三个必备高级分析方法，了解你的客户

高级的分析和数据科学方法的一大目的就是了解客户。与任何其他领域（供应链、物联网、金融等）相比，了解客户在数据科学领域重要的多。原因很明显——业务成功与否取决于你对客户的了解程度。一旦你可以用有效的方式了解客户，其他所有事情都会有效就位。

客户分析包含的内容非常广泛。不仅如此，每个行业还都会以不同的方式分析客户。然而，以下是所有行业中最常见的三种客户分析

• 1. 客户细分（Customer Segmentation）
• 2. 客户历程分析（Customer Journey Analysis）
• 3. 营销归因（Marketing Attribution）

接下来，让我们看看这些分析是什么，以及其中涉及了哪些数据科学技术。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
如何用数据分析优化你的营销策略？
如何准备商业分析面试的Case Study问题？
如何通过面试中的AB测试问题（以doordash为例）
Amazon商业分析师面试指南

客户细分
Customer Segmentation

客户细分，有时也称为聚类，可以对相似的客户进行分组。为什么客户细分很有用？假设，你想开展营销活动，要给你的客户发送电子邮件。有两种选择，第一，你可以向所有客户发送统一的电子邮件。第二，你可以向每位客户发送“个性化定制”的电子邮件。

这两种方法的作用都不太好。第一种情况——向所有客户发送通用信息可能不太合适，因为每个客户都有自己的特定需求。

第二种情况，你会花大量时间为每个人创建个性化定制信息。

所以，为了解决这个问题，客户细分——将类似的客户分成小组——就非常有用了。现在，你可以给每个小组内的成员发送同一封电子邮件。由于同一小组的客户相似，你可以为每个小组定制消息。这样，你就节省了大量时间，因为你是在为每个小组创建消息，而不是为每个客户创建消息。

以下是一些可用于客户细分的技巧

• 热图（Heatmap）

根据预先确定的列进行细分。

假设，你有一个属性不同的客户数据集，如下所示

基于预先设定的列，你可以进行分组。 例如，你可以根据工作（Job）和婚姻状况（Marital Status）进行分组，并查看哪个组的客户多，哪个组的客户少。

• 热图可视化（Heatmap Visualization）

是进行分组的好方法，会非常直观，如下所示。

如你所见，热图是进行客户分组的好方法。你可以看到，大部分客户都属于已婚和蓝领阶层。因此，你可以针对这个小组定制营销信息。

基于多个列进行用户分组

上面案例中，我们是根据预先确定的列（如工作、婚姻状况）进行的分组。然而，在很多情况下，你并没有一个特定的列来进行分组。因此，你可以尝试在多个列上进行分组。通过这种方式，数据会显示有可能分成哪些小组，而不是其他预先确定的小组。

聚类是一种使用多个列进行分组的方法。聚类将基于多个列的相似数据记录分组为不同的组或者类。下面的散点图为聚类结果。每个客户记录都表示为散点图上的一个点。组或类都用颜色表示。分析分为三段，所以有三种颜色。

这里用于确定聚类的列是年龄、婚姻、教育、工作。

我们可以看到，用于进行分组的前两列是年龄和婚姻状况。因此，通过这种方式，我们可以让数据决定可能会出现哪些小组。这就是数据驱动！！！

客户历程分析
Customer Journey Analysis

客户历程有助于了解客户是如何按时间顺序与你互动，帮助你了解客户体验，涵盖客户生命周期每个阶段（从意识到忠诚度）的所有渠道、设备和接触点上的所有客户互动。

客户历程的分析的一个例子，就是去分析——为什么客户在一段时间内购买不同的产品，深入了解客户如何从购买基本产品转变到购买高端产品的 。

下面是一些了解客户历程的技巧

路径分析
Path Analysis

为了方便展示，我们来看一个数据集，它包含租车相关的客户交易。数据中包含了发票的详细信息，以及与车辆相关的信息，例如车辆类别和车辆型号。

通过路径分析，我们可以发现租车模式随时间发生的变化。我们可以看到，车辆类别的主要路径是 Compact ——Prime。

桑基图
Sankey Chart

另一种可视化路径的技巧是使用桑基图，这种方法非常有趣。桑基图以流样的可视化显示按时间顺序排列的事件。下图显示的是客户经过所有路径。例如，客户会从面包车开始，然后再转租自动汽车。

如你所见，路径分析对客户历程分析很有帮助。这种分析在很多方面都非常有用 – 例如预测客户可能经过的路径，然后作出产品推荐。

营销归因
Marketing Attribution

营销是让客户了解你，并从你那里购买产品的关键。现在，营销渠道多种多样，同时，企业向客户推销的平台不断增加，客户可通过多种聚到接触到你的产品。那么，你如何确定营销渠道的有效性？这就是营销归因的用处所在，因为它可以帮助你“归因”客户转化率，从而将客户引至不同渠道。

下列技巧可帮助你进行营销归因。

客户细分
Channel Attribution analysis

为解释明这一技巧，我们以一个客户网站导航的样本数据集为例。该数据集包含有关 cookie、互动时间、互动方式（无论是简单看了一眼还是成功实现转化）、转化（0=否，1=是）和转化价值等信息。

不同的渠道有付费搜索（Paid Search）、视频（Video）、Instagram、Facebook 等等。

让我们放大查看一些与 cookie 相关的数据：

可以看到，cookie 000f0nF77Afhf9ho7Aiff0Chh 访问了各种渠道，但没有成功转化。而cookie 000hCBnCB7oi7ADAEnEBCnBEE 也访问了各种渠道，并实现了转化。这里的转化率为6.5，转化渠道为在线视频。

即使我们知道了是从在线视频中实现的转化，cookie 也存在于不同的频道上，例如付费搜索、Facebook、Instagram 和在线视频。因此，归因会按比例将转化价值归因于这些其他渠道。

归因方式非常多样。最常见的方法之一是平均分配转化率，并将其分配至所有带来化的渠道。

结果如下所示。可以看到，Facebook 频道的归因是最高的。

转移矩阵
Transition Matrix

转移矩阵帮助你全面了解如何实现不同渠道之间的转化。此外，你还可以查看是哪些渠道促成了转化。

此处以热图的形式显示了数据的转移矩阵。正如你所看到的，最大的转移是从 Instagram 到 Facebook。此外，Facebook、OnlineVideo 和 PaidSearch 等渠道对转化率的贡献最大。这与上面的分析一致。但除此之外，你还能知道 Instagram向 Facebook的转移最多，转化率也最高。

以上是对几大高级分析用例和技术的简要概述，帮助你更好地了解客户。如果掌握了这些技巧，你的事业会达到新的高度。

以上就是这三种分析方法的技术和案例，希望你对用户相关的分析有了进一步的了解。欢迎在下方发表和讨论你的想法，感谢你的阅读！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Pranay Dave
翻译作者：Lia|
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/3-must-know-advanced-analytics-for-understanding-your-customers-f650f4ac7f57