正确理解消费者的购买力模型，精准营销。

顾名思义，消费者的购买力就是消费者购买商品的能力。能够在一定时期内反映他的消费水平和消费水平。购买力模型是用户肖像的一部分，是区分人群和定义用户身份的标签之一。了解消费者的购买力，可以更准确地制定会员营销计划，提高网站的销量。基于腾讯收集用户肖像的特点，微信开始在朋友圈投放精准广告，推送宝马广告。许多用户很高兴收到宝马的广告，因为腾讯认为你可能买得起宝马的商品。“买得起”代表用户的消费能力。不是每个人都会收到微信朋友圈的宝马广告，只有模型输出高消费力的人才会收到推送。以上购买力模型是微信根据用户平时的消费、余额、理财、转账等行为确定的购买力模型。基于支付数据的算法，数据输出非常准确，应用范围广。但对于大多数电子商务来说，很难通过支付和转账数据来判断用户的购买力。然而，道路并没有被堵住，消费者的购买力水平仍然可以通过他在网站上的行为来判断。购买力模型数据准备电子商务网站商品齐全，品类复杂，价格分布与品类密切相关。其中，消费品和快速消费品价格普遍较低，销量大，回购周期短，3c产品价格高，回购周期长。消费者在不同类别中的购买力需要对该类别的价格分层进行整体评估。消费者在不同的商品类别下可能有不同的消费能力。例如，用户可能穿着简单，但他们是HiWiFi爱好者，在耳机和音频类别下消费水平很高。因此，不同类别应考虑权重值。具体参考以下数据：（1）消费者在不同类别下购买的商品价格反映了该类别下的消费能力和水平。我们的购买力计算模型需要单独给每个消费者贴上标签。每个消费者都是一个样本，不同商品的购买价格从他的订单数据中提取。一般来说，我们会选择近一年的订单样本。从这些订单数据中，我们可以看到他的真实消费水平和消费水平趋势。(2)消费者不会在每个类别下购买用户的浏览数据。如果A类购买订单为0，如何判断他的购买力？是通过浏览行为确认的。浏览数据庞大而繁琐，只需要半年的记录。根据用户访问的目标类别下sku的价格和频率，初步判断用户的购买水平。当模型步骤开始时，许多人对模型和算法感到困惑（作者也是）。大多数人已经知道他们需要什么数据，以及如何获取数据和清洁底表，但他们不知道如何有效地利用这些数据。事实上，数据获取难，发挥价值更难，数据可能在每个人手中发挥不同的作用。因此，首先，从产品经理的角度来看，科普如何利用手头的数据，如何理解建模。首先，根据当前业务需要，结合战略目标，构建相应的标签体系。例如，在拉新用户时，在行为层中标准化这些人的具体特征，即购买、收集、搜索或浏览数据来量化具体标签，并以最小粒度定义。结合需求目标，找到每个底表，然后将所需的数据存储在自己的仓库或市场中，清理脏数据和数据探索。数据标签根据特征提取相应的数据，生成样本并开始建立模型。优化模型特征提取方法，增加训练集样本，尝试不同比例的训练和测试数据集，优化模型参数。测试样品，继续优化并逐步调整。你可以把模型想象成烹饪，比如锅包肉。拆卸具体步骤：业务需求是制作酸、甜、美味、软、*适合果汁锅肉，（原业务需求）准备配料、里脊肉、淀粉、糖醋油（寻找数据源，探索订单数据、流量数据、搜索数据等数据表）里脊肉浆油炸、汤混合（模型建立、开始培训）尝汤味、肉*度（模型测试），好继续，坏则重来(模型测试)制作完成(测试成功)这样的理解，简单多了。什么是购买力模型？什么是购买力模型？购买力模型因人而异。不同的业务需要建立不同的模型，具体的执行细节也不同。以下仅用于抛砖引玉。这里提到的购买力模型是消费者在一年内通过综合评分计算网站上购买的所有订单数据。执行细节可以遵循以下步骤：以用户为标本，每个用户为实体。抽取他在网站上购买的SKU数据作为样本数据，根据SKU的三级分类对SKU的价格进行分类。如下图所示，华为5级价格可分别为高价、高价、中价、低价。低价将比较和参考消费者购买的SKU数据，降到哪个档次的数量越多，用户越接近哪个级别最终生成以下消费者购买力模型：土豪劣绅：高端、高价商品买家高级白领：高消费水平，经常购买高价商品，但收敛白领：中游蓝领消费水平：低价商品买家收入很少离散人群：用户应用场景前的异常购买频率做了很多工作，但你可能会发现，即使识别用户的购买力，不清楚如何充分发挥这部分用户的价值。基于协同过滤算法，千人千面推荐算法为购买力高的人推荐高端产品，如摄影爱好者提供更多镜头推荐、箱包用户推荐豪华首饰、购买力低、性价比高的产品。正如前面提到的，微信朋友圈推荐高端商品广告，可以更准确的发布，减少用户的排斥感，提高广告的接受度和认可度。会员营销对不同购买力的人进行不同的产品护理和精准推广。正如前面提到的，微信朋友圈推荐高端商品广告，可以更准确的发布，减少用户的排斥感，提高广告的接受度和认可度。会员营销为不同购买力的人提供不同的产品护理和精准推广。比如为高端用户提供专项服务，为低端用户提供专项推广。有很多应用场景，这里就不赘述了，大家结合自己的业务去探索，会有更多的收获。以上内容大多是笔者近期的相关工作经验。这个时候分享一下，希望能给大家抛砖引玉。至于如何建立模型，确实需要慢慢探索，一点点练习，然后逐渐变得完美。