用大数据的方法，如何甄别某个消费者是不是促销敏感型呢？

在新零售的背景下，用户的消费观念逐渐开始注重服务和品牌，但他们仍然非常依赖促销。各大电商平台频繁的促销活动，潜移默化地影响着消费者的购买决策。敏感用户的推广是什么？根据经济学理论，消费者对商品需求的变化是由价格波动引起的，这部分消费者是促销敏感用户。消费者对价格的敏感性越大，对促销的敏感性越小，反之亦然。近年来，各大电子商务平台频繁的促销活动带来了业务的爆炸性增长，形成了用户只看促销、只买低价的消费观念。从年货节、超品日、618、双11、双12等网购节日来看，大多通过低价折扣吸引用户消费。2017年618年中购节，京东销售额惊人1199亿元，第二季度GMV总额2348亿元，销量明显是平时的近三倍。可以判断，一些消费者更加关注商品的推广，只有在推广时才会集中订单，但通常订单较少，其中只有在推广时才能订购的用户可能是敏感用户。图片来源网络对于平台来说，虽然轰炸和粗糙的推广会取得很好的效果，但如果你想把销售提升到另一个水平，你通常只能通过更疯狂的推广。该方法适用于初创公司开拓市场，而成熟公司则需要对消费者进行更精细的运营。若能对促销敏感度不同的人群进行精准营销，促销效果必然会事半功倍。接下来，我们来谈谈如何利用大数据识别敏感的促销用户群。在模型准备阶段，衡量电子商务消费者是否对促销敏感主要取决于其历史订单中促销折扣的比例。一般来说，我们认为用户的促销订单比例越高，敏感度越高；促销金额比例越大，敏感度越高。时间范围：查询每个消费者一年内的数据。敏感性是及时的。随着年龄和收入的增长，敏感性也会发生变化，以一年为临界点更具代表性。订单数据：提取用户订单数据，计算一年内的订单总数和用户参与的优惠订单数。这里的折扣可以是全额折扣、全额礼品或使用优惠券的订单。订单价格数据：总结用户所有订单的总价格，总结用户所有订单参与折扣的总金额，结合消费者在网站上的消费行为，可以从数据层面合理探索消费者的购买力和对促销的敏感性。根据上述指标，可以为用户建立模型，然后根据模型输出结果应用于各种实际业务场景。敏感建模过程建模过程类似于上一篇文章《电子商务购买力模型：用大数据解锁智能营销的新姿态》。具体方法可参考以下步骤：人群标准定义。正如我们前面所说，消费者的促销订单比例越高，敏感度越高；促销金额比例越大，敏感度越高。但是，具体的衡量标准仍然需要通过业务数据挖掘来判断，并给出合理但范围。根据过去一年用户优惠订单的比例、每个订单的平均优惠金额的比例和总优惠金额的三个指标进行分类。一般来说，人群可以分为五类：根据网上购物者趋势研究报告，电子商务商品的低价促销对网上购物有着巨大的影响，从前年的42%跃升到去年的61%。其中，敏感用户占据了金字塔的底部，只有一些用户不敏感。极度敏感：含促销商品的订单量和金额比例非常高且敏感：含促销商品的订单量和金额比例较高，一般敏感：含促销商品的订单量和金额比例中等不敏感：含促销商品的订单量和金额比例中等不敏感：上述平均值是根据实际业务计算制定的数据。具体业务分析没有具体标准。层次之间要非常清晰，这样业务才能在运营中更加清晰。在为人群的敏感性定义了具体的指标数据后，下一步就是根据指标将所有用户贴上不同的标签。聚类算法通常用于数据处理过程中给用户分组标记的模型。它是数据分析中一种非常重要的分层算法，可以将相似的元素聚集在一起，并将不同的元素放在其他类别中。从复杂的数据中，识别简化到人们可以理解的层次。问题图来源网络通常选择相似性测量。该方法的关键是如何告诉计算机数据相似，相似的相关点在哪里，不同算法所需的相似性可能不同。根据上述敏感模型，相似之处在于优惠订单的比例，每个优惠金额的平均比例和总优惠金额的比例。三者之和越小，价格敏感度越低。然后，根据每个用户的订单数据，我们将获得每个指标的预测值［－1，1］同时，当预测值不负时，我们可以理解为对价格不敏感。然后我们得到以下数据。大于0的数据是敏感用户。具体敏感指标仍需由业务自行确定。您可以参考上述指标。比如【-0.1~0.3】是一般敏感用户，【0.3~1】是敏感用户，【>1]是极其敏感的用户。然后我们可以知道，在今年所有账户的敏感性都有数据之后，我们应该考虑哪些场景可以使用，数据结合场景可以产生更大的价值。最后一篇文章“电力购买力模型：大数据解锁智能营销新姿势”简要推荐几个场景，如算法、准确的广告和会员营销，也可以结合购买力模型最近流行的概念“消费升级”应用场景探索消费升级是消费结构变化后最明显的特点，其核心在于人和场景的准确定位、消费者需求的分层和细化。对于品牌来说，首先要找出哪些人才是可以升级的群体，但每个品牌都有自己的特点和管理运营模式。华为手机希望流量入口，低端机器用户转向高端机器用户；魅族希望提高曝光率，提升GMV等。这些需求可以通过用户标签进行有针对性的营销，可以应用于许多场景。在实际业务中，我们应该更多地考虑如何使用用户数据，以便数据取决于用户和用户的产品。 以上结论是价格敏感性的模型方法论。你可以暂时理解它。与购买力模型一致，输出结果仍需在实践中打磨，通过对干预者和未干预者进行数据比较，然后调整到最令人担忧的地步。