电商平台如何在千万用户中识别高价值用户?本节课基于购买转化率等数据,通过回归分析与描述分析,发现潜在高价值用户:
基于用户购买转化率进行高价值用户的识别:
一. 背景介绍:
新零售-生鲜;
![](https://img2018.cnblogs.com/blog/1022151/201907/1022151-20190715152640187-1764117688.png)
发展历程;
垂直行业:比较繁重;
O2O:缺点:覆盖范围小;
![](https://img2018.cnblogs.com/blog/1022151/201907/1022151-20190715152824389-1933982107.png)
问题来了——该平台如何在成千上万的用户中识别高价值用户?
基于购买转化率识别高价值用户:
本案例基于购买转化率来识别高价值用户;我们定义:购买转化率=订单总是/登录次数;
![](https://img2018.cnblogs.com/blog/1022151/201907/1022151-20190715152913462-909432982.png)
因变量-自变量(解释型变量):探索二者的关系;
二. 数据介绍:
![](https://img2018.cnblogs.com/blog/1022151/201907/1022151-20190715152930707-1401378980.png)
三. 描述分析:
注册渠道:基准组按照只与安卓组比较;
F检验;R值越高越好,说明模型拟合越好;
![](https://img2018.cnblogs.com/blog/1022151/201907/1022151-20190715153108228-459631436.png)
异常值的存在对模型给影响会比较大,需要剔除;
![](https://img2018.cnblogs.com/blog/1022151/201907/1022151-20190715153128083-422766420.png)
每个变量前提都是在“在其余变量不变的情况下”。
五. 结论与建议:
![](https://img2018.cnblogs.com/blog/1022151/201907/1022151-20190715153154933-820869897.png)