<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          商業(yè)數(shù)據(jù)分析案例:星巴克是如何優(yōu)化促銷活動(dòng)的?

          共 2528字,需瀏覽 6分鐘

           ·

          2022-02-12 08:21


          導(dǎo)讀:作為星巴克獎(jiǎng)勵(lì)系統(tǒng)的忠實(shí)粉絲(時(shí)不時(shí)給我免費(fèi)早餐),我還挺好奇它到底是如何運(yùn)行的。


          比如,星巴克的數(shù)據(jù)科學(xué)家是如何通過選擇不同的價(jià)格、產(chǎn)品、持續(xù)時(shí)間、內(nèi)容等因素,組合出效果最好的促銷活動(dòng)。


          今天我們就通過這篇分析,來(lái)嘗試了解用戶統(tǒng)計(jì)信息與促銷活動(dòng)之間的關(guān)系,并最大程度增加收入。


          作者:Jae Beom Bae
          譯:之肴,編輯:肉松
          來(lái)源:優(yōu)達(dá)學(xué)城Udacity(ID:youdaxue)


          01 目標(biāo)

          分析的目標(biāo)是確定優(yōu)惠信息和受眾之間的重要關(guān)系。共有 10 個(gè)優(yōu)惠,如下所示:

          ▲促銷優(yōu)惠

          為了細(xì)分哪些受眾與哪些促銷有關(guān),我們將對(duì)這10個(gè)優(yōu)惠進(jìn)行啟發(fā)式分析和回歸分析。

          具體來(lái)說(shuō),我們要:

          1. 確定每個(gè)細(xì)分市場(chǎng)對(duì)哪些促銷活動(dòng)最為敏感
          2. 根據(jù)預(yù)期收入確定要發(fā)送給每個(gè)細(xì)分市場(chǎng)的促銷信息


          02 第 0?部分:預(yù)處理和探究

          任何數(shù)據(jù)分析的第一步都是檢查數(shù)據(jù)集的質(zhì)量并進(jìn)行預(yù)處理,以解決那些可能導(dǎo)致分析混亂的問題。

          觀察數(shù)據(jù)可以發(fā)現(xiàn)十分奇怪的一點(diǎn),有一大批用戶的年齡顯示為“118”,這些用戶也碰巧沒有指明收入的值。我的猜測(cè)是,因?yàn)槿鄙傧嚓P(guān)的年齡和收入數(shù)據(jù),所以只有在考慮性別對(duì)購(gòu)買行為的影響時(shí)才用得上這些數(shù)據(jù)。


          又因?yàn)槲覀冎豢紤]年齡和收入,不包括性別,所以我將這些數(shù)據(jù)排除在分析之外。在仔細(xì)觀察數(shù)據(jù)集的大小和分布之后,我認(rèn)為最合適的細(xì)分方法是按年齡組和性別進(jìn)行劃分。盡管從技術(shù)上講我們可以進(jìn)一步細(xì)分(例如按收入、加入日期),但分到這一步就已經(jīng)能很好地理解兩者的關(guān)系。


          除此之外,還可以執(zhí)行一些其他的數(shù)據(jù)預(yù)處理方法,確保數(shù)據(jù)集便于分析,包括:

          • 將分類變量轉(zhuǎn)為虛擬變量(dummy variable)
          • 統(tǒng)一日期格式
          • 從數(shù)據(jù)中提取特征
          • 進(jìn)行特征工程以確定細(xì)分條件


          03 第 1 部分:促銷敏感程度

          為了確定每個(gè)細(xì)分市場(chǎng)對(duì) 10 個(gè)優(yōu)惠的敏感程度,我們需要觀察優(yōu)惠被查看后的購(gòu)買情況,這其中不包括用戶沒看到優(yōu)惠但依然購(gòu)買的情況,也就是說(shuō)他們總得花那么多錢。

          ▲不同人群的購(gòu)買情況

          綜上所述,有幾個(gè)關(guān)鍵點(diǎn):

          1. 一般情況

          • 在所有細(xì)分市場(chǎng)中,優(yōu)惠5–8響應(yīng)率很高,這些也都碰巧是通過社交渠道(以及網(wǎng)絡(luò)、電子郵件、移動(dòng)設(shè)備)提供的優(yōu)惠。
            可以把社交渠道單拎出來(lái)驗(yàn)證它是不是會(huì)對(duì)反應(yīng)率造成影響。
          • 優(yōu)惠7的整體響應(yīng)率特別高,而且它就是一個(gè)優(yōu)惠的通知信息。
            但是和同類的優(yōu)惠2相比,響應(yīng)率存在明顯差異——這進(jìn)一步強(qiáng)調(diào)了社交渠道的有效性。
          • 難度最高(10天之內(nèi)最低消費(fèi)為20美元)且獎(jiǎng)勵(lì)最高(5美元折扣)的優(yōu)惠4的整體響應(yīng)率最低,這很可能是由于只通過網(wǎng)絡(luò)和移動(dòng)設(shè)備發(fā)送的關(guān)系。

          2. 細(xì)分市場(chǎng)

          • 女性細(xì)分受眾群(2、5、8、11)的平均響應(yīng)率比男性細(xì)分受眾群的更高,尤其是那些通過移動(dòng)設(shè)備和社交渠道傳播的優(yōu)惠。
          • 細(xì)分1(千禧一代,男性)的響應(yīng)率特別低(40%左右,而其他大多數(shù)都> 50%)。
          • 其他性別的細(xì)分(3、6、9、12)的響應(yīng)率分布情況大為不同,這很可能與樣本量極低有關(guān)。

          總結(jié)來(lái)說(shuō),高響應(yīng)率與通過社交渠道(尤其是女性群體)提供的優(yōu)惠有關(guān)。


          04 第 2 部分:哪種促銷?

          由于促銷響應(yīng)程度只是整個(gè)分析的一部分,因此我們需要更好地了解每個(gè)細(xì)分市場(chǎng)的財(cái)務(wù)情況所造成的影響。為了評(píng)估財(cái)務(wù)指標(biāo),需要進(jìn)行回歸分析。

          從考慮的候選模型中,2階多項(xiàng)式最為合適,因?yàn)樗挠?xùn)練和測(cè)試得分相對(duì)較高。


          通過使用2階多項(xiàng)式回歸,我確定了每個(gè)細(xì)分受眾群對(duì)優(yōu)惠最多肯花多少錢:


          最后我針對(duì)每個(gè)細(xì)分市場(chǎng)得出了熱門優(yōu)惠:


          從這些結(jié)果中我們可以認(rèn)識(shí)到:

          • 優(yōu)惠4(5 美元折扣、10 天內(nèi)花 20 美元)對(duì)大多數(shù)細(xì)分市場(chǎng)最為有效。
          • 一般來(lái)說(shuō),優(yōu)惠 0、1 和 9效果也很好,緊隨優(yōu)惠4之后。
          • 前十種優(yōu)惠的優(yōu)惠類型不是“折扣”就是“買一送一”,幾乎均等。
          • 收入與支出金額為正相關(guān)關(guān)系,與直覺相符。
          • “沉默的一代”細(xì)分市場(chǎng)預(yù)期收益最高,其次是“嬰兒潮”和“千禧一代”。
            (“沉默的一代”:二十世紀(jì)二十年代中期至四十年代早期出生的人, “嬰兒潮”:1946-1964年出生的人,“千禧一代”:八十年代早期至九十年代中期出生的人)


          總的來(lái)說(shuō),高潛力的優(yōu)惠(優(yōu)惠4)可能由于其傳播渠道和目標(biāo)人群的選擇而表現(xiàn)不佳。


          05 結(jié)論

          該分析提供了一些重要的看法,有助于縮小未來(lái)的分析范圍和制定總體促銷策略。

          根據(jù)目前的優(yōu)惠組合,最好的促銷策略是向高收入女性(尤其是“千禧一代”和“沉默的一代”)提供優(yōu)惠0和優(yōu)惠1,因?yàn)樗齻兊膬?yōu)惠購(gòu)買率高,而且預(yù)期支出也相對(duì)較高。

          但是,在制定強(qiáng)有力的促銷策略之前,還得做一些其他實(shí)驗(yàn)和分析,其中包括:

          1. 驗(yàn)證購(gòu)買率和傳播渠道之間的關(guān)系。
          2. 具體來(lái)說(shuō),如果通過社交渠道提供優(yōu)惠4(最高回報(bào),最低購(gòu)買率)會(huì)發(fā)生什么?
          3. 對(duì)于每個(gè)細(xì)分市場(chǎng),要發(fā)送的優(yōu)惠的最佳組合是什么?
          4. 探究“意外購(gòu)買”(沒查看優(yōu)惠,但依然購(gòu)買)的價(jià)值——它是否會(huì)導(dǎo)致未來(lái)的支出行為發(fā)生變化嗎?
          5. 進(jìn)行類別分析(例如K-Means聚類)來(lái)驗(yàn)證、確認(rèn)識(shí)別出的細(xì)分市場(chǎng)。
          6. 有什么方法可以提高男性的購(gòu)買率(因?yàn)樗麄兊念A(yù)期支出很高)?
          7. 用更大的樣本數(shù)據(jù)對(duì)其他性別(3、6、9、12)進(jìn)行細(xì)分。

          原文:
          https://towardsdatascience.com/starbucks-promotion-optimization-ca56e29fb584


          延伸閱讀??


          延伸閱讀《利用Python進(jìn)行數(shù)據(jù)分析


          干貨直達(dá)??



          更多精彩??

          在公眾號(hào)對(duì)話框輸入以下關(guān)鍵詞
          查看更多優(yōu)質(zhì)內(nèi)容!

          讀書?|?書單?|?干貨?|?講明白?|?神操作?|?手把手
          大數(shù)據(jù)?|?云計(jì)算?|?數(shù)據(jù)庫(kù)?|?Python?|?爬蟲?|?可視化
          AI?|?人工智能?|?機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP
          5G?|?中臺(tái)?|?用戶畫像?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

          據(jù)統(tǒng)計(jì),99%的大咖都關(guān)注了這個(gè)公眾號(hào)
          ??
          瀏覽 22
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  欧洲成人在线免费观看 | 免费看日韩无码AV中文字幕 | 久久午夜成人视频 | 亚洲福利一区二区 | 五月婷婷六月婷婷 |