汪尚
今天的机会真的很好，我之前一直做的是线下的分析，今天能和支付宝的专家一起交流，刚好能够互补，也希望大家能够踊跃参与进来，把这个平台真正作为大家共同的学习平台。
在数据分析技术不断推陈出新、企业数据积累越来越丰富、大数据技术被应用越来越广泛的今天，对比国内外，重视的行业并不相同，我国仍然像之前那样重视信息化的还是像银行金融、互联网、运营商这些行业，而在零售、连锁经营（像百货、酒店、餐饮、药店、超市等）这些容易见效的行业却远不如国外。国外在这方面已经有20年的经验，像我们熟知的沃尔玛、肯德基、星巴克无不是以数据运营精细化管理。
由于这几年零售业发展面临的考验越来越严峻，国内一些企业已经开始重视对数据的应用。从这几年的发展来看，大数据挖掘在这些行业的应用主要存在这三方面的问题：
第一个问题：数据质量较差，这主要是之前对数据的采集和管理不够重视，我说的主要针对线下，电商除外，因为这些大的电商的数据质量还是很好的。
第二个问题：本身国内在这方面的人才就短缺，而这些行业的福利待遇相对银行、互联网等行业缺乏竞争优势，所以对相关人才的吸收能力不够。
第三个问题：国内在这些方面的经验积累不够，还需要加大投入探索。
今天我就围绕零售行业跟大家一起探讨数据挖掘在零售业的解决方案，尤其是在会员分析方面的应用。针对会员的分析，主要有三大类:
1. 如何进行会员分级
2. 如何进行会员营销
3. 如何进行会员挽留
接下来，咱们先针对会员分级进行交流，交流之前先了解一下会员的生命周期，如下图所示
一个顾客来了之后，一部分会成为会员，这部分会员之后有可能会变成活跃会员，也有可能会流失，而活跃的会员有的会继续活跃，也有的会变成沉默会员，沉默的会员有可能会被再次激活，也有可能会流失掉，这就是从顾客进来到最后可能保持也可能流失的大概生命周期。
那如何进行会员分级呢?会员等级可以分为两类：
第一种是我们常见的会员管理等级制度，如游戏等级、QQ等级等。这种会员等级和奖励体制是分不开的，是会员管理的核心机制。而这种等级的累计规则也是有引导性的，比如你希望你的会员多在线，就可以把这个作为会员，如果在乎客户的交易频次就可以把交易频次作为考核的一项。当然前提就是每一种等级得有足够的专属权限，这些要能够吸引会员，就像很多玩游戏的人为了快速升级天天都在坚持做任务。
第二种，是以业务分析主题为目标的会员分级。比如，在百货商场，针对百货的会员建立客户等级，可以分成五个等级：A级（一买一大堆组）、B级（成长空间较大组）、C级（常来常往组）、D级（别人家的顾客）、E级（看我不顺眼组）。以上5个等级分别表示：A表示的含义是忠诚度最高的组，生活需要的方方面面都在这里购买；B表示对我认同度较大且还有很大消费潜力的组；C表示时常来这里，也时常去别家买东西的组；D表示很少来这里买，主要去别家买的客户；E组表示对这里不满意而流失的客户。所以针对以上5个级别，每个级别都有运营措施，比如对E组的人重点做客户流失分析，对B组的人重点做向上迁移，加强B组向A组的转换，提高B组的消费量，等等吧。这两种体制相辅相成。线上第一种做的很好，有足够的重视，但是线下大部分做的不够好，很多大型的商场连会员信息采集都没有做好，又如何有足够的信息对这些会员进行分析。因此，完善会员分析首先应该完善第一种会员管理的等级制度。这也是我们最初给百货商场做会员分析遇到的一个难题。以上就是我对会员等级的两点看法，大家有什么要一起讨论的吗？
面包君
前面汪总把会员分级的基本情况都讲到了。我介绍下我们怎么做潜在用户、活跃和流失的吧。
这是用户的生命周期流程，我们就不多说。
潜在用户怎么做呢？就是怎么解决数据挖掘中的冷启动问题。常规我们有两个方式，1.经验判断：比如你推车主业务，前提是我要有车吧。比如你推理财产品，前提我有钱。2.海投，通过GBDT决策树做投放优化，通过不停的召回样本，定义正负样本，来做预测。
活跃怎么做的呢？数据挖掘中最传统的方法就是RFM，围绕用户的最近消费时间、消费频次和消费金额来说，而我们在定义用户分级的时候也常通过登录行为、交易行为、消费金额这样的维度来给用户成长值打分。应用到数据挖掘就是通过：1.模型 2.业务规则 来做用户活跃！1.前者通过模型来做分类问题，就是判断用户会不会用我们这个产品或功能，根据大量的历史用户行为数据。2.后者是什么意思呢，就是比如我都已经知道你这个月手机欠费了，当然拿到你的这个信息直接给你push一下手机充值的消费。
实际我们在做模型拉新和活跃的时候也发现。比如一般充值业务拉新模型的转化率是3%，活跃能做到30%。这也验证了为什么我们要做老用户活跃，拉新要做精准化，尽量少海投。
而针对流失的用户我们需要不需要挽回呢？我们之前零售测算过的成本发现通过挽回用户的方式得不偿失，成本很高。相比较潜在和活跃用户，流失用户是累觉不爱。比如我挽回他，需要5元，而他创造的价值可能就只有1毛。像关注公众号类似，我已经添加关注了公众号，并关注了一段时间，最终取消关注的情况大多是真心不爱。你再挽回有些强扭的瓜不甜。所以一般我们不会花太多的时间来做用户的流失挽回，得不偿失！！！
那么我们怎么看待我们的会员忠诚度和价值呢？
会员价值包括历史价值、当前价值、影响价值和未来价值。比例大致在2：5：1：2 。所以当你在给会员价值打分的时候，需要结合他多方面的影响来权重考虑。对应不同的业务，每个会员的得分都会不同，我们打分的模型常用LR/RF/MLR/PS-LR，最后决定给他推什么业务，会有融合排序的过程，结合这个业务的conversion%和modelaccuracy%，来说为什么不仅不是不操心用户流失，还可以是更担忧这样的问题！
特别是我们讨厌薅羊毛的用户，什么意思，就是他只是来领了个红包就走了！
有关会员分析其他方面的内容，大家可以看我写的一篇博客http://www.flybi.net/blog/dataman/2442。