我們應(yīng)該注意：

① 分類標(biāo)準(zhǔn)的描述應(yīng)該盡可能準(zhǔn)確和全面，以確保分類結(jié)果的精確性和可靠性.

② 收集到的數(shù)據(jù)應(yīng)該足夠詳細(xì)和全面，以確保分類結(jié)果的可靠性。