数据分析揭秘商家的杀熟套路

刚才我们上面说了，一般商家会给新会员和流失会员优惠，来促进留存，电商平台也是一个道理，有时你把app卸载，这个动作就可能让系统定义你为流失用户，等你再装上的时候，就会为了挽留你，给你更大优惠。

第二个办法是伪装价格敏感用户，越是“无优惠券不下单”的用户，被平台派发的下单红包、优惠券的概率和优惠力度越大。

第三个办法是反向操作，当你搜索尿不湿时，系统会容易判定你为母婴用品类需要人群，这时你可以再伴随搜索一些不相关的B、C、D，用无关数据掩盖你的真实意图数据，这样用户画像的表述结果就会不够精准，商家难套路住你

对于消费会员，我们应重点挖掘客户的消费习惯、消费偏好及会员价值的挖掘。其中消费习惯包括客户活跃度、连带销售及忠诚度。

(1)活跃度：就是对你的消费金额、消费频次，最近消费时间等关键指标进行监控

(2)连带销售：以商品为分析维度，了解购买该商品的消费者还会购买哪些商品。比如你购物车加购了奶粉、尿不湿类的东西，系统就会给你推荐婴儿服装、玩具等等

(3)忠诚度：通过RFM分析，我们可以清楚地看到每个会员的忠诚度，忠诚度是提高了还是降低了?哪些客户忠诚度降低了?哪些客户忠诚度提高了?

一般来说，商家对于新会员及流失会员的数据更加关注。新会员重点关注新会员的开发、基本信息、客单价等内容，完成从新会员到消费会员的过渡，常规手段就是发新人券，刺激完成第一次购买。这也就是为啥买东西的时候，老vip居然没有一个新会员价格便宜的原因。

流失会员着重关注流失会员结构、最后一次的购买内容，客单价、会龄等信息，然后通过优惠短信，奖品等等挽留流失会员。

在我们数据分析领域，有一个知名的“二八原则”，因为往往20%的客户贡献了80%的销售额(换句话来讲，世界上80%的财富都掌握在那20%的人手中)。

所以大多数零售企业都想通过数据找到这20%的客户，想尽办法维护好他们，从他们的口袋里掏钱。这里就简单介绍一个通用的方法：RFM模型。RFM模型就是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标，来定义该客户的价值状况。

这里就不重点介绍具体实现的方法，想了解模型的详细讲解看这篇：深度构建用户画像|数据标签，关联分析，RFM，用户体系

作为一个曾经给电商零售公司打过工的数据分析师，曾经也利用我的一身数据分析本领为公司的“营销策略”做过不少贡献(轻喷，打工不易，身不由己)，今天就从数据分析的角度给大家拆解一下，我们是如何利用数据来杀熟的，有哪些方法能够避免被大数据杀熟

大数据杀熟是怎么做的?

概括的说就是：通过大数据分析和预测的手段，对于同样的商品和服务，对不同对象收取不同价格的现象。

所以，大数据杀熟的技术基础是大数据，也就是海量的用户数据。通过你的基础属性数据判断你的所在用户群体、人群特征(如消费能力)，通过你的行为数据判断你的偏好和消费意愿强烈程度。

综合一系列的分析，判断出你是谁，你现在要做什么，愿意付出多少代价去做。然后通过精准的用户画像，去对消费能力高、消费意愿强烈的用户展示更高的价格，赚取更多的利益。

不过区别定价这样的杀熟套路已经用了很多了，消费者和身边的人一对比就发现了杀熟真相，万一找了媒体曝光，对电商平台或者商家的印象非常不好，其实还有另外一种变相杀熟套路，叫做“优惠券杀熟”

同样的商品，价格大家都是一样的，但是有些人能领到30元的优惠券，有些人界面可能都不显示优惠券，相比之下这是一个比较安全的杀熟手段，因为从法律上来讲，商家给不同人发不同的优惠券，似乎也没有违反规则

（编辑：南昌站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!