k空包网单号购买网:揭秘阿里巴巴的客群画像

阿里巴巴在《展望未来》中一直在探索一种新的B型电子商务模式,自2019年以来一直致力于构建“新供应、新链接、新营销”三大新体系。买方是三个新系统的核心,没有买方维度的数字管理系统是不完整的。平台场景中目标群体和买家之间的区别并不明显。客群矩阵是一个专门为解决这一业务难点和提高货物配送效率而设立的算法研究课题。

同时,客群矩阵也是用户增长和算法特征的核心数据。鉴于客群矩阵如此重要并有许多应用,其建设极为紧迫。

阿里巴巴打算让客群矩阵成为平台的风向标,让企业可以选择有目标、有层次、有差异、有效率的产品,进行场景操作和业务操作,为用户成长和算法模型优化提供动力,为数字化运营提供基础。我们主要关注四个维度:人、商品、市场和业务。客群矩阵的总体情况如图1所示。

图1 客群矩阵概况

将客群矩阵叠加在场景矩阵上,不仅可以构建场景的目标用户,度量场景的差异,还可以提高场景的性能,有效引导目标流量,从而为各种业务场景的算法建模提供底层数据基础。

01购买力

与C型买家不同,B型买家有明确的年龄、性别等基本坐标维度,B型用户大多是企业或批发商。如何描述具有B型特征的客群矩阵,对于B型电子商务来说是非常重要的,也是B型电子商务一直在思考的问题。

由于乙类用户主要是企业和批发商,如何准确描述客群矩阵?购买力是一个突出的代表,包括购买量和频率。从购买力上,我们可以看到用户的业务规模和消费能力。因此,我们以购买力为基本坐标维度,在不同层面上提供准确的差异化服务。

购买金额主要是指用户在一定时期内购买的金额。为了避免不同类别之间的价格差异造成的分层干扰,首先按类别对采购金额进行分类,然后根据金额文件进行查看,而不考虑类别。比例最大的金额档案是该用户的采购金额档案层。

购买频率是指用户在一定时期内的购买频率。根据购买时间对用户进行排序,然后计算用户在一定时间段内的购买频率。以高斯分布比为例,将所有用户分为高、中、低三个等级,作为购买频率的分级等级。

02生命周期

包括新安装、新用户、低寿命、中等寿命、中等寿命、高寿命、深度睡眠、损耗等阶段,生命周期主要根据用户在电子商务平台上的活动来划分,其中也包含一些商业知识。例如,新安装的用户指的是新安装的用户,新用户指的是交易少于两个订单的用户,低工作的用户指的是每月访问天数少于两天的用户。从交易周期分析用户生命周期,如图2所示,包括新安装的活跃用户、登录用户、首次用户、活跃购买者(购买力高的购买者和潜在购买者)、潜在购买者、深层购买者等阶段,各生命周期阶段之间的转换关系也直观地呈现在图中。准确的用户操作会根据买方生命周期的不同阶段调整目标,所采用的策略也会相应调整。

图2用户生命周期

了解用户生命周期,你可以做有针对性的用户拉新,促进生活,并保留,以提高用户粘性:

对于新安装和新用户,主要是改善他们的用户体验,培养用户的消费习惯,并做保留转换;

对于中低收入用户来说,主要是为了提升生活和留住人才;

对于中高端用户,主要是保持用户习惯,增强粘性;

对于睡眠和失去用户,他们主要通过红包的方式来提升他们的生活。

用户生命周期的维护在电子商务可持续用户增长中起着至关重要的作用。

03核心主营业务

作为B2B电子商务平台的典型代表,CBU一直致力于为全球上亿的B级买家服务。

用户验证身份和主要类别(如进口母婴店店主、精品女装店店主、微型企业兼职店主、小型超市店主等。),作为B类用户肖像的核心属性之一,不仅代表用户的离线实体身份,还直接影响用户对电子商务平台的行为偏好、采购周期以及对业务服务能力的需求等。所以它们一直是乙类电子商务平台致力于深度培育和运营的核心用户肖像属性之一。

大多数丙类用户肖像的属性可以直接基于用户在网站上的历史行为来建模,但是乙类用户肖像是不同的。由于用户身份验证的需要和对主要类别的准确性要求,一般的B型电子商务平台主要以自填表单的形式确定用户的验证身份。

这种用户自填方法准确度高,但位置隐蔽,链接冗长,没有兴趣点的指导,不仅用户填色率低,而且与场景结合不够。

为了解决原基于表单的核体用户运营成本高的问题,阿里巴巴CBU电子商务平台通过用户核体组件借用算法模型对用户的核体进行预测,并根据置信度进行排序,给出前K个选项供用户选择。总体算法解决方案如下。

1.数据源

1)用户站行为

用户站中的行为是用户需求和偏好的第一反馈基础,也是算法需要重点挖掘的数据源。与其他偏好肖像属性相比,用户核心是一个相对稳定和长期的用户属性,因此在算法的应用中,我们选择了用户最近六个月的全局行为作为底层数据。在选择半年的长时间窗口时,有两个主要考虑因素:

首先,目前网站上的产品丰富、质量高,搜索和推荐算法日益完善,用户浏览各类产品的成本较低,B级用户很难关注网站,B级/C级用户的需求和行为混杂,数据肮脏。较长的时间窗有利于滤除干扰,捕捉用户长期稳定的需求;第二,用户行为数据,尤其是购买行为,相对较少。然而,乙类用户的购买行为是反映用户身份的核心特征之一,用户的购买行为具有一定的周期性,因此长期时间窗有助于算法更全面地了解用户。

2)用户站外的上游和下游身份

不同于许多偏好用户的肖像属性,用户的身份可以与现实中的用户身份有真实的映射关系,如茶店——的店主、烤肉店——的店主、宝岛金典,的店主、精品女装店3354淘宝的店主。

因此,用户站外上下游之间的身份映射关系可以帮助我们进一步提高对用户身份的预测,提高覆盖率和准确率。

3)行业知识

针对用户在网站上的混合B /C行为,存在很多噪声,并且B用户的核心偏好容易受到网站上流行的类别和商品的干扰,因此我们也引入了大量的行业知识作为指导来帮助预测B用户的核心身份,并在此基础上沉淀了一个核心偏好类别数据。

2.算法方案

利用上述站内用户行为数据、站外上下游身份和行业知识,该算法可以通过以下步骤实现对用户核心身份的预测,预测过程如图3所示。

图3用户核心预测流程图

1)种子用户圈选择

种子用户主要定义为站内已被识别的用户和站外具有上下游映射关系的识别信息的用户。

2)行业知识指导

基于近期站内种子用户的行为数据,挖掘和识别显著特征,提供给运行同事,对种子用户进行新一轮分配,排除日常核心行为明显与行业偏好不一致的用户,优化种子用户的圈选。

3)种子商品选择

以行业偏好类别为阈值,选择种子用户在过去6个月内购买的低于阈值的产品作为种子产品。

4)种子商品扩张

基于团队沉淀的现有商品I2I表,以种子商品为触发键对种子商品进行扩展,扩展后的种子商品偏好得分等于商品I2I相似性得分与触发种子商品偏好得分的乘积。

5)用户核心预测

对于用户的核心预测,我们选择过去六个月的行为数据进行建模和评分。然后,基于得分较高的用户行为产品,计算用户对每个可能的核身份偏好的置信度,用于区分用户的个人购买行为和B型购买行为,降低用户个人购买行为对预测结果的影响,增加用户B型购买行为的权重。

作者简介:阿里巴巴CBU技术部(1688.com)作为阿里集团新制造、新零售的重要技术力量,CBU科技团队15年来以科技的力量赋予了数百万中小企业以力量,催生了一系列具有B级特色的交易、支付、营销、采购和分销技术产品,促进了B 类全链路业务效率的优化

赞(0)
未经允许不得转载:京东空包 » k空包网单号购买网:揭秘阿里巴巴的客群画像
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址