用大數據量化消費者的促銷敏感度，入門經典

作者：十月菌

數據的方法，如何甄別某個消費者是不是促銷敏感型呢？本文將帶領大家了解如何量化消費者的促銷敏感度。

在新零售的背景下，用戶的消費觀念逐漸開始重服務，更重品牌，但是仍然對促銷有很大的依賴。各大電商平臺頻繁的促銷活動，潛移默化的影響著消費者的購買決策。

什么是促銷敏感型用戶？在經濟學理論中解釋到，由于價格的波動引起消費者對商品需求量的變化，這部分消費者即為促銷敏感型用戶。消費者對價格的敏感范圍越大，對促銷敏感度越小，反之越大。

各大電商平臺近年來頻繁的促銷活動，換來了業(yè)務的爆發(fā)式增長，養(yǎng)成了用戶只看促銷，僅買低價的消費觀念。從年貨節(jié)，超品日，618，雙11和雙12等網購節(jié)日來看，大多是通過低價折扣吸引用戶消費。

2017年618年中購物節(jié)，京東的銷售額達到了驚人的1199億人幣，而第二季度的總GMV為2348億元，大促時的銷量明顯較平時要多了近3倍。從中可以判斷的是，部分消費者更加關注商品的促銷力度，并且僅在促銷時才會集中下單采購，而平時卻較少下單，其中僅在促銷時下單的用戶可能就是敏感型用戶。

對于平臺而言，雖然狂轟濫炸式的投放和粗獷的促銷會得到了不錯的效果，但若想把銷售額提升到另一個臺階，往往只能通過更加狂野的促銷。這種方法適用于初創(chuàng)公司開拓市場，成熟型的公司則需對消費者進行更精細化的運營。如果可以不同促銷敏感度的人群，進行精準的營銷，促銷效果必然會事半功倍。接下來我們聊一聊如何利用大數據，識別促銷敏感型的用戶群體。

模型準備階段

衡量電商的消費者是否對促銷敏感，主要是通過他的歷史訂單里促銷優(yōu)惠的比例來判斷。一般我們認為，用戶的含促銷訂單比例越高，敏感度越高；促銷金額比例越大，敏感度越高。

結合消費者在某段時間在網站上的消費行為，能夠從數據層面理性的探查出消費者的購買力情況和對促銷敏感度。根據上述指標，就可以為用戶建立模型了，再根據模型輸出的結果，應用到各個實際的業(yè)務場景中。

敏感度建模過程

建模過程與上篇文章《大數據分析用戶購買力，營銷必備常識》方法類似，具體方法可以參考下面步驟：

人群標準界定

前面我們說過，消費者的促銷訂單比例越高，敏感度越高；促銷金額比例越大，敏感度越高。但是具體的衡量標準，仍然需要通過業(yè)務數據挖掘判斷，給出合理但范圍。再根據用戶近1年優(yōu)惠訂單占比，平均每單優(yōu)惠金額占比，總優(yōu)惠金額三個指標進行聚類劃分，一般情況，可以把人群分為5類：

從《網絡購物者趨勢研究》報告顯示，電商商品低價促銷對網購的影響極其巨大，從前年的42%躍至去年的61%。其中敏感型用戶量大占據了金字塔的最底端，只有部分用戶不敏感。

上述的平均值是根據實際業(yè)務計算而擬定的數據，具體業(yè)務具體分析，沒有具體的標準。層級之間應該非常明確，這樣業(yè)務在操作的時候才能更加明確。給人群的敏感度界定了具體的指標數據之后，接下來就是把所有的用戶根據指標來貼不同的標簽。

數據加工過程

通常給用戶分群打標簽的模型都會使用聚類算法，它是數據分析中十分重要的分層算法，能夠將相似的元素聚到一起，并且將不同的元素放到其他類別。從紛繁復雜的數據中，識別精簡到人們能夠理解的層次。

一般選用相似性度量，這種方法的關鍵點在于如何告知計算機數據到底哪里相似，相似的關聯(lián)點在哪，不同的算法需要的相似性可能不同。就按照上述的敏感度模型，相似點是優(yōu)惠訂單占比，平均每單優(yōu)惠金額占比和總優(yōu)惠金額占比三個指標之和，三者之和越小，代表價格敏感度越低。然后根據每個用戶的訂單數據情況，每個指標我們都會得到一個預測值，這個值在［－1，1］之間，當預測值未負的時候，我們可以理解為對價格不敏感。然后我們就得到了以下的數據

大于0的數據都是敏感用戶，具體的敏感指標還是需要業(yè)務自己去定，可以參考上文的指標套進來。比如認為【-0.1~0.3】為一般敏感用戶，【0.3~1】為較為敏感用戶，【>1】為極度敏感用戶。然后我們就可以知道這一年內所有賬戶的敏感度情況

有了數據之后，就要考慮一下具體可以用在哪些場景中，數據結合場景才能產生更大的價值。上篇文章《大數據分析用戶購買力，營銷必備常識》簡單的推薦了幾個場景，例如千人千面的算法，精準的廣告投放和會員營銷方面，還可以結合購買力模型用到最近比較火的概念上“消費升級”

應用場景探索

消費升級是消費結構變化后最明顯的特征，其核心在于人和場景的準確定位，消費需求的分層和細化。對于品牌來說，首先應找到哪些人才是可以升級的群體，但每個品牌都有自己的特征和管理運營方式。華為手機希望流量入口，低端機用戶轉為高端機用戶；魅族希望提升自己的曝光度，拉升GMV等等。這些訴求都可以通過用戶標簽針對性的營銷，

以華為為例，探查購買華為手機人群的時間節(jié)點，選出距離上個手機訂單時間一年的用戶群體，再篩選出低端機用戶，然后從低端機用戶群體中，探查其購買力和促銷敏感度的情況，然后在針對性的觸達營銷，可以是專享價，也可以是優(yōu)惠券等。

可以應用的場景很多，在實際業(yè)務中多多思考如何使用用戶數據，做到數據取之于用戶，用之于用戶的產品之道。

結語

以上為價格敏感度的模型方法論，各位看官可以暫時了解一下。與購買力模型一致，輸出的結果仍然需要在實踐中打磨，通過干預人和未干預的人群進行數據的比對，然后調整到最憂解。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。