在數(shù)據(jù)分析過程中，分類是非常重要的工具，它也是我們認(rèn)知事物的基本方法。分類即把事物分開并歸納到不同的類別里面，讓我們可以通過細(xì)分對事物建立更深刻的認(rèn)識。

在數(shù)據(jù)分析中，分類可以幫助我們更好地組織和理解數(shù)據(jù)，并找到其中的關(guān)系和模式。例如，我們可以將用戶分為不同的年齡組、性別和收入水平，以更好地了解他們的消費習(xí)慣，并制定更有針對性的營銷策略。

怎樣做分類？

在分類時首選需要選定分類對象。在使用分類方法做用戶分析時，分類的對象就是我們的用戶，是購買或者使用我們產(chǎn)品的人或者組織。

當(dāng)我們要分析一個事物的時候，可以從這個事物的構(gòu)成要素、屬性特征、行為習(xí)慣3個角度來做分析。假設(shè)我們要做的是ToB行業(yè)的用戶分析，那我們的分析對象就是一個個自然人。作為人來說，他的構(gòu)成要素包括器官、系統(tǒng)、細(xì)胞這些生理組成部分。做生理檢查的時候，就可以從人的這些構(gòu)成要素一一檢查。我們的目的是做商業(yè)分析，所以可以忽略用戶的構(gòu)成要素這一點，而從用戶的屬性特征和行為習(xí)慣兩個角度去做分析。

事物的屬性就是事物自身的特征或者特性。用戶的常見屬性包括區(qū)域、性別、年齡、職業(yè)、獲客渠道等。

此外，用戶在整個消費過程中產(chǎn)生的行為，包括訪問和瀏覽行為、消費行為、搜索行為、反饋行為等，會產(chǎn)生諸如購買品類、消費金額、購買頻率、購買周期、首次消費日期、最近消費日期等數(shù)據(jù)。我們也可以根據(jù)這些消費行為數(shù)據(jù)對用戶做分類。

用戶的屬性數(shù)據(jù)本身就是一些描述性的文字或非連續(xù)性的數(shù)值，通常可以直接拿來作為用戶的分類標(biāo)簽。但是用戶消費行為數(shù)據(jù)通常是連續(xù)性數(shù)據(jù)，不能直接拿來作為分類標(biāo)簽使用。因此在使用用戶消費行為度量做用戶分類前，我們還需要進(jìn)一步明確分類標(biāo)準(zhǔn)，度量值多大時用戶分類為A類，多大時分類又是B類、C類。以電商行業(yè)為例，我們可以根據(jù)幾個常用的用戶消費行為度量設(shè)置用戶分類標(biāo)準(zhǔn)：

在上述電商案例中，我們采用了手動分類的方法，人工設(shè)置了用戶分類標(biāo)準(zhǔn)。在實際應(yīng)用時，可以根據(jù)行業(yè)情況、數(shù)據(jù)特征、業(yè)務(wù)目標(biāo)等調(diào)整分類標(biāo)準(zhǔn)。除此之外，我們也可以使用機器學(xué)習(xí)等技術(shù)進(jìn)行自動分類。例如通過聚類算法，讓機器把數(shù)據(jù)集中的樣本按照特征進(jìn)行分類。但無論采用哪種方式，分類標(biāo)準(zhǔn)應(yīng)該是準(zhǔn)確、可靠和可重復(fù)的。

用戶分類實踐

下面我們看一下怎樣在觀遠(yuǎn)BI平臺上對用戶做分類，并使用用戶分類標(biāo)簽做用戶分析。

1、創(chuàng)建分類標(biāo)簽

1.1 選定分類標(biāo)準(zhǔn)

我們首選選擇一個用戶消費相關(guān)度量作為分類依據(jù)，再確定一個分類標(biāo)準(zhǔn)。例如：根據(jù)用戶最近消費日期距離當(dāng)前日期的長短，將用戶分為流失用戶和活躍用戶。

• 流失用戶：指在一段時間內(nèi)沒有使用過產(chǎn)品或服務(wù)的用戶。

• 活躍用戶：指在一段時間內(nèi)有使用過產(chǎn)品或服務(wù)的用戶。

• 時間間隔可以根據(jù)業(yè)務(wù)需求來設(shè)置，例如一個月、三個月或半年等。在以下示例案例中設(shè)置為三個月。

1.2 數(shù)據(jù)源：

• 去重到日期、用戶級別的用戶消費數(shù)據(jù)。在實際應(yīng)用中可以添加用戶屬性相關(guān)信息，以便做更豐富的分析。

1.3 實現(xiàn)步驟：

① 數(shù)據(jù)源中包含日期、客戶代碼、銷售額3個字段；

② 新建計算字段-統(tǒng)計日期 TO_DATE([DYNAMIC_PARAMS.日期])

③ 新建計算字段-最近消費日期MAX([日期])OVER(PARTITION BY [客戶代碼])

④ 新建計算字段-最近消費月數(shù) MONTHS_BETWEEN([統(tǒng)計日期],[最近消費日期])

⑤ 新建計算字段-用戶標(biāo)簽 IF([最近消費月數(shù)]>3,'流失','活躍')

2、使用分類標(biāo)簽

在根據(jù)所設(shè)置的分類標(biāo)簽對用戶做了分類之后，我們就可以使用這些用戶分類標(biāo)簽了。用戶分類標(biāo)簽的使用方法包括：

① 使用用戶分類標(biāo)簽，統(tǒng)計用戶人數(shù)占比。例如下圖中的活躍&流失用戶人數(shù)占比；

② 使用用戶分類標(biāo)簽+維度，統(tǒng)計用戶人數(shù)占比。例如統(tǒng)計新老客占比月度趨勢；

③ 使用用戶分類標(biāo)簽，統(tǒng)計用戶相關(guān)指標(biāo)。例如統(tǒng)計高價值客戶消費金額占比；

④ 使用用戶分類標(biāo)簽+維度，統(tǒng)計用戶相關(guān)指標(biāo)。例如統(tǒng)計不同注冊月份新用戶的留存率月度趨勢；

⑤ 將用戶分類標(biāo)簽結(jié)合起來，做綜合的用戶價值/質(zhì)量分析。

2.1 矩陣分析

我們選取兩個分類標(biāo)準(zhǔn)作為兩個變量，將它們分別放在一個二維坐標(biāo)系的兩個軸上，然后根據(jù)它們的取值將坐標(biāo)系劃分為四個象限，這就是四象限分析法。四象限分析法是一種常用的數(shù)據(jù)分析方法，它可以幫助我們更好地理解數(shù)據(jù)中的關(guān)系，從而做出更明智的決策。例如Eisenhower矩陣，可以幫助人們將任務(wù)按照重要性和緊急性進(jìn)行分類，將任務(wù)分為重要且緊急、重要但不緊急、不重要但緊急、不重要且不緊急等四個象限，是我們非常熟悉的一個四象限分類。

以用戶分析為例，我們可以使用【最近消費日期】和【購買頻率】兩個度量對用戶做四象限分析：

根據(jù)這兩個度量可以把用戶分為四類：

• 重度活躍用戶：最近一次消費在3個月以內(nèi)，在最近一年內(nèi)消費次數(shù)超過3次。是需要保持的最有價值的客戶。

• 一般活躍用戶：最近一次消費在3個月以內(nèi)，但在最近一年內(nèi)消費次數(shù)未超過3次。活躍的但是消費頻率低的用戶是潛力客戶，需要通過營銷策略提升消費頻次。

• 重要流失用戶：最近一次消費在3個月以上，但在最近一年內(nèi)消費次數(shù)超過3次。曾經(jīng)很活躍但現(xiàn)在流失的用戶。需要調(diào)查分析流失原因，并通過營銷策略重點激活和維護(hù)。

• 一般流失用戶：最近一次消費在3個月以上，且在最近一年內(nèi)消費次數(shù)不超過3次。可能是一次性消費的用戶，可以進(jìn)一步調(diào)查分析用戶不活躍和流失的原因。

實現(xiàn)步驟：

① 新建計算字段-1年內(nèi) ADD_MONTHS([統(tǒng)計日期],-12)

② 新建計算字段-時間篩選 [日期]>=[1年內(nèi)] AND [日期]<=[統(tǒng)計日期] ，字段類型為布爾型，并添加到篩選

③新建計算字段-消費次數(shù) SIZE(COLLECT_SET([日期]) OVER (PARTITION BY [客戶代碼]))

④ 新建計算字段-用戶標(biāo)簽2 IF([消費次數(shù)]>3,'高頻','低頻')

⑤ 新建計算字段-用戶四象限類別

CASE WHEN [用戶標(biāo)簽1]='流失' AND [用戶標(biāo)簽2]='高頻'THEN'重要流失用戶'

WHEN [用戶標(biāo)簽1]='流失'AND [用戶標(biāo)簽2]='低頻' THEN'一般流失用戶'

WHEN [用戶標(biāo)簽1]='活躍' AND [用戶標(biāo)簽2]='高頻' THEN '重度活躍用戶'

WHEN [用戶標(biāo)簽1]='活躍' AND [用戶標(biāo)簽2]='低頻'THEN '一般活躍用戶'

END

2.2 三維分析

如果我們從三個角度來做用戶分析，就可以形成一個三維魔方。RFM模型就是一個用來做用戶分析的三維魔方。通過對客戶最近一次購買時間(R)、購買頻率(F)和消費金額(M)三個度量進(jìn)行評估分類，可以將客戶分為8類，從而就可以制定出更有針對性的營銷策略。

根據(jù)三個度量可以把用戶分為八類：

• 重度價值用戶：R高F高M(jìn)高，重要客戶需要重點保持，提供優(yōu)質(zhì)服務(wù)；

• 重要發(fā)展客戶：R高F低M高，需要著重提升用戶購買頻次；

• 重要保持客戶：R低F高M(jìn)高，加強客戶聯(lián)系，提醒客戶消費；

• 重要挽留客戶：R低F低M高，加大促銷力度；

• 一般價值客戶：R高F高M(jìn)低，提升客單價；

• 一般發(fā)展客戶：R高F低M低，提升新客戶消費頻次；

• 一般保持客戶：R低F高M(jìn)低，提醒消費；

• 一般挽留客戶：R低F低M低，流失風(fēng)險大，使用促銷方式召回。

關(guān)于RFM的實現(xiàn)步驟，可以參考閱讀數(shù)分實戰(zhàn)派上一期的分享《構(gòu)建RFM客戶價值模型，實現(xiàn)精細(xì)化運營》，或者訪問觀遠(yuǎn)云應(yīng)用市場上的相應(yīng)案例。

總結(jié)

在實際應(yīng)用中，分類方法可以幫助我們更有深度的認(rèn)知事物。通過分類方法做用戶分析，將用戶分為不同的類別，可以讓我們更好地了解用戶的需求和偏好，可以讓我們更好地制定產(chǎn)品和營銷策略，以滿足不同群體的需求。

在使用分類方法時，我們應(yīng)該注意：

① 分類標(biāo)準(zhǔn)的描述應(yīng)該盡可能準(zhǔn)確和全面，以確保分類結(jié)果的精確性和可靠性.

② 收集到的數(shù)據(jù)應(yīng)該足夠詳細(xì)和全面，以確保分類結(jié)果的可靠性。