遇到狂甩干货的老师肿么破!我本就想发个牢骚……

浏览: 1899

早上,小编在挤二号线地铁上班的路上,像往常一样兢兢业业、不辞疲倦的浏览着学员群的消息,突然被天善陈老师讨论群里,滚滚而来的几十个未读信息震惊了!

0 (1).jpg

事情的经过是这样的,群里一位老学员(暂且称呼为小星同学),在面试的过程中被甩坑了,有图有真相。


微信图片_20170814144550.jpg


小星同学:面试遇到个问题,某大型超市存在顾客流失严重的问题,因此市场部想通过在8周观察期内的顾客行为,来预测接下来4周高概率会流失的顾客,并对其进行沟通发券的方式进行顾客挽留。

分析:请介绍一下,可以用来建立预测模型的方法(模型)名称和大体思路。


WHAT?这不是一大早的搞事情吗?当然,问题既然抛出来了,当然要集思广益帮同学解决啦,不然怎么体现我们是一个最全能,最有爱的,让人相见恨晚的群。

0 (2).jpg


来看看同学们的热心帮助:


0 (3).jpg


A同学想出了三点影响因素:周边出现竞争对手、市政施工修路影响消费者前往消费、自身服务存在问题;


0 (4).jpg


B同学提出可以看成二分类问题,用逻辑回归分析。

C同学提出了自己的思路:先出来个模型,然后再分析业务为什么是这样,再寻找解决之道

D同学觉得应该先从流失原因出发解决问题,可这也引出了新的问题,流失原因怎么去测量,用什么模型去解释……

正当同学们激烈的讨论陷入僵局,不知道如何是好时,众所期盼的男神陈老师,出现了。


0 (5).jpg


陈老师:


这是两个问题哈!

先说第一个问题:大家都去过超市,请问有几位收到过超市的促销短信?有几位收到过促销短信附带优惠券(还是电子版的哦)?有机会真的拿着这个促销短信去超市再次消费的?如果说到这一步还没理解到问题的本质,再简单一点,在超市收银台,小妹问:您有会员卡吗?有多少人说没有以后,小妹就放你走了,而不是要求你办一张。实际上超市的订单数据关联会员ID的比例是相当低的,一般大型连锁超市关联比例也就40%-50%,小型超市只有10%,甚至哪些区域级的超市关联比例1%的我都见过。所以在这种背景下,根本谈不上会员行为分析,数据偏差太大。而更深层次的问题是,超市作为日用消费,靠的是半径2公里内居民和半径10公里内的开车小区,所以做地推会比点对点派券做流失挽留更合适。


这个情况并不绝对,有些零售店可以解决这个问题,比如屈臣氏。屈臣氏的绑定会员ID的动作是非常给力的。更重要的是,屈臣氏提供的都是女性日用品,可以很容易根据会员上次购买的产品去推算使用周期,使用需求。女生抹在脸上的东西和男生打游戏的装备一样,是需要套装的;而女生逛街和男生刷副本一样也是必备行为,所以这时候做新品体验,做囤货打折,派券是可以起到挽留用户的作用的。


但是这个只是第一个问题的答案,这里还有个第二个问题就是大家不要忘了,这是星同学面试的题目。所以要先问星同学他在面试什么企业的什么岗位,这个面试之前见过谁,这个人是负责技术还是负责业务的?

如果对方是个技术部门的,只是想出个题目考考新人的话,那么很有可能他就是不懂业务的,而且也不关注业务,只关注你怎么搞定这个事。所以,这里可以假设一些完美的场景然后给一个分析方案,之后再说:实际上会遇到XXX问题,就显得自己很牛逼了。

比如说,我们假设这个超市有会员ID,且关联了订单,那么先做描述性统计。考虑超市的服务群体是周边居民(生鲜为主,频繁消费)和10公里内驱车居民(周末消费,订单大,品类多)这时候可以首先区分类型。周边居民的消费频率可能很高,比如消费记录可能每天都有,那么这个数据数量是相对丰富的,我们可以定义一个生鲜流失条件,可以考虑做消费衰退标签,甚至做逻辑回归模型。但是每周消费的居民,消费周期很长,消费记录较少,所以可能数据量不够做模型,而是要做RFM,做比如60天不到店唤醒。


如果结合客户是第三方公司这个背景。还可以进一步的说:

面对这个潜在客户,我们可以分步骤开展工作,至少有五步

第一:首先抛一个超市挽留60天不到店客户的案例,勾引起客户对于自己60天不到店数据的好奇,引发第一个需求。

第二:对客户进行数据梳理,把客户的顾客分类做出来。

第三:先做60天不到店分析(或者其他天不到店,看具体数据),把不到店唤醒先做出来,可以马上见效

第四:建模,锁定高频消费但易流失的高端客户。还没有自动触发挽留系统的时候,可以把名单给到门店跟进,快速见效。

第五:上系统,做到最终我们期望的:自动触发挽留动作的综合模型。

这样层层深入,能逐步把客户拖下水。比一次性上一个很复杂的功能要靠谱,能减少项目失败风险。即使在项目过程中,某一个环节断掉,我们能至少接触了这个客户的数据。以后就可以吹嘘:我们具备了这个行业XX客户的数据案例。

8周数据理论上是够的,因为如果是生鲜类消费者每天都会有数,周末类的至少有8次消费数据,一般快消品消费者补货周期都是30天,8周基本上能看出点东西来。具体的要看数据质量。这么说,应该能应付过面试官了!


0.gif


0.jpg


小编已被陈老师耐心认真、系统全面、深入浅出,条理清晰的解答给深深折服了。当然,这只是陈老师日常解答问题的一个缩影,不仅在天善学院有体系视频教程及博客,还可以帮忙修改简历,职业路径规划的,这么专业的服务,打着灯笼也难找啊,小编必须要使出绝学葵花点赞手强烈推荐给大家。


0 (7).jpg              

对了,忘了给大家介绍一下,陈老师8年经验数据分析师,资深业务顾问。观客CRM数据运营总监,在金融,零售,家居,美容等行业有丰富经验。负责超过25个数据运营,CRM,精准营销项目落地,参与5个以上数据产品设计与运营。在业务部门最懂数据,在数据部门最懂业务,在数据业务两个交叉领域吐槽最凶猛。

陈文老师课程链接:https://www.hellobi.com/u/chenlaoshi/courses

0 (8).jpg

推荐 1
本文由 天善智能 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册