大數(shù)據(jù)如何通過(guò)技術(shù)處理，篩選出有價(jià)值的用戶?

時(shí)間：2022-03-02 09:45:02 | 來(lái)源：網(wǎng)絡(luò)推廣

時(shí)間：2022-03-02 09:45:02 來(lái)源：網(wǎng)絡(luò)推廣

大數(shù)據(jù)要實(shí)現(xiàn)對(duì)用戶的研究與分析，首先必須基于海量的數(shù)據(jù)源，也就是說(shuō)只有擁有數(shù)據(jù)源的大數(shù)據(jù)平臺(tái)公司才能做到這一點(diǎn)。量江湖在開(kāi)展數(shù)據(jù)分析之前，通常會(huì)整合企業(yè)內(nèi)部數(shù)據(jù)和企業(yè)外部數(shù)據(jù)，企業(yè)內(nèi)部數(shù)據(jù)包括Crm、dms車企路演、車展、市場(chǎng)活動(dòng)、電視節(jié)目等所有留資用戶;全網(wǎng)外部數(shù)據(jù)則是通過(guò)檢測(cè)用戶瀏覽內(nèi)容、評(píng)論、移動(dòng)設(shè)備、汽車自媒體、汽車評(píng)論、車型提問(wèn)、品牌口碑、搜索等抓取的潛在用戶。

如何將汽車數(shù)據(jù)資料變?yōu)閿?shù)據(jù)資產(chǎn)，并產(chǎn)生變現(xiàn)?這其中最重要的是將采集到的數(shù)據(jù)進(jìn)行技術(shù)處理。第一步數(shù)據(jù)清洗，將超出正常范圍、邏輯不合理、自相矛盾的數(shù)據(jù)，無(wú)效值、缺失值清洗掉;第二步數(shù)據(jù)融合，以消費(fèi)者為中心，使用關(guān)聯(lián)規(guī)則和設(shè)備指紋技術(shù)，將設(shè)備號(hào)、郵箱、社會(huì)學(xué)特征、興趣、行為、商品等數(shù)據(jù)信息有機(jī)關(guān)聯(lián)，并實(shí)現(xiàn)結(jié)構(gòu)化;第三步脫敏，刪除所有敏感信息、隱私信息，最大限度保護(hù)消費(fèi)者隱私。經(jīng)過(guò)三步處理的數(shù)據(jù)全部存儲(chǔ)到數(shù)據(jù)倉(cāng)庫(kù)，再利用機(jī)器學(xué)習(xí)對(duì)數(shù)據(jù)進(jìn)行建模分析與預(yù)測(cè)分析，不斷發(fā)掘出數(shù)據(jù)中潛在價(jià)值。

以汽車大數(shù)據(jù)購(gòu)買習(xí)慣為例，量江湖針對(duì)樣本用戶在電商類網(wǎng)站的購(gòu)買三大周期：前(瀏覽，搜索)，中(瀏覽、比價(jià)、提問(wèn))，后(比價(jià)、下單)，通過(guò)機(jī)器學(xué)習(xí)得到的特征對(duì)購(gòu)買習(xí)慣數(shù)據(jù)進(jìn)行研究，從而建立相應(yīng)的購(gòu)買習(xí)慣預(yù)測(cè)模型。模型建立后，通過(guò)大數(shù)據(jù)算法進(jìn)行訓(xùn)練模型，比如品牌關(guān)注、瀏覽至購(gòu)買時(shí)長(zhǎng)、比價(jià)權(quán)重、頻次、優(yōu)惠權(quán)重、購(gòu)買額度、退貨頻次等等這些分類對(duì)模型進(jìn)行調(diào)整，最終預(yù)測(cè)出用戶是理性消費(fèi)?沖動(dòng)性消費(fèi)?習(xí)慣性消費(fèi)?還是經(jīng)濟(jì)性消費(fèi)等。

通過(guò)大數(shù)據(jù)對(duì)用戶的研究與分析，最終車企能清晰地知道用戶的消費(fèi)意識(shí)、網(wǎng)絡(luò)軌跡、喜好、性格、精準(zhǔn)消費(fèi)線索等。如此一來(lái)，就能有的放矢的開(kāi)展諸如銷售、產(chǎn)品推廣、促銷、活動(dòng)、服務(wù)改進(jìn)、優(yōu)化媒體策略等營(yíng)銷動(dòng)作，就不愁銷量，不愁KPI了。