用大数据量化消费者的促销敏感度，入门经典

作者：十月菌

数据的方法，如何甄别某个消费者是不是促销敏感型呢？本文将带领大家了解如何量化消费者的促销敏感度。

在新零售的背景下，用户的消费观念逐渐开始重服务，更重品牌，但是仍然对促销有很大的依赖。各大电商平台频繁的促销活动，潜移默化的影响着消费者的购买决策。

什么是促销敏感型用户？在经济学理论中解释到，由于价格的波动引起消费者对商品需求量的变化，这部分消费者即为促销敏感型用户。消费者对价格的敏感范围越大，对促销敏感度越小，反之越大。

各大电商平台近年来频繁的促销活动，换来了业务的爆发式增长，养成了用户只看促销，仅买低价的消费观念。从年货节，超品日，618，双11和双12等网购节日来看，大多是通过低价折扣吸引用户消费。

2017年618年中购物节，京东的销售额达到了惊人的1199亿人币，而第二季度的总GMV为2348亿元，大促时的销量明显较平时要多了近3倍。从中可以判断的是，部分消费者更加关注商品的促销力度，并且仅在促销时才会集中下单采购，而平时却较少下单，其中仅在促销时下单的用户可能就是敏感型用户。

对于平台而言，虽然狂轰滥炸式的投放和粗犷的促销会得到了不错的效果，但若想把销售额提升到另一个台阶，往往只能通过更加狂野的促销。这种方法适用于初创公司开拓市场，成熟型的公司则需对消费者进行更精细化的运营。如果可以不同促销敏感度的人群，进行精准的营销，促销效果必然会事半功倍。接下来我们聊一聊如何利用大数据，识别促销敏感型的用户群体。

模型准备阶段

衡量电商的消费者是否对促销敏感，主要是通过他的历史订单里促销优惠的比例来判断。一般我们认为，用户的含促销订单比例越高，敏感度越高；促销金额比例越大，敏感度越高。

结合消费者在某段时间在网站上的消费行为，能够从数据层面理性的探查出消费者的购买力情况和对促销敏感度。根据上述指标，就可以为用户建立模型了，再根据模型输出的结果，应用到各个实际的业务场景中。

敏感度建模过程

建模过程与上篇文章《大数据分析用户购买力，营销必备常识》方法类似，具体方法可以参考下面步骤：

人群标准界定

前面我们说过，消费者的促销订单比例越高，敏感度越高；促销金额比例越大，敏感度越高。但是具体的衡量标准，仍然需要通过业务数据挖掘判断，给出合理但范围。再根据用户近1年优惠订单占比，平均每单优惠金额占比，总优惠金额三个指标进行聚类划分，一般情况，可以把人群分为5类：

从《网络购物者趋势研究》报告显示，电商商品低价促销对网购的影响极其巨大，从前年的42%跃至去年的61%。其中敏感型用户量大占据了金字塔的最底端，只有部分用户不敏感。

上述的平均值是根据实际业务计算而拟定的数据，具体业务具体分析，没有具体的标准。层级之间应该非常明确，这样业务在操作的时候才能更加明确。给人群的敏感度界定了具体的指标数据之后，接下来就是把所有的用户根据指标来贴不同的标签。

数据加工过程

通常给用户分群打标签的模型都会使用聚类算法，它是数据分析中十分重要的分层算法，能够将相似的元素聚到一起，并且将不同的元素放到其他类别。从纷繁复杂的数据中，识别精简到人们能够理解的层次。

一般选用相似性度量，这种方法的关键点在于如何告知计算机数据到底哪里相似，相似的关联点在哪，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，相似点是优惠订单占比，平均每单优惠金额占比和总优惠金额占比三个指标之和，三者之和越小，代表价格敏感度越低。然后根据每个用户的订单数据情况，每个指标我们都会得到一个预测值，这个值在［－1，1］之间，当预测值未负的时候，我们可以理解为对价格不敏感。然后我们就得到了以下的数据

大于0的数据都是敏感用户，具体的敏感指标还是需要业务自己去定，可以参考上文的指标套进来。比如认为【-0.1~0.3】为一般敏感用户，【0.3~1】为较为敏感用户，【>1】为极度敏感用户。然后我们就可以知道这一年内所有账户的敏感度情况

有了数据之后，就要考虑一下具体可以用在哪些场景中，数据结合场景才能产生更大的价值。上篇文章《大数据分析用户购买力，营销必备常识》简单的推荐了几个场景，例如千人千面的算法，精准的广告投放和会员营销方面，还可以结合购买力模型用到最近比较火的概念上“消费升级”

应用场景探索

消费升级是消费结构变化后最明显的特征，其核心在于人和场景的准确定位，消费需求的分层和细化。对于品牌来说，首先应找到哪些人才是可以升级的群体，但每个品牌都有自己的特征和管理运营方式。华为手机希望流量入口，低端机用户转为高端机用户；魅族希望提升自己的曝光度，拉升GMV等等。这些诉求都可以通过用户标签针对性的营销，

以华为为例，探查购买华为手机人群的时间节点，选出距离上个手机订单时间一年的用户群体，再筛选出低端机用户，然后从低端机用户群体中，探查其购买力和促销敏感度的情况，然后在针对性的触达营销，可以是专享价，也可以是优惠券等。

可以应用的场景很多，在实际业务中多多思考如何使用用户数据，做到数据取之于用户，用之于用户的产品之道。

结语

以上为价格敏感度的模型方法论，各位看官可以暂时了解一下。与购买力模型一致，输出的结果仍然需要在实践中打磨，通过干预人和未干预的人群进行数据的比对，然后调整到最忧解。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。