美团点评技术沙龙09 - 外卖o2o的用户画像实践

30
外卖 O2O 的户画像实践 李滔@美团外卖 201607 1

Post on 09-Jan-2017

573 views

Category:

Engineering


3 download

TRANSCRIPT

外卖O2O的⽤用户画像实践 李滔@美团外卖 � 201607 � 

1!

• 外卖业务对营销的要求 � • 美团外卖的用户画像 � 

• 外卖O2O的用户画像实践 � • 思考和总结 � 

⺫⽬目录

2!

外卖需要⽤用户画像?!

3!

⽽而实际是…!

4!

⽤用户体验之旅!⽤用户体验之旅

⽤用户获取 ⽤用户拓展

引起 注意

产⽣生 兴趣

产⽣生 需求

促进 购买

提供 服务

强化客户忠诚

粉丝 ⽀支持

•  事件营销 •  个性化推荐 •  个性化⼲⼴广告

•  ⾸首购 •  交叉销售 •  向上销售 •  重复购买

•  提升总体⽤用户体验 •  配送体验 •  个性化推荐 •  场景推荐

•  提供促销 •  减少流失

•  顾客评论 •  向好友或亲属推荐该

产品

5!

0~30 days 30~120 days >120 days

⽤用户分级:RFM矩阵!

衰退⽤用户

死亡⽤用户

衰退⽤用户

成熟⽤用户

成⻓长⽤用户

上升期,通过交叉销售、向上销售提升客户价值

客户挽留,留住⽤用户

⽤用户召回

提升单价和频次

客户挽留,留住⽤用户

R:最近购买 F:购买频率 M:价格

⽤用户等级 营销重点

• 外卖业务对营销的要求 � • 美团外卖的用户画像 � 

• 外卖O2O的用户画像实践 � • 思考和总结 � 

⺫⽬目录

7!

营销对画像的需求!

• 年龄、性别、职业、地址、收⼊入、家庭情况、爱好、⻋车房…

识别⽤用户

• 偏好(⼝口味、商家、菜系、热量、短期、⻓长期)、价格、频次、时间、场景(显性、潜在)

了解⽤用户需求

• 成⻓长、成熟、衰退、死亡

判断⽤用户⽣生命周期

8!

团购

点评

外卖

⼈人⼝口属性

偏好属性

地理属性

评论属性

9!

配送属性

经营属性

⽤用户属性

品类、品牌属性

消费属性

⽣生命周期属性

⾏行为属性

 商家 ⽤用户

打通三端数据,建⽴立统⼀一画像矩阵!

画像挖掘的⼯工作内容!

画像数据挖掘 偏好预测

地理位置挖掘

评论挖掘 潜客的挖掘

商家特征挖掘

菜品特征挖掘

挖掘算法

统 计

画像接⼝口服务

可视化

⽤用户画像

商户画像

⽤用户特征

商户特征

菜品标签

实时画像

⽇日志

订单数据

商家数据

团购数据

流数据

kv缓存

(tair)

红包

⼲⼴广告

排序

push 。。。

主题表

天⽓气服务

定向服务

ETL监控 服务监控

11!

画像服务架构!

点评数据

活动运营

• 外卖业务对营销的要求 � • 美团外卖的用户画像 � 

• 外卖O2O的用户画像实践 � • 思考和总结 � 

⺫⽬目录

12!

外卖O2O的特点!

13!

•  特点 新事物、快速发展 ⾼高频 场景驱动 强LBS属性 SPU多,⾮非结构化

运营重点!

14!

扩展品类

留存

拉新

案例⼀一:发掘新客!

新客在哪⾥里? •  ⼈人⼝口属性 •  地域 •  周围⼈人群 •  供给

偏好如何? •  周围⼈人群 •  美团和点评消费历史

消费⼒力如何? •  地点 •  美团和点评消费历史

如何通过到店⾏行为预测外卖⾏行为?

16!

案例⼀一:发掘新客!

到店 外卖

训练预测模型 关键点: 统计量的选择 稀疏数据的平滑 特征显著性的合理解释

17!

案例⼀一:发掘新客!•  �  � 效果 �  �  �  �  �  �  � 6倍转化率提升 � 

�  �  �  �  �  � 节省资金 � 

�  �  �  �  �  � 避免用户打扰 �  �  �  �  �  �  � 

18!

获取⼀一个新顾客的成本是维系现有顾客成本的5倍! 如果将顾客流失率降低5%,公司利润将增加25%~85%

from 菲利普.科特勒 《营销管理》

案例⼆二:⽤用户流失预测!

预测⽤用户未来若干天是否会下单

预测⽤用户下次下单间隔

特征矩阵

• ⼈人⼝口属性特征

• ⾏行为特征

• 供给特征

预测模型

⽣生存模型

19!

案例⼆二:⽤用户流失预测!

flag T 特征列表

1 25 f11 f12 f13 f14

0 35 f21 f22 f23 f24

1 10 f31 f32 f33 f34

1 5 f41 f42 f43 f44

0 35 f51 f52 f53 f54

1 2 f61 f62 f63 f64

flag 特征列表

1 f11 f12 f13 f14

0 f21 f22 f23 f24

1 f31 f32 f33 f34

1 f41 f42 f43 f44

0 f51 f52 f53 f54

1 f61 f62 f63 f64

未来T天是否下单

概率回归模型

未来T天是否下单

COX模型

P 特征列表

0.2 f11 f12 f13 f14

0.1 f21 f22 f23 f24

0.5 f31 f32 f33 f34

0.4 f41 f42 f43 f44

0.1 f51 f52 f53 f54

0.6 f61 f62 f63 f64

P(y|x)=f(x)

P 特征列表

0.2 f11 f12 f13 f14

0.1 f21 f22 f23 f24

0.5 f31 f32 f33 f34

0.4 f41 f42 f43 f44

0.1 f51 f52 f53 f54

0.6 f61 f62 f63 f64

P(t<T|x)=f(x)

20!

案例⼆二:⽤用户流失预测!

21!

以未来T天是否下单看,两种模型有类似的ROC曲线

⽣生存模型提供了额外的下单时间预估信息

案例⼆二:⽤用户流失预测!

外卖场景

时间

地点

订单

⽤用户

商家

22!

案例三:订单场景理解!

23!

场景描述维度的构建

•  订单属性 •  ⽤用户属性 •  商家属性

⼈人⼯工结合算法定义场景

•  访谈 •  ⽤用户分群 •  多元分析 •  频繁项挖掘

场景⽤用户识别

• 规则 • 预测算法 • 流计算

案例三:订单场景理解!

⼯工作⽇日的外卖场景!

09:00

12:00

15:00

18:00

21:00

地点 居民楼、学校

消费特点 快餐⼩小吃; 包⼦子粥、⼩小菜、盖饭为主

学校、写字楼&居民楼、医院&商铺&酒店

快餐⼩小吃为主 居民楼中⼥女性⽐比例⾼高于男性

写字楼⽐比例降低,居民楼、商铺升⾼高

快餐⼩小吃,⻄西餐,奶茶果汁 ⼥女性明显⾼高于男性

炸类、鸡翅、汉堡等⼩小吃增多

学校,居民楼升⾼高,写字楼明显降低

⻄西餐占⽐比⾼高于中午 男性居多

居民楼,学校居多,酒店显著增加

快餐⼩小吃、海鲜烧烤、⻄西餐居多

24!

案例三:订单场景理解!

地址: 天⼭山绿苑⼩小区13栋 x单元 xxx 经纬度:(xxx,xxx)

反向地理编码 地址分词 天⼭山绿苑⼩小区/P 13栋/B x单

元/U xxx/M poi 候选列表

核⼼心词匹配

POI名称:天⼭山绿苑⼩小区 POI类型:住宅⼩小区

相邻经纬度地址聚类

地址分类

25!

案例三:订单场景理解!

订单地址的识别

订单价格 vs. 商家单均价 主菜份数 主⾷食份数 菜品份数 历史偏好

随机森林建模

26!

合并订单识别的意义: 更准确的单均价估计; 拼单偏好->场景区分

案例三:订单场景理解!

合并订单的识别

• 外卖业务对营销的要求 � • 美团外卖的用户画像 � 

• 外卖O2O的用户画像实践 � • 思考和总结 � 

⺫⽬目录

27!

• 要有清晰的业务需求 � 

• 画像质量评价 �  �  �  �  �  �  �  � 数据评价+业务评价 �  �  �  �  �  �  � 评价指标尽量客观 �  �  �  �  �  �  � 评价指标和业务目标一致 �  � • 统计 � vs. � 建模 �  �  �  �  �  �  � 是否由多种因素决定 �  �  �  �  �  �  �  � 是否有客观、清晰定义的目标 �  �  �  �  �  �  �  � 是否要求可解释 �  � 

28!

⽤用户画像的问题和思考!

29!

总结!•  �  � 外卖营销的特征 �  �  �  �  �  �  � 关注用户生命周期 �  �  �  �  �  �  � 场景驱动 � 

•  外卖用户画像的特点 �  �  �  �  �  �  �  � 时间、地点、场景 �  �  �  �  �  �  �  � 发觉用户潜在需求 �  �  �  �  �  �  �  �  �  � •  外卖用户画像的挑战 �  �  �  �  �  � 数据多样性 �  �  �  �  �  �  �  � 用户对外卖的认知 �  �  �  �  �  �  �  � 用户决策时间短、随意性强 �  � 

谢谢! � 

30!