Bạn có hiểu mô hình “con người, hàng hóa và địa điểm” không? Phân tích dữ liệu có thể được sử dụng trong hầu hết các tình huống!

Nhiều người đã nghe về mô hình phân tích con người, hàng hóa và địa điểm, nhưng họ không biết cách tiến hành phân tích dựa trên các điều kiện thực tế. Bài viết này lấy các trường hợp liên quan làm ví dụ để phân tích cách sử dụng mô hình "con người, hàng hóa và địa điểm". Tôi hy vọng nó sẽ hữu ích với bạn.

Nhiều sinh viên làm phân tích dữ liệu đã nghe đến mô hình phân tích con người, hàng hóa và địa điểm. Tuy nhiên, thứ này chỉ được nghe nói đến chứ chưa từng được tận mắt chứng kiến. Chúng ta nên kết hợp nó với phân tích thực tế như thế nào? Hôm nay chúng tôi sẽ giải thích một cách có hệ thống.

Tình huống có vấn đề:

Đối với một công ty thương mại điện tử thực phẩm tươi sống, tỷ lệ người dùng quay lại mua hàng thấp, với 60% người dùng không mua hàng lần thứ hai trong vòng 30 ngày. Trưởng phòng điều hành rất lo lắng và yêu cầu cải thiện tỷ lệ mua lại thông qua phân tích dữ liệu. Là một nhà phân tích dữ liệu, bạn nên làm gì?

A. Thiết lập thuật toán đề xuất chính xác dựa trên AI (xác suất sử dụng lọc cộng tác là 40%, xác suất sử dụng phân tích liên kết là 60%)

B. Vẽ biểu đồ đường về tỷ lệ mua lại vào đầu sáu tháng qua, sau đó viết ra ba từ mạnh mẽ: "Cố lên!"

C. Có gì để phân tích? Thương mại điện tử không phải chỉ là việc phát phiếu giảm giá sao? Tất cả người dùng chưa mua lại sẽ được tặng phiếu giảm giá. Cứ làm đi, Oli!

Hoặc bạn có giải pháp nào khác không?

1. Phân tích thuộc tính hàng hóa

Trước tiên, tôi xin hỏi một câu hỏi đơn giản: Sự khác biệt giữa gạo, bột mì, một xô dầu và dâu tây, anh đào và măng cụt là gì? Ngay cả khi bạn chưa bao giờ mua rau, bạn cũng biết rằng gạo, bột mì và dầu ăn là những thứ được ăn hàng ngày và không theo mùa; Dâu tây, anh đào và măng cụt không phải là loại quả được ăn hàng ngày mà chỉ có theo mùa.

Nếu bạn đến chợ rau hoặc siêu thị, bạn sẽ thấy gạo, bột mì và dầu thường được mua theo bao hoặc thùng nguyên, và một thùng có thể để được rất lâu. Ngoài ra còn có các thùng đựng gạo, hộp đựng gạo và chai đựng dầu chuyên dụng để đóng gói. Dâu tây và măng cụt thường được bán riêng và không để được lâu. Nếu bạn không ăn chúng sau khi mua, chúng sẽ hỏng chỉ sau vài ngày.

Những kiến ​​thức chung về sản phẩm này được gọi chung là: thuộc tính sản phẩm. Thuộc tính của hàng hóa sẽ ảnh hưởng trực tiếp đến hành vi mua hàng của người tiêu dùng:

• Tần suất mua hàng: Rau và trái cây tươi được mua thường xuyên hơn, trong khi gạo, bột mì và dầu được mua ít thường xuyên hơn.
• Mùa chợ: Trái cây và rau quả tươi đang vào mùa. Những loại trái mùa thì đắt và không ngon. Gạo, bột mì và dầu ăn không có tính thời vụ.
• Giá sản phẩm: Nếu giá của một sản phẩm đắt, hãy bán ít hơn, mua vào khi giá rẻ, mua với số lượng nhỏ và mua số lượng lớn nếu giá rẻ.

Kênh mua hàng: Nếu có dịch vụ giao hàng hậu cần, việc mua ngoại tệ lớn (gạo, bột mì, dầu ăn) trực tuyến sẽ thuận tiện hơn và mua hàng rời ở ngoại tuyến sẽ thuận tiện hơn. Tốt nhất là nên thử một vài lần tại chỗ để tránh sai lầm.

Những đặc tính hàng hóa này là lẽ thường tình và quy luật tự nhiên và sẽ không thay đổi do phương pháp tính toán các chỉ số dữ liệu. Do đó, đối với các sản phẩm tươi sống, hành vi của người dùng sẽ bị ảnh hưởng trực tiếp bởi những lần mua hàng trước đó - bạn không thể mong đợi người dùng mua 10 kg gạo rồi mua thêm 10 kg nữa sau hai ngày. Nói cách khác, nếu thực sự có người dùng đến mua gạo nhiều lần, thì bạn phải kiểm tra xem gạo bạn cung cấp có rẻ hơn nhiều so với giá thị trường hay không và có ai lợi dụng họ không.

Có một mô hình ma trận đơn giản có thể mô tả ý định mua lại các sản phẩm mới. Cốt lõi là tần suất mua sản phẩm và mối tương quan giữa sản phẩm. Tần suất mua hàng đã được giải thích ở trên và liên kết sản phẩm có nghĩa là một số sản phẩm nhất định thường được mua cùng nhau. Đặc biệt là trong lĩnh vực thực phẩm tươi sống, ví dụ, nếu bạn mua cánh gà đông lạnh và xiên tre, bạn có khả năng sẽ mua cả than củi, thịt viên và nước sốt barbecue. Do đó, giao điểm của hai chiều sẽ tạo ra ma trận sau (như thể hiện trong hình bên dưới).

Nhưng xin lưu ý rằng sẽ không đầy đủ nếu chỉ xem xét theo góc độ thuộc tính của hàng hóa. Có rất nhiều kênh để mua hàng tạp hóa, tại sao người dùng phải mò mẫm trong ứng dụng? Chợ rau có đẹp không? Điểm hấp dẫn của APP/micro mall là gì? Điều này liên quan đến vấn đề về lĩnh vực.

2. Phân tích các thuộc tính của cửa hàng

Câu hỏi nhanh: Hôm nay bạn sẽ ăn gì vào bữa trưa? Đừng suy nghĩ, hãy trả lời ngay!

Mười trong mười học sinh không trả lời được câu hỏi này, đúng không? Trên thực tế, bạn phải mất hơn mười hoặc hai mươi phút để suy nghĩ xem mình có đói không, chưa kể đến việc phải chuẩn bị trước.

Tương tự như vậy khi mua hàng tạp hóa. Tại sao người già thích đi chợ rau? Một lý do quan trọng là việc nấu ăn không có nhiều mục đích. Họ chỉ mua bất cứ thứ gì họ thích ngay tại chỗ. Thứ hai, họ có thể so sánh giá cả và chọn ra loại tươi nhất và rẻ nhất. Tác động trực quan của các chợ rau quả, bao gồm khu vực thực phẩm tươi sống của siêu thị, mạnh hơn nhiều so với thương mại điện tử. Đây là tác động của các thuộc tính cửa hàng đến hành vi mua hàng lặp lại.

Lưu trữ các thuộc tính, bao gồm:

• Sự tiện lợi: Chợ thực phẩm càng gần và thuận tiện thì càng hấp dẫn.
• Độ sạch sẽ: Chợ càng sạch thì càng hấp dẫn.
• Độ phong phú của sản phẩm: Món ăn càng phong phú thì thị trường càng hấp dẫn.
• Độ tươi của sản phẩm: Thực phẩm càng tươi thì càng hấp dẫn.
• Giá sản phẩm: Do chênh lệch về giá thuê cửa hàng và chi phí nhân công nên một số cửa hàng có giá cực kỳ đắt đỏ

Trong các cửa hàng truyền thống ngoại tuyến, cũng có một mô hình ma trận cho vị trí cửa hàng. (Như hình dưới đây)

Các chỉ số được sử dụng trong các kênh trực tuyến tương tự như các chỉ số được sử dụng trong các kênh ngoại tuyến. Sự khác biệt là kịch bản đăng nhập của người dùng, tần suất đăng nhập và nội dung truy cập sau khi đăng nhập thay thế khoảng cách đến vị trí lưu trữ. Các kênh trực tuyến có thể phân tích nội dung và đường dẫn tốt hơn nhiều so với các kênh ngoại tuyến.

Điều thú vị là, không giống như các mặt hàng tiêu dùng nhanh như quần áo, đồ ăn nhẹ và đồ chơi, trong lĩnh vực thực phẩm tươi sống, trải nghiệm trên các kênh trực tuyến thực sự tệ hơn so với các kênh ngoại tuyến. Do đó, lợi thế của thực phẩm tươi sống trực tuyến được thể hiện trong bối cảnh mọi người không thể ra ngoài. Ví dụ như những ngày mưa, kiểm soát giao thông trong thời gian dịch bệnh, không có thời gian đi chợ rau khi đi làm, v.v.

Tuy nhiên, điều này dẫn đến vấn đề thứ ba: một số người dùng có thể chỉ muốn tìm giá rẻ, trong khi một số người dùng thực sự có nhu cầu mua hàng trực tuyến cấp thiết. Vì vậy, yếu tố con người phải được xem xét.

3. Phân tích thuộc tính người dùng

Xin lưu ý rằng trong các ngành công nghiệp truyền thống, con người, hàng hóa và địa điểm là trọng tâm, và con người ở đây ám chỉ nhân viên bán hàng chứ không phải người tiêu dùng. Cái gọi là hiệu quả lao động đề cập đến lợi ích kinh tế trung bình mà nhân viên bán hàng tạo ra. Tuy nhiên, ứng dụng Internet là ứng dụng dành cho người dùng và không có khái niệm về bán hàng. Do đó, nhân viên bán hàng được chuyển thành người dùng và cái gọi là phân tích con người trở thành phân tích thuộc tính người dùng.

Khi nói đến thuộc tính người dùng, phản xạ có điều kiện của nhiều học sinh là: giới tính, độ tuổi và khu vực. Câu hỏi đặt ra là liệu công ty của bạn có thực sự có thể thu thập được nhiều thông tin người dùng thực tế như vậy không? Hơn nữa, những trường này không nhất thiết phải tiết lộ bất cứ điều gì. Điển hình nhất là giới tính. Sự khác biệt trong tỷ lệ nam nữ thường chỉ là vài điểm, điều này không thể giải thích được điều gì.

Nhãn dựa trên tương tác và hành vi của người tiêu dùng sẽ hữu ích hơn. Ví dụ, trong lĩnh vực thương mại điện tử thực phẩm tươi sống, có bao nhiêu khách hàng bị thu hút bởi các hoạt động như đăng ký nhận phiếu mua gạo, bột mì và dầu ăn trị giá 20 nhân dân tệ, giao hàng miễn phí cho đơn hàng đầu tiên và 4kg anh đào nhập khẩu giá 25 nhân dân tệ? Đây được gọi là người dùng nhạy cảm với khuyến mại. Tương tự như vậy, bạn cũng có thể thêm các nhãn như: người dùng mua sắm cứng nhắc, người dùng mua sắm trong thời tiết bất thường, người dùng ở vùng dịch bệnh, v.v. để có thể phân biệt rõ hơn (như thể hiện trong hình bên dưới).

4. Xây dựng mô hình sân đỗ người-hàng-hàng

Với sự hiểu biết cơ bản về ba chiều, chúng có thể được sử dụng để giải thích các vấn đề một cách toàn diện. Quay trở lại vấn đề đã nêu ở đầu bài: “tỷ lệ mua lại thực phẩm tươi sống trực tuyến thấp”. Đầu tiên chúng ta có thể thiết lập các giả định phân tích từ góc độ con người, hàng hóa và địa điểm:

Quan điểm của con người:

• Chất lượng đẩy quá kém, bản thân người dùng không có nhu cầu
• Người dùng có nhu cầu, nhưng có quá nhiều nhu cầu tự do và ít nhu cầu cứng nhắc
• Có một số lượng người dùng có nhu cầu cứng nhắc, nhưng sản phẩm không đáp ứng được nhu cầu của họ

Góc hàng hóa:

• Có quá ít danh mục sản phẩm
• Có nhiều loại nhưng không có điểm thu hút mạnh
• Có các mô hình thoát nước, nhưng giá cả không cạnh tranh

Góc trường:

• Thói quen của người dùng chưa được thiết lập và việc đăng nhập lần thứ hai rất hiếm
• Đã có thể đăng nhập lần thứ hai, nhưng tôi không vào được trang mua hàng
• Đi đến trang mua hàng nhưng không đặt hàng

Sau khi thiết lập những giả định của riêng mình, có hai cách để xây dựng ý tưởng tổng thể:

1. Đầu tiên, hãy bắt đầu từ dữ liệu và giải quyết vấn đề nghiêm trọng nhất.
2. Thứ hai, từ góc độ kinh doanh, những sự kiện lớn nào đã xảy ra gần đây và bắt đầu từ đâu

(Như hình dưới đây)

Cuối cùng, chúng ta có thể kết hợp nhiều chiều phân tích khác nhau để hình thành nên logic phân tích tổng thể và rút ra kết luận từ chi tiết thô đến chi tiết (như thể hiện trong hình bên dưới).

V. Tóm tắt

Ba chiều là con người, hàng hóa và địa điểm thường được sử dụng vì chúng liên quan trực tiếp đến hành vi của người dùng và có một số quy tắc cố hữu cần tuân theo về thuộc tính sản phẩm, thuộc tính cửa hàng và thói quen của người dùng. Do đó, nó rất thích hợp làm cơ sở cho việc phân tích sâu sắc và chi tiết. Một mặt, nó sẽ giúp bạn hiểu rõ hơn về doanh nghiệp; Mặt khác, nó sẽ cung cấp cho bạn những manh mối để xây dựng các mô hình phức tạp hơn.

Tuy nhiên, một vấn đề phổ biến trong ngành hiện nay là những người mới vào nghề chỉ biết cách phát hành phiếu giảm giá, và họ giải quyết những bí mật không thể nói ra chỉ bằng một phiếu giảm giá, và họ thậm chí còn gọi đó là: Tư duy Internet là miễn phí! Những người mới làm việc trong ngành khoa học dữ liệu chỉ biết về RFM và phân tích tương quan, còn khi nói về mô hình, họ nghĩ đến lọc cộng tác. Thôi nào các bạn, xét đến mức độ gắn bó của người dùng trên nền tảng của các bạn, 60 đến 71 phần trăm người dùng chỉ đăng nhập một lần và họ đương nhiên được mua bằng phiếu giảm giá. Bạn có bao nhiêu dữ liệu thực để đào tạo mô hình của mình?

Giống như ngành thương mại điện tử thực phẩm tươi sống, sẽ hữu ích hơn nhiều nếu bạn đến chợ vài lần và trò chuyện với nhóm người mua thực phẩm chính: chú, dì và bà nội trợ, hơn là thảo luận về AARRR với những đồng nghiệp luôn đói bụng. Bạn có thể thử xem.

Tác giả: Thầy giáo thực tế Chen

Nguồn tài khoản công khai: Giáo viên thực tế Chen (ID: 773891)