电商购买力模型用大数据解锁智慧营销的新姿势

　　正确理解消费者的购买力模型，精准营销，轻轻松松为你的产品带来更多的销售额。
　　消费者购买力，顾名思义，就是消费者购买商品的能力。在一定时期内，能够反映他的消费水平和消费层级。购买力模型属于用户画像的一部分，是区分人群和定义用户身份的其中一项标签。了解消费者的购买力，能够更加精准的做会员营销方案，拉升网站的销售额。
　　微信在前些阶段开始在朋友圈进行精准广告投放，是基于腾讯收集到用户画像特征，推送了宝马的广告。
　　很多用户在收到宝马广告时，感到很欣慰，因为腾讯认为你可能买得起宝马这个层次的商品。这里的＂买得起＂代表用户的消费能力。微信朋友圈的宝马广告并不是每个人都会收到，只有模型输出的高消费力人群才会收到推送。
　　以上的购买力模型是微信根据用户平时的消费，余额，理财及转账等行为，来确定的购买力模型。以支付数据为依据的算法，数据输出的非常精准且适用范围广。但对于大多数电商来说，很难通过支付和转账数据来判断用户的购买力。不过，路并未堵死，还是能够通过他在网站上的行为判断消费者的购买力层级。
　　购买力模型数据准备
　　电商网站商品齐全，品类复杂，价格分布与品类紧密联系。其中消费品和快消品普遍价低，销量大，复购周期短，3c类产品价格高，复购周期长。消费者在不同品类表现出的购买力，需要整体评估该品类的价格分层情况。消费者在不同的商品类目下可能存在迥异的的消费能力。例如，用户可能穿衣素朴，但却是HiWiFi发烧友，在耳机和音响类目下消费水平非常高。所以，不同类目就要考虑权重值这个问题了。具体参考以下几类数据：
　　（1）用户的订单数据
　　消费者在不同品类下购买的商品价格，反应了在此品类下的消费能力和水平。我们的购买力计算模型需要对每个消费者单独做标签，每个消费者都是一个样本，并从他的订单数据中拆出不同商品的购买价格，一般会选择近1年的订单样本。从这些订单商品数据中，能够看到他真实的消费水平，消费层级倾向。
　　（2）用户的浏览数据
　　消费者并不是在每个品类下都会发生购买行为，如果在A品类购买订单为0，那该如何判断他的购买力呢？就是通过浏览行为确认的。浏览数据庞大繁琐，只取半年的记录即可。根绝用户访问的目标品类下sku的价格和频次等，来初步判断用户的购买水平。
　　模型步骤
　　刚开始时，很多人对模型，算法比较懵逼（笔者也是）。大部分人已经了解了需要哪些数据了，也知道如何获取数据，清洗底表，但却不了解怎样才能将这部分数据高效的利用起来。其实，数据获取难啊，发挥价值就更难了，并且数据在每个人的手里都可能发挥出不同的效果。所以，首先科普一下，如何利用手头上的数据，并站在产品经理角度如何理解建模这个事情。
　　首先根据当前的业务需要结合战略目标，构造相应的标签体系。如在拉新用户时，在行为层标准化定义这些人群的具体特征，是加购，收藏，搜索或者是浏览的数据来量化具体标签，以最小的颗粒度定义。
　　结合需求目标，寻找各个底表，再把需要的数据，存储到自己建的仓库或者是集市，并清洗脏数据，数据探查。
　　根据特征，数据标签提取对应数据，生成样本并开始建立模型。
　　优化模型特征抽取方法，增加训练集样本，尝试不同比例的训练和测试数据集、优化模型参数。
　　对样本进行测试，继续优化并逐渐调优。
　　你可以把模型想象成做菜，例如锅包肉。拆解一下具体的步骤：
　　业务的需求是做酸甜可口，软硬适宜带汁的锅包肉，（原始的业务需求）
　　准备食材，里脊肉，淀粉，糖醋油（寻找数据源，探查各个数据底表，如订单数据，流量数据，搜索数据等）
　　里脊肉过浆油炸，汤汁勾兑（模型建立，开始训练）
　　尝一下汤汁味道，肉质的软硬程度（模型测试），好则继续，坏则重来（模型测试）
　　制作完成（测试成功）
　　这样理解，就简单多了。
　　购买力的模型是个什么鬼？
　　购买力模型因人而异，不同的业务需要建立不同的模型，具体的执行细节也是迥异的，以下仅作抛砖引玉之用。
　　这里所指的购买力模型是消费者在一年期内，在网站上所有的购买的订单数据经过综合评分计算出来的。
　　执行细节可以按照以下步骤：
　　以用户为标本，每个用户都为一个实体。抽取他在网站上近一年所购SKU数据为样本数据
　　把sku的价格按照其所属三级分类进行档次划分，如下图，可以将价格华为5档，分别为价格高，价格偏高，价格中等，价格偏低，价格低
　　将抽取出来的消费者购买的sku数据进行比对和参考，落到哪个档次的数量越多，该用户越趋近哪个档次
　　最终生成以下几个消费者购买力模型：
　　土豪：高端，价格高昂商品购买者
　　高级白领：消费水平高，经常购买高价商品，但有所收敛
　　白领：消费水平处于中游
　　蓝领：平价商品购买者
　　收入很少人群
　　离散人群：购买频次异常的用户
　　应用场景
　　前面做了很多工作，但你可能发现，即使识别出来了用户的购买力，也不清楚究竟怎么充分发挥这部分用户的价值。
　　千人千面的推荐算法
　　基于协同过滤的算法，为高购买力人群推荐高端产品，比如为摄影爱好者提供更多的镜头推荐，箱包用户推荐奢饰品，为低购买力推荐性价比高的商品。
　　广告投放
　　如前文所述，在微信朋友圈推荐高端的商品广告触达，能够更加精准的投放，减少用户的排斥感，提升广告的接受度和认可
　　会员营销
　　针对不同购买力人群进行不同的产品关怀和精准促销。例如给高端用户提供专项服务，低端用户进行专享的促销触达。
　　应用场景很多，此处就不一一赘述，大家结合自身业务再去探索，会有更多的收获的。
　　结语
　　以上所述的内容，大多是笔者在近期的相关的工作经验。此时分享出来，希望能给大家抛砖引玉。至于模型到底怎么建立，确实需要慢慢探索，一点点的实践，然后再逐渐趋于完美。