社交网络分析是人、组织、计算机或者其他信息或知识处理实体之间的关系和流动信息的映射和测量。图 1 是社交网络的一个示意图,其中的节点表示人、组织、计算机或者其他信息或知识处理实体;连线表示节点之间的关系或信息流动。信息流动的方式有很多,比如邮件,电话,短信,博客,等等。假设 A 经常与 B 和 C 通电话,通过分析 A 的电话 ID 记录,可以构筑出图 1 中的简单社交网络。从此图中我们可以看出 A, B, C, 三人 中,A 具有较强的影响力。如果 A 获得了正面或者负面的消息,这消息会很快传递给 B 和 C。而 B 与 C 之间的影响力是间接的,只能通过 A 来传播。
背景知识:社交网络分析、数据挖掘、IBM SPSS Modeler 社交网络分析是人、组织、计算机或者其他信息或知识处理实体之间的关系和流动信息的映射和测量。图 1 是社交网络的一个示意图,其中的节点表示人、组织、计算机或者其他信息或知识处理实体;连线表示节点之间的关系或信息流动。信息流动的方式有很多,比如邮件,电话,短信,博客,等等。假设 A 经常与 B 和 C 通电话,通过分析 A 的电话 ID 记录,可以构筑出图 1 中的简单社交网络。从此图中我们可以看出 A, B, C, 三人 中,A 具有较强的
1. 聚类产生的类别作为一个新的字段加入其他的模型搭建过程中,作为细分群体的建模依据。
这是Python数据分析实战的第一个案例,详细解读TGI指数,并用Python代码实现基础的TGI偏好分析。
如今,各行各业都已经意识到了数据的价值,开始沉淀数据资产,挖掘数据价值,但是数据本身其实是很难直观地看到其价值的。数据就是存储在计算机系统的“01”代码,如果你不去用它,能有什么价值?
近些年来,国内商业银行的同业竞争逐渐进入了白热化阶段,客户资源的竞争也逐渐成为了商业银行竞争的核心关注点。从产品竞争、服务竞争到客户资源竞争,竞争关系的变化也直接影响着商业银行的运行管理模式。积极引入客户价值管理概念,有助于商业银行在客户经济时代进一步提升自身的竞争优势。
老客户或者会员客户对企业来说是非常重要的收入来源,开发新客户的成本是老客户的8倍,所有非常有必要激活老客户。数据在会员客户维护中起着非常重要的作用。于是就整理了这份会员数据化营销脑图,包括: 会员数据化的具体应用场景,包括: 为预警事件设置阀值,自动触发应急处理机制 分析会员行为,为会员提供个性化、精准化和差异化服务 通过会员喜好分析,提高客户忠诚度、活跃度和粘性 通过会员分析,预防会员流失并找到挽回已经流失会员的方法 基于会员群体行为,更好的划分会员群体属性并挖掘群体性特征 基于群体用户和内容相似度,发现
老客户或者会员客户对企业来说是非常重要的收入来源,开发新客户的成本是老客户的8倍,所有非常有必要激活老客户。数据在会员客户维护中起着非常重要的作用。于是就整理了这份会员数据化营销脑图,包括:
聚类(Clustering),顾名思义就是“物以类聚,人以群分”,其主要思想是按照特定标准把数据集聚合成不同的簇,使同一簇内的数据对象的相似性尽可能大,同时,使不在同一簇内的数据对象的差异性尽可能大。通俗地说,就是把相似的对象分到同一组。 聚类算法通常不使用训练数据,只要计算对象间的相似度即可应用算法。这在机器学习领域中被称为无监督学习。 某大型保险企业拥有海量投保客户数据,由于大数据技术与相关人才的紧缺,企业尚未建立统一的数据仓库与运营平台,积累多年的数据无法发挥应有的价值。企业期望搭建用户画像,对客户进
商业数据向商业信息的转化:数据是商业活动的基础。企业与客户建立的关系所形成的数据是企业赢得市场的参考依据,随着数据挖掘技术日益成熟,CRM应用不断推广,数据挖掘技术日渐成为获取有价值的信息的重要技术和工具。 在对客户进行整体管理与服务的过程中,CRM客户关系管理系统将会记录会员的各类数据,如基础资料、会员的消费数据等,商场可以根据收集到的数据分析会员的各类行为,帮助工作人员管理会员,主要表现为以下四个方面: 1. 实现一对一营销 也就是我们经常说的针对性营销;近年来,一对一
而运营的精准化需要海量数据来支撑,重中之重是建设一个适合自身的 CDP,并且用好它。
Froc的推荐语:目前在线实时推荐,能够实现千人千面的个性化运营,但基于相对宏观的用户分群,依然是产品运营所需要的。在宏观层面的用户分群(通常把用户分为几类大的群体),能够为产品定位、品牌传播、活动策划和运营分工,提供很好的依据,为战略和战术制定,提供直观的数据支持。而用户分群,可以基于规则和数据模型(通常是聚类模型)进行划分。
| 导语在产品的增长分析当中,想关注符合某些条件的一部分用户,不仅想知道这些人的整体行为(访问次数,访问时长等),还希望知道其中差异较大的细分群体。用户分群方法,能帮助我们对差异较大的群体分别进行深入分析,从而探究指标数字背后的原因,探索实现用户增长的途径。 一、用户分群的应用场景 在日常的数据工作中,我们经常接到这样的需求:想关注符合某些条件的一部分用户,不仅想知道这些人的整体行为(访问次数,访问时长等),还希望知道具体是哪些人符合这些条件。然后查看这些人的数据导出用户名单,针对性的发送tips消息。有时
写这篇文章的主要目的是,想说明数据挖掘在运营、营销中的巨大作用。 最近在和一家做在线转账产品的公司合作,看到该公司对数据的运营相对来说还是比较表面的,拿到数据拉一下表格,做一下横纵对比就完事了。这种做法无论是在电商公司、运营企业,还是在传统企业其实也是非常普遍的,但是也是非常容易产生误差,甚至是错误的指导作用。 特别是偶然间看到一个专注做营运培训和指导的公众号上,发表过一份关于微信公众号数据分析的文章,里面采用的也是一样将一堆数据直接作为分析样本来做横纵对比,这时候我就更加确定,如果想要做好数据分析,一定的
“如何分辨出垃圾邮件”、“如何判断一笔交易是否属于欺诈”、“如何判断红酒的品质和档次”、“扫描王是如何做到文字识别的”、“如何判断佚名的著作是否出自某位名家之手”、“如何判断一个细胞是否属于肿瘤细胞”
人工智能(AI)为改变我们分配信贷和处理风险的方式提供了一个机会,并创造了更公平、更包容的系统。人工智能可以避免传统的信用报告和评分系统,这有助于抛弃现有的偏见,使它成为一个难得的,改变现状的机会。然而,人工智能很容易朝另一个方向发展,加剧现有的偏见,创造出一个循环,加强有偏见的信贷分配,同时使贷款歧视更难找到。我们将通过开源模型Fairlearn来释放积极的一面,缓解偏见消极的一面。
相对于武汉,北京的秋来的真是早,九月初的傍晚,就能够感觉到丝丝丝丝丝丝的凉意。 最近两件事挺有感觉的。 看某发布会,设计师李剑叶的话挺让人感动的。“**的设计是内敛和克制的…。希望设计成为一种,可以被忽略的存在感”。 其次,有感于不断跳Tone的妇科圣手,冯唐,“有追求、敢放弃”是他的标签。 “如何分辨出垃圾邮件”、“如何判断一笔交易是否属于欺诈”、“如何判断红酒的品质和档次”、“扫描王是如何做到文字识别的”、“如何判断佚名的著作是否出自某位名家之手”、“如何判断一个细胞是否属于肿瘤细胞”等等,这些问题似乎
“如何分辨出垃圾邮件”、“如何判断一笔交易是否属于欺诈”、“如何判断红酒的品质和档次”、“扫描王是如何做到文字识别的”、“如何判断佚名的著作是否出自某位名家之手”、“如何判断一个细胞是否属于肿瘤细胞”等等,这些问题似乎都很专业,都不太好回答。但是,如果了解一点点数据挖掘(Data Mining)的知识,你,或许会有柳暗花明的感觉。 的确,数据挖掘无处不在。它和生活密不可分,就像空气一样,弥漫在你的周围。但是,很多时候,你并不能意识到它。因此,它是陌生的,也是熟悉的。 本文,主要想简单介绍下数据挖掘中的算法,
“每天一个数据”分析师新一期内容奉上,请享用~ 转载请注明来自CDA数据分析师 否则小编将举报到底! 本期我们有幸采访到的嘉宾名叫兰锦池,2012年硕士毕业,概率论与数理统计专业,崇尚概率论和统计学解决问题的思想,喜爱折腾各种实际数据,愿意跟数据挖掘模型死磕。 现在他是一名资深数据挖掘工程师,主要负责用户行为分析和精准营销相关工作;曾做过某电信省公司的手机用户行为价值分群、手机终端升级概率预测模型、用户流失预警模型等。 在兰锦池看来,工作中最困难的还是数据源的采集和结构化数据的获取,比如曾经做用户的手机上
相对于武汉,北京的秋来的真是早,九月初的傍晚,就能够感觉到丝丝丝丝丝丝的凉意。 最近两件事挺有感觉的。 看某发布会,设计师李剑叶的话挺让人感动的。“**的设计是内敛和克制的...。希望设计成为一种,可以被忽略的存在感”。 其次,有感于不断跳Tone的妇科圣手,冯唐,“有追求、敢放弃”是他的标签。 ---- “如何分辨出垃圾邮件”、“如何判断一笔交易是否属于欺诈”、“如何判断红酒的品质和档次”、“扫描王是如何做到文字识别的”、“如何判断佚名的著作是否出自某位名家之手”、“如何判断一个细胞是否属于肿瘤细胞”等等
投资机构或电商企业等积累的客户交易数据繁杂。需要根据用户的以往消费记录分析出不同用户群体的特征与价值,再针对不同群体提供不同的营销策略。
背景 用户流量从搜索引擎为入口的增量时代到移动互联网普及人口红利不再的存量时代,这个变化对每个公司的获客成本,运营思路都产生了很大的影响,在流量日益枯竭,获客成本越来越高的时代,伴随着大数据、精细化运营、人工智能、机器学习等一大波新技术和概念的崛起、普及,它们之间有何关联?如今互联网产品又该如何运营、攻城略地?本文介绍的用户画像或许能带来一点思路。 1、用户画像的作用与意义 1.1 作用 用户画像承载了两个业务目标:一是如何准确的了解现有用户;二是如何在茫茫人海中通过广告营销获取类似画像特征的新用户。比如在
2015年8月14日,由中国科协、中国科学院指导,中国人工智能学会主办的第五届中国智能产业高峰论坛在上海长荣桂冠酒店顺利召开。 下面是中国人工智能学会副理事长、 2015国际人工智能大会IJCAI -15 程序委员会主席、香港科技大学教授杨强的发言。杨强在报告中总结:互联网+为我们带来了大数据,而大数据又为我们带来了智能的可能性。 通过“群体智能”,“终生学习”和“特征工程”,大数据让传统的服务变成又智能的服务。 这也是我们所倡导的“+智能”的精髓。这种“深度+”是通过大数据来产生的,具有领域知识的、 有群
数字化时代,金融早已不是某个封闭环境下的单维度领域。粗犷式运营转变为精细化运营,开始对客户做细分的管理和营销,以使得客户价值最大化。
哈佛商学院在美国进行的一项调查发现,95%的新品牌失败是由于无效的营销细分,其失败的原因在于每个消费者都是独立的个体,他们也有着独特的要求。 因此,千人一面的营销策略无法吸引所有用户。而成功品牌总是会向正确的消费者提供正确的产品,为此,营销人员需要彻底了解他们的客户,市场细分可以帮助品牌将客户划分为不同的独立的群体,以便分析他们的需求并与他们进行有效的沟通,是品牌研究消费者行为的重要工具。今天我们就来探讨:
在《当推荐系统遇上用户画像:你的画像是怎么来的?》一文中,我们介绍了怎么通过TF-IDF的方式得到用户的画像。而在本文中,我们来聊一下在搜索、推荐、计算广告系统中“画像是怎么用的?”。
随着中国新一轮的生育高峰期到来,母婴零售店遍地开花,市场竞争趋向白热化。目前越来越多的母婴零售店都采用了会员制度,并以“会员专享优惠”、“多倍积分”、“积分兑换奖品”等优惠方式吸引大批新的消费者留下个人手机号码、宝宝性别、宝宝月龄、家庭地址等相关信息。而消费者也会使用相应的会员卡来母婴店进行购物,以便获得更多的优惠。 2013年是电子商务逐步成熟的一年,网上购物越来越方便;而线下母婴零售店促销打折不断,竞争异常激烈,留给母婴零售店高层管理者两个不得不认真去思考的企业经营问题:
根据某面包店历史6个月的用户交易记录,通过RFM模型对用户分群,并建立模型预测用户的购买概率,实现对不同用户群不同购买概率的用户实行不同的发券策略,以此提升营销的准确率,实现ROI(收益与成本控制)的最大化。
人群LookALike是给定种子人群,然后通过技术手段找到与该种子人群相似的用户群体。人群LookALike在广告投放中使用较多,比如客户提供一个高价值人群,借助广告平台LookALike能力可以找到更多潜在的高价值用户用于广告投放。下面介绍几种常见的LookALike实现方案。
随着中国新一轮的生育高峰期到来,母婴零售店遍地开花,市场竞争趋向白热化。目前越来越多的母婴零售店都采用了会员制度,并以“会员专享优惠”、“多倍积分”、“积分兑换奖品”等优惠方式吸引大批新的消费者留下个人手机号码、宝宝性别、宝宝月龄、家庭地址等相关信息。而消费者也会使用相应的会员卡来母婴店进行购物,以便获得更多的优惠。 2013年是电子商务逐步成熟的一年,网上购物越来越方便;而线下母婴零售店促销打折不断,竞争异常激烈,留给母婴零售店高层管理者两个不得不认真去思考的企业经营问题: 1.如何去唤醒招募进来的沉
在产品初期,当用户量比较少,原始粗犷的运营方式可以满足日常产品的需求。但随着产品逐步扩张,用户量也逐步增加,互联网流量红利的时代逐渐结束,粗暴的方式难以继续,多样化的用户需要精细化的运营。这个时候数字化精细化运营的价值将得到体现,提升效率,降低运营成本,把钱花在刀刃上。数字化运营包含有很多种如用户分层、用户分群、用户画像等多种方式。本篇主要介绍用户分层。
通常每年的一季度,都是银行的“开门红”时间,银行往往会在此时加大营销力度,做大业务量。但2020开年以来,受新冠肺炎疫情的影响,民众居家隔离,对手机、电脑等智能终端依赖极强,各大银行线下网点服务量断崖式下跌。
标签作为当下最普遍的数据资产类型之一,对企业洞察用户画像、开展精细化运营等具有重要的支撑作用。企业标签体系的建设并非一蹴而就的,需要结合业务视角进行整体的规划,更涉及到复杂的数据治理和数据资产管理等工作。
前言 本篇文章主要是继续前几篇Microsoft决策树分析算法、Microsoft聚类分析算法、Microsoft Naive Bayes 算法,算法介绍后,经过这几种算法综合挖掘和分析之后,对一份摆在公司面前的人员信息列表进行推测,挖掘出这些人员信息中可能购买自行车的群体,把他们交个营销部,剩下的事就是他们无情的对这群团体骚扰、推荐、营销....结果你懂的! 本篇也是数据挖掘各层次间最高的产物,推测未知的事物。 应用场景介绍 通过前几篇文章对挖掘算法的介绍,其实应用的场景大部分是围绕着已经购买自行车这部分
多少个评分卡? 标准是什么? 最佳做法是什么? - 是我们试图在评分卡开发早期回答的常见问题,从识别和证明评分卡数量的过程开始 - 称为分割。
本篇文章主要是继续上一篇Microsoft决策树分析算法后,采用另外一种分析算法对目标顾客群体的挖掘,同样的利用微软案例数据进行简要总结。 应用场景介绍 通过上一篇中我们采用Microsoft决策树分析算法对已经发生购买行为的订单中的客户属性进行了分析,可以得到几点重要的信息,这里做个总结: 1、对于影响购买自行车行为最重要的因素为:家中是否有小汽车,其次是年龄,再次是地域 2、通过折叠树对于比较想买自行车的顾客群体特征主要是:家里没有车、年龄在45岁一下、不在北美地区、家里也没有孩子(大米国里面的屌丝层次
上次我们以O2O产品为例讨论了用户画像的实践,这次我们将以OTA产品为例,进一步讨论如何依托数据,搭建用户画像系统。 思 考 用户画像是什么? 简单来说,用户画像就是从不同的维度来表达一个人,这些维度可以是事实的,可以是抽象的;可以是自然属性,比如性别、年龄;可以是社会属性,比如职业、社交特征;可以是财富状况,比如是否高收入人群,是否有固定资产;可以是家庭情况,比如是否已经结婚,是 否有孩子;可以是购物习惯,比如喜欢网购还是喜欢逛商场;可以是位置特征,比如在哪个城市生活;可以是其他行为习惯。 总之,所有大家
会员价值度用来评估用户的价值情况,是区分会员价值的重要模型和参考依据,也是衡量不同营销效果的关键指标。
提示工程是一门精细的艺术,其目的是设计问题或陈述,也称为“提示”,以从人工智能(AI)模型中提取特定的回答。
客户流失/流失,是企业最重要的指标之一,因为获取新客户的成本通常高于保留现有客户的成本。
最近有朋友在问怎么做用户分群,刚好看到有个RFM客户价值模型,就移过来用python简单演示一下,感觉还是有一定的作用的。
随着社会经济的快速发展和交通基础设施的不断完善,我国汽车市场也得到了迅速增长。 与之配套的汽车售后服务市场成为庞大的黄金市场,发展潜力惊人。 在售后服务市场中,汽车 4S 店以其品牌优势,完整和规范的服务系统以及多种多样的增值服务受到消费者的青睐。但汽车售后市场纷繁复杂, 汽车 4S 店仍 要面对竞争品牌对保有客户的激烈争夺,还有汽车维 修集团、甚至一些小型的汽车维修店对市场的蚕食。 而忠诚度越来越低的客户,也让汽车4S 店感到束手无 策。 因此客户流失预警正成为汽车4S店售后服务领域 的一个重要研究问题。
你可以这样回答,“带不带伞需要看具体的情况,如果今天烈日高照而且大妈儿子今天计划走路去上班恰好这个人非常抠门,那么他需要带上雨伞;否则,不需要带雨伞”。
上一篇《用户分层,该怎么做才合理?》中,很多同学点在看,表示想看用户细分,现在它来了,请继续点“在看”噢
目标:总结出信贷需求较高人群特征,找到与信用等级相关程度较高的变量。帮助银行决定是否审批通过该客户并对审批通过的客户设定初始信用额度,有利于银行降低信贷事前风险
对于沃尔玛、华润万家、百佳等零售大超市而言,每天都有很多客户通过会员卡进行购买,不断积累了很多销售数据,如何利用这些数据,从数据中挖掘金矿,很值得每个商家去思考。尽管目前零售商有不少的IT系统去支撑企业常规的分析(如销售量、销售额、热销SKU等),但实际上还是未能从数据角度深入挖掘客户的价值,仅仅从经营分析的角度来满足了常规分析工作。 本文从个人的角度去谈一下如何使用数据挖掘帮助零售商提升生意,让数据真正地去指导企业经营,最大限度地发挥数据提供商业决策的作用。 第一、开展会员制能够帮助企业采集更多会员数据
对于沃尔玛、华润万家、百佳等零售大超市而言,每天都有很多客户通过会员卡进行购买,不断积累了很多销售数据,如何利用这些数据,从数据中挖掘金矿,很值 得每个商家去思考。尽管目前零售商有不少的IT系统去支撑企业常规的分析(如销售量、销售额、热销SKU等),但实际上还是未能从数据角度深入挖掘客户的 价值,仅仅从经营分析的角度来满足了常规分析工作。 本文从个人的角度去谈一下如何使用数据挖掘帮助零售商提升生意,让数据真正地去指导企业经营,最大限度地发挥数据提供商业决策的作用。 第一、开展会员制能够帮助企业采集更多会员数
领取专属 10元无门槛券
手把手带您无忧上云