实用！用户反馈数据分析详解——九数云
用户反馈数据分析能分析海量的用户数据，对用户进行挖掘分析，做精准营销，用户画像等。
第一步，我们需要明确，我们做用户反馈数据分析的目的是什么，实际业务是那些，所做的是否具有可操作性，结果是否可信，最终要输出一个什么样的报告。这就是需要我们第一步所要做的事情，确定所要解决的问题。
第二步，建立用户反馈数据分析模型，下面介绍一下常用的数据模型
1.RFM模型
以用户行为来区分用户，精细化用户，是客户关系管理的分析模型，衡量客户价值和客户创利能力的重要工具和手段。
R（Recency）,最近一次消费，客户最近购买行为发生的时间
F（Frequency）,用户的消费频率，某一时期内购买行为发生的次数。
M（monetary）,用户消费的金额 ，某一时期内购买的金额
RFM模型，动态地显示了一个用户的全部购买行为过程。对用户提供个性化沟通和服务提供依据。
使用该模型进行用户反馈数据分析，长期范围来看，能够较为精确地判断用户价值，从而为更多的营销决策提供支持。
运用RFM模型一般是为了细分出最有价值的用户，利用有限的营销资源重点投入，从而价值产出最大化；
构建会员金字塔体系，不同用户对应不同的营销策略激活沉默用户
基于这个目的，我们通常需要将细分出的用户按照RFM模型给出的分级排序，从最好到最差，然后什么都保持正常的方式，如果一段周期内，业务结果和你的排序一致，那么说明你的细分能够相对准确地将有价值的用户从整体用户中划分出来。
用户行为是持续变动的，用户距上一次购买时间满一个月之后，在数据库里就成为消费为两个月的客户；
同一天，消费为3个月前的客户作了其下一次的购买，他就成为消费为一天前的顾客，也就有可能在很短的期间内就收到新的营销信息；
2.关联分析
关联分析指在交易数据、关系数据、或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。
借助关联分析进行用户反馈数据分析，能发现交易数据库中不同商品（项）之间的联系，并从大量数据中发现元素之间的关联和相关联系。
关联分析的一个典型例子是购物篮分析。通过发现顾客放入购物篮中不同商品之间的联系，分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，可以帮助零售商制定营销策略。
上一篇: 如何对营销活动进行多维度数据分析？——九数云
下一篇: 干货！如何进行财务数据分析？——九数云
