大数据之“用户行为分析”(2)_数据分析师

我们看看其中的一两个团购邮件，来分析里面的问题：

1，美食的推荐不分地域：一封邮件中，从五道口到王府井，从苏州桥到簋街，可能有人会因为一个3折或者更低的团购感兴趣，但是真的会从东五环开车去西四环吗？

2，娱乐的推荐也有类似的问题，丝毫没有考虑用户的地理位置，价格等因素

3，更有甚者，不分收信人的性别，有没有考虑可能带来的尴尬。

其实，所有这一切现象都表明现在的团购网站在EDM的思路上，基本上还是粗旷式的，把所有客户当作一人，彻底把电商的优势放弃了，回到了传统零售门店和邮寄销售模式的阶段去了。不仅如此，其实在电商的环境中这样的EDM有时候比没有还糟糕，因为它们恰恰带给这些可能成为他们客户的人们一个非常负面的用户体验，用长期不相关的占用大量篇幅的邮件占领用户的邮箱，长此以往，他们离“讨人嫌”只一步之遥了……，而对他们的惩罚可能是既简单而又残酷的，鼠标轻轻一点，他们的邮箱地址送到垃圾邮箱，从而再也无法给这个潜在的客户推送促销信息。

如果看看你的用户们的垃圾邮箱，当你看到你辛辛苦苦设计的促销直邮，规律地，全部地，在垃圾邮箱中按时报到的话，你做何感想？据专业人士分析，对一个500万会员的电商来说，每次0.5%的退订或者放进垃圾邮箱，意味着近100万元的营销费用打了水漂。

那么，团购网站应当如何做呢？个性化是最基本也是很有效的方法：

1， 对客户进行多维度地分析：以用户的地域、性别、年龄等人文属性建立分析维度，把所有的团购信息进行筛选，这样可以简单地把EDM的相关性大幅提高，起码用户收到的邮件是基本在住宅、工作场所附近，和自己的普通属性相关的，可能有一些兴趣的商品。

2， 对客户过去是否有点击，是否有购买，购买的产品价值，购买的频率，最近一次什么时候购买等属性进行量化，产生客户价值的评分，把客户分出价值的高低，对推荐的接受难易程度作出评估，依据这些评分来决定多频繁对该客户进行EDM操作，以及推荐的商品的细类，以提高反馈率。

3， 对购买过商品客户的购买记录，以及点击过的商品记录进行分析，对团购的折扣比例，商品原价，折扣金额，团购时间长短，能否退款，是否单人使用，口味（餐饮类），风格等等分别打分、统计、归类，以对客户的可能兴趣点进行“预测”，这是一个相对高级、相对复杂的过程，但是运用得好的话会收到非常良好的效果。

4， 考虑在所有推荐的商品旁边增加一个“不喜欢”的按钮，收集客户不喜欢的东西对个性化推荐来说具有几乎和喜欢的商品一样重要的价值，假设一个客户告诉你他不喜欢一款49元的西餐厅的双人午餐，可能比他点击甚至购买另外一个99元日餐双人套餐给你透露的信息还要多。

比如我观察到的一个比较成功的案例：一个旅游网站对客户之前的浏览、搜索行为进行了跟踪，并以此进行了有效的推荐，注意：该推荐中体现了客户的目的地、价位、旅游诉求等多方面的需求。按照这些方法，业界专门从事EDM优化的公司可以把EDM的点击率从传统意义上的1%左右提高到近10%的点击率，5000封EDM产生370个人，510个点击，最终共产生800个订单。

因此无论从什么角度来说，电子商务和团购都还有大量的优化空间，我相信以大数据为核心的个性化营销则是帮助电商在这场红海大战中赢得战役的利剑。