首页 > 试题广场 >

考拉海购始终以用户为中心,为用户提供高品质的商品,帮助用户“

[问答题]
考拉海购始终以用户为中心,为用户提供高品质的商品,帮助用户“用更少的钱,过更好的生活”。为了满足不同用户的需求(比如新客户的要求可能跟老客户不同,流失客户需要特殊的关怀) ,请你设计一套具体的方案,合理划分不同用户,并能给出相应的建议。
从以下三个维度划分用户,即每个用户都将被打上以下三种标签
1、新老客标签
用户设备ID是否第一次出现来区分用户是新客还是老客,对于新客可进行新客指引及提供新客首单优惠活动等
2、人群标签
枚举值:男性、70后及70前女性、80后女性、90后女性
此标签数据来源于用户个人填写信息及其行为
各大人群偏好品牌及品类不同,可进行个性化推荐,如给男性推荐男装、运动品牌,给70后女性推荐家居品类,给80后女性推荐母婴产品,90后女性推荐化妆品等,当然这个运营人群标签可根据用户浏览/购买历史进行细化,如有女性用户浏览或购买过母婴品类,即可将其归于80后女性-已婚-有小孩
3、活跃状态标签
根据用户购买情况确定其活跃状态,如30天内有订单视为活跃用户,80天内有订单为高危用户,160天内无订单而有历史订单为流失用户等
枚举值:活跃、高危、沉睡、流失、注册未购买
对于活跃及高危人群可根据其行为推荐偏好品牌以刺激消费
对于沉睡、流失用户可进行push或短信推送优惠券及活动预告
对于注册未购买的用户则可进行相关提示,如购买首单优惠等信息
发表于 2018-08-10 21:44:53 回复(1)
更多回答
利用K-MEANS聚类方法对用户进行聚类划分,需要的特征是用户注册时间,用户购买次数,用户购买金额,用户浏览次数,用户浏览时长,用户最后一次登录等等,将用户分成四大类:
一类用户是核心用户,粘性大,不易流失,购买频率高,这样的用户需要显著推送办理会员其购买的商品会节省多少资金的信息,促使其购买会员。
二类用户是不易流失的用户,虽然购买率不如核心用户,但是会时不时进行浏览,寻求购买机会,这种用户看重优惠力度,因此推送相关的组合购买满减活动,以及下订单送优惠券的活动。
三类用户是较易流失的用户,购买频率低,浏览次数少,这类用户只有需要相关商品时才会打开考拉进行搜索,可以发送小金额的优惠券吸引这类用户的关注。
四类用户是流失用户。注册完从没进行购买的用户或者最后一次登陆距离现在时间很久,这样的用户需要发短信或者push,推荐最大优惠的活动或者一元换购类型的活动,促使用户的小订单购买。
发表于 2019-08-27 10:29:08 回复(0)
先划分用户层,消费频数划分中
1、按照历史最大消费金额,消费频数,将用户划分为高消费,中消费,低消费用户
2.按照最近消费日期,消费频数,商品浏览数目,点击量将用户划分为高活跃用户,一般活跃用户,流失边缘用户。

针对1,统计分析各用户的平均消费金额,常购买的消费品类,为不同阶级用户推荐适合他们的商品。
针对2,对一般活跃用户和流失边缘用户采取激励方案,如发放优惠券,完成购买任务获得现金奖励等措施。对高活跃用户,即稳定购买用户,可以推出分享或晒单活动,通过他们吸引更多新用户
发表于 2019-03-16 09:44:47 回复(0)
对于网易考拉老用户,我们可以利用RFM模型进行用户分层,R:最近一次消费Recency;F:消费频次(Frequency);M:Montary消费金额。

我们根据历史日志数据,我们能够找出产品内用户隶属于以上8类中的哪一类,然后指定可以针对性的制定运营策略。
对于新用户,我们可以进行push推动首单红包或者相关活动消息促活。
发表于 2019-08-02 14:28:32 回复(0)
首先考拉海购的盈利模式既要求了新用户的增长,也要求了老用户的留存。以下问题的展开依照新用户与老用户进行。
一、针对新用户:若新用户存在流失的可能性,则应分为第一天就流失还是七日后流失,或是一个月后流失
1.针对新用户第一天流失情况:考虑新手指导做的是否明确,用户能否清晰的了解自己需求的使用流程
2.针对新用户七日后流失:关注第一次用户的体验,包括但不限于推荐算法、客服情况、快递情况、库存情况等。
3.针对新用户一个月后产生流失:可能为客户对产品不感兴趣,考虑推荐客户喜欢的东西,同时用户暂未形成粘性,应推送邮件或提醒提高用户的使用频率。
二、针对老用户:
1.RFM模型
    根据用户最近一次购买时间、购买频率、购买所花费的金额的高中低程度将用户划分为九个类别,考虑标签为低低低的用户为将要流失的用户,收集其行为特征,作为判断其于用户流失行为的预警。考虑存在两个低大的用户为可能流失的用户,将对其进行发放优惠券的召回或使其好友发送召回链接并且双方得到奖励。考虑存在一个低的用户为相对稳定的用户,对其低的方面采取措施称为高质量用户,三高用户为高质量用户,收集其行为特征对其他标签的用户进行评估。
2.性别年龄标签划分
    根据用户的性别与年龄,性别男女两个部门、年龄青年、中年、老年三个部分,即可考虑分层也可考虑组合为6个部分,针对不同的标签可进行界面的优化,以及推荐的内容不同等。同时针年龄为青年的部分,考虑其行为是否能够为其带来新的标签如情侣或是新婚夫妇等,而推荐更适合的产品。
3.用户所在城市等级划分
    将用户所在城市划分为一二三四线城市,针对不同的城市地区,推荐与其消费水平相匹配的产品,提高用户体验
4.用户所在城市地区划分
    针对用户所在城市地区,划分为八大部分,比如东北、华北、西南等,针对不同地区分设板块,既要存在当地特产(针对居住地与所在地不同)又要存在其余的地方特色(针对居住地与所在地相同,希望带来更多的可能性),吸引用户产生购买行为。
发表于 2020-04-05 10:54:30 回复(0)
发表于 2020-04-06 18:56:07 回复(0)
首先可以将客户按照注册时间划分为新老用户
对于新用户可以让用户选择几个自己感兴趣的商品类别标签,帮助系统快速推荐用户感兴趣的商品,同时对新用户发送限时满减优惠卷,快速将新用户从普通用户转化为付费用户
对于老用户,可以使用RFM模型进行用户类别划分,将R,F,M前50%的用户设为1,后50%的用户设为0,简单划分为4类用用户111,011,101,001
对于111用户,最近刚消费,消费频次高,消费金额大,属于重要价值客户,对于这种用户可以推荐他们购买vip会员,得到更好的购物体验以及更多的优惠,同时加大用户的粘性
对于011用户,最近没消费,消费频次高,消费金额大,需要主动与他们保持联系,可以根据他们曾购买的商品进行个性化推荐,以及推送相关商品的最新折扣信息,并发送优惠卷,促进成单
对于101用户,最近有消费,消费频次低,消费金额大,属于需要去发展的潜力客户,可以根据他们最近购买的商品进行向上销售及交叉销售,个性化推荐相关商品信息同时发送优惠卷,促进成单
对于001用户,最近没消费,消费频次低,消费金额大,属于重要挽留客户,可以根据他们曾经浏览购买的商品进行个性化商品推荐,同时针对这种流失客户推送多买多优惠的相关活动,将他们重新激活。
发表于 2023-02-05 21:08:32 回复(0)
1. 用户群体可用价值(kpi:一年内消费额)和活跃度(kpi:一个月内登陆天数比例)两个维度来划分为六个类,分别是
  • 高价值高活跃用户:根据二八定律,这类用户为公司贡献了巨大的利润,同时有着高的活跃度,体现了对公司的忠诚度。由于用户高价值的属性,一般更看重产品的质量以及售后服务是否周到,因此可以通过push以及短信推荐高质量的产品并且在售后方面有对应的VIP通道;
  • 高价值低活跃用户:这类用户虽然利润高,但是不太活跃,有流失的危险,分析用户行为以及竞品分析得到低活跃度的原因;推送给用户喜欢的产品。
  • 高价值流失用户:分析用户使用习惯,通过优惠激励和登陆有奖使之回流,同时增加用户粘性
  • 低价值高活跃用户:虽然客单价不高,但是往往是一个app活跃度的最大贡献群体,通过登陆有奖、游戏激励以及优惠活动增加用户粘性
  • 低价值低活跃用户:分析低使用度的原因,防止其他群体向这一群体倾斜
  • 低价值流失用户:加强召回机制,增加用户回流。
发表于 2019-08-29 15:53:05 回复(0)