17.4 具体示例

任何一个数据分析需求,任何一个数据分析挖掘课题,都是可以用至少两种以上的方法、思路、技术加以有效解决的。这里无法列举所有的项目,将以传统零售业和电子商务中最常见的交叉销售为例,来分析至少有哪几种不同的思路和方法。

所谓交叉销售(Cross Selling),是指卖家能有效发现顾客的多种商品(或服务)需求,并通过满足其需求而销售多种相关服务或产品的营销方式,也就是向特定顾客销售更多不同的,同时也是他们需要的商品。那么,要实现交叉销售,又有哪些思路和方法呢?

思路一:利用关联规则(Association Rule),发现支持度和置信度都符合要求的强相关商品,从而利用这些强相关商品进行关联销售。有关关联规则的详细介绍,可参考本书2.3.4节的内容。

思路二:借鉴预测响应(分类)模型的思路,通过对购买A、B两种商品的消费者的特征进行分析,建立响应(分类)模型,模型的目标变量就是是否在特定时间段里,购买了A、B两种商品。利用搭建好的该响应(分类)模型,去预测(打分)新的潜在消费者群体,找出最可能在接下来的时间段里购买A、B两种商品的潜在目标消费者,并对他们进行精细化的营销宣传,从而实现交叉销售。另外,该思路也适用于有先后次序的商品交叉,只要在抽取建模样本的数据时注意样本选择的时间次序就可以了。有关预测响应(分类)模型的详细介绍,可参考本书第10章的预测响应(分类)模型的典型应用和技术小窍门。

思路三:借鉴电子商务中的商品推荐模型思路。电子商务中的商品推荐已经发展成为一个独立的研究领域,产生了不少成熟的算法和思路,除了上面提到的关联规则之外,常见的还有协同过滤、基于内容的推荐模型等。关于电子商务中商品推荐模型的详细介绍,可参考本书3.11节。

思路四:通过决策树的清晰的树状规则,发现具体的商业规则(有的多,有的少),然后根据这些有价值的规则去制定具体的交叉销售策略。有关决策树的详细介绍,可参考本书10.2节。

条条大道通罗马,数据分析师要在实践中自觉服从、贯彻、落实之,这是提高分析效率的需要,也是提升分析能力的需要,更是确保数据化运营落地应用实践的商业价值优化的需要。