用户分层研究方法:以集市卖家为例

写在前面:本文是笔者以往研究的经验总结,由于涉及敏感数据,故作了虚化和符号化处理,读起来会有些费劲,但数字呈现不是主旨,本文侧重用户分层研究的方法,希望能给大家提供一套做用户分层的研究思路和操作流程。

—正文—

作者:渡劫

本文讨论的是用户分层,有别于常规的用户细分,最大的区别在于分层是定序的概念,即各层之间有递进关系;而常规细分是定类的概念,即各类之间相对独立。广义上而言,细分包括分层。
现以集市卖家分层为例,介绍整个研究方法。根据以往卖家研究的经验,选取参与卖家分层的重要变量,从BI提取了100万集市卖家的相关数据。

重构变量

首先对100万集市卖家数据进行清洗,考察各重要变量的分布情况。由于一些定距变量存在超出正常范围的数据,如交易数量、交易额等;一些定序变量两端组的样本过少,如卖家星级、店铺类型等。这些都不利于模型的建构,因此将每个待分析变量都细分出若干组,原则为:组尽量多,能与定距变量更相当;每组的分布尽量保证在正常范围内,避免出现异常值。调整后的分组情况表略。其次,需要查看一下各变量的方向,后续分析的时候,根据输出的统计量来观察各变量之间是否有不同。如果方向有不同,最好能做相应的调整。

将100万数据随机拆分出三个60万的数据库,四个数据分别作后续分析,以保证所得指数的稳定性。

因子分析

首先对重要变量做因子分析,去除变量间的多重共线性,经多次尝试,剔除了支付宝交易量和交易额的结果更加稳定,且更符合业务经验。最终得到的KMO值为0.788,Bartlett 球形检验显著,非常适宜进行因子分析。最终萃取出6个公因子,依次为GMV与星级、时长情况、订购服务情况、旺铺类型、实物商品、是否参加消保等,累积方差贡献率为90.4%(详见下表),解释效果很强;变量原始矩阵与重构矩阵之间的残差>0.05的个数比例为10%,拟合效果也非常好。

经多次验证整个因子分析非常稳定,前三个因子的累积方差贡献率达到60%,为主要因子;后三个因子的累积方差贡献率为30%,是次要因子。这与日常业务经验也非常吻合。

用户分层研究方法:以集市卖家为例
分层

利用六个因子得分可以算出每个样本的因子综合得分,其中六个因子得分软件能够自动计算出来;各因子得分在因子综合得分中所占比例,可由(每个公因子的方差贡献率/累积方差贡献率)算得(详见下表),也可以直接使用每个公因子的方差贡献率。

用户分层研究方法:以集市卖家为例

因为因子综合得分为标准化值,利用(X-最小值)/(最大值-最小值),将其转化为0-100的指数,然后按照指数高低,并结合实际现状对其进行分层,TOP1为指数最高的10%,TOP2为指数次高的20%,TOP3为指数次高的30%,剩余的是第四层,指数最低的40%。此种划分方法比较简单,数据也较稳定,利于实际应用。各组上下限如下表,此种划分的上下限可以固定下来,逐步修正。

用户分层研究方法:以集市卖家为例
判别分析

按照7:3的比例划分为分析样本和验证样本,利用判别分析对这四层划分结果进行检验,即用6个因子得分与层级做判别分析。所得判别函数对区分各层均有显著贡献,且第一个判别函数解释的方差贡献率达到98.2%,为主函数。使用组内协方差阵计算,分析样本和验证样本的正确率、交叉核实法的正确率均为91.6%,达到很高的水平。

各层卖家在重要变量上均存在较明显的差异,详情如下:

用户分层研究方法:以集市卖家为例
从六个因子中找出解释力较高的关键变量,并根据实际业务经验判断是否合适,最终选定了七个关键变量。它们直接与层级做判别分析,第一主判别函数的方差贡献率为97.8%,使用组内协方差阵计算,分析样本和验证样本的正确率、交叉核实法的正确率均为85.0%,也达到很高的水平。

回归分析

为了方便应用,简化分层的计算过程,用判别分析中确定的七个关键变量与因子综合得分指数作回归分析,以考察他们的解释力。

回归分析结果显示,R、R Square、Adjusted R Square分别为0.985、0.970、0.970;剩余标准误差为2.709,达到较小的水平;Durbin-Watson的值为1.252,与2有一定差距,残差间的独立性尚可,综合判断,模型解释效果非常好。

多重共线性方面,卖家星级的容忍度值最小为0.39,第八个主成分的条件指数小于15,表明不存在严重的多重共线性。

各变量的主要指标如下:

用户分层研究方法:以集市卖家为例

用户分层研究方法:以集市卖家为例
经标准化偏回归系数和偏相关系数共同分析,可知开店时长、近三个月GMV金额、卖家星级等对因子综合得分指数的影响更重要。

因子综合得分指数=a+b1*卖家星级分段+b2*开店时长分段+b3*近三个月GMV总金额分段+ b 4*店铺类型+ b 5*是否主营实物+ b 6*订购服务个数分段+ b 7*是否参加消保

因此,通过这七个关键变量预测因子综合得分指数非常合适,得到新的因子综合得分指数后,根据上文中的上下限临近值,即可划分卖家层级。

综上所诉,研究流程归纳如下:

1、根据以往研究中对用户的理解,确定参与分层的重要变量,提取后台数据,对数据进行清洗和处理;

2、采用因子分析对参与分析的重要变量进行降维,计算出因子综合得分;

3、将因子综合得分转换成指数,根据指数的分布情况,对用户进行分层,并用判别分析,对分层结果进行验证;

4、根据因子分析中变量的解释情况和业务实际情况,从重要变量中筛选出关键变量作为自变量,把因子综合得分作为因变量,建立回归方程,用关键变量推算因子综合得分,进行快速分层,便于后期业务应用;

5、将后台数据随机拆分成不同的数据库,分别重复以上分析过程,反复验证结果的稳定性。

后续研究的思考

整个研究做下来,或许最有价值的是最终得到的回归方程,虽然解释力很高,但仍然缺少一些不易获得的重要变量,如每月投入广告的金额,包括直通车、钻石展位等,后续的研究会逐渐把这些变量纳入其中。这也表明,用户分层研究考察的变量需要尽可能周全,这样结果才能更具参考价值。

还有就是最后的分层结果显得“平淡”,各层卖家在重要变量上,基本都是强者愈强、弱者愈弱,特色不明显。这也是分层研究与细分研究的区别所在,分层更多体现的是趋势性的结果。后续可以尝试采用不等概率的抽样方式减少一部分样本,如发单量低的卖家占了绝大多数,可以适当减少这部分样本,一定程度上能够均衡各个重要变量在分层中的作用。

不论哪种样本结构,都需要在实际应用中,检验效果,不断迭代完善。

去年今日运营文章

  1. 2023:  深圳市某公务员工资曝光,唯有羡慕!(0)
  2. 2023:  盖洛普优势测评报告(详细版)(0)
  3. 2023:  GOBE道-法-术写作思维模型(0)
  4. 2021:  137个主播小课桌tips(想做主播的同学必看)(0)
  5. 2021:  上瘾机制:用户激励系统(0)

原创文章,作者:爱运营,如若转载,请注明出处:https://www.iyunying.org/yunying/3959.html

(0)
爱运营的头像爱运营管理员
上一篇 2014年12月25日
下一篇 2014年12月26日

推荐资讯

发表回复

登录后才能评论
分享本页
返回顶部