十年数据分析师详解人货场模型在生鲜电商复购分析中的用法
接地气的陈老师以生鲜电商复购率低为案例,系统讲解人货场模型在货物属性、卖场属性、用户属性三方面的落地方法。案例设定为六成用户30天内无二次下单,作者主张先按购买频率和产品关联度区分商品,再用促销敏感型等消费行为标签替代性别年龄地域,并认为低粘性平台缺少训练推荐模型的真实数据。
复购率低的病根未必在营销投放,商品属性和购买节奏才是分析起点,盲目发券和推荐算法可能只是无效投入。
- 影响复购类问题可先按货物属性区分品类节奏,避免对米面油这类低频耐储品盲目派券;用行为标签替代人口属性可提高用户诊断的区分度;作者称不少平台六七成用户仅一次登录,训练推荐模型的数据基础存疑。
- 参考可考虑先按购买频率和产品关联度给商品分类,再决定券投向哪些人群;值得盘点现有用户标签中行为类与人口类的占比,评估能否支撑推荐模型训练;也可安排团队走访线下菜场与目标客群直接交流。