券使用率低的原因是收到券用户不是目标用户,用户对优惠商品没有需求就没有欲望去使用券。而大码品类优惠券投放的目标用户是大码人群,目的是满足大码偏好用户下单有优惠的需求,吸引其使用券购买大码商品。如果准确圈出大码人群投放,匹配该类人群下单需求,就能提升券使用率。
【 评估|标签质量评估功能对投放场景的作用】因此,为了提升圈人准确性,大码人群标签需要借助标签质量评估功能,从分类用户是否是大码人群准确性等多维度,检查标签是否可用。
三、标签质量评估功能作用大码人群标签规则是基于大码品类点击次数和客单价等用户行为来识别用户是否属于大码人群。而标签规则的有效性指规则是否将用户正确区分为大码人群。标签规则有效性低就会出现非大码用户被误判为大码人群,该类用户即使收到大码优惠券,由于无需求而不会选择下单,导致券使用率低。
为了评估标签规则的有效性,标签质量评估功能将规则中不同用户行为与历史订单的数据分布进行对比分析,判别两者之间的相关性。两者分布越相似,相关性越强,证明标签规则有效性越高。评估规则有效性过程有两个步骤,如下。
1. 单维用户行为分布分析首先标签质量评估功能将规则中大码品类点击次数与历史订单的数据分布图进行比较。由于大码人群在消费行为中更偏好大码商品,其历史订单数量分布更多集中在大码品类上。如果在分布对比图中,大码品类点击次数越多,大码下单也越多,两者分布相似,那说明该大码品类点击次数与大码人群历史订单行为有相关性。
相反,如果大码品类点击次数越多,但大码下单无增多甚至越少的趋势,那说明大码品类点击次数与大码人群历史订单行为无相关性。基于分布趋势对比图和上述相关性判断规则,评估功能可以分析大码品类点击次数对大码人群分类规则是否有效。有相关性说明大码品类点击次数可以作为区分大码人群的规则条件。
最终评估功能发现大码品类点击次数越高,大码下单也较多,说明大码品类点击次数和大码人群历史订单行为有相关性。但分布图中也出现大码品类点击次数低而大码订单较高的情况,这时需要拿其他用户行为与历史订单分布做对比,分析是否还有其他用户行为对大码人群识别存在影响。
2. 多维用户行为分布对比如果大码品类点击次数分布不能完全遵循历史订单分布,需选择大码品类客单价进一步分析是否同样能影响用户下单大码。基于分布趋势图和上段提到的相关性判断规则,评估功能分析大码品类客单价对大码人群分类规则是否也有效。有相关性说明大码品类客单价同样可以作为区分大码人群的其中一个规则条件。
最终评估功能发现大码品类客单价有较大影响。大码品类点击次数低,但大码品类客单价高,该类人群历史订单中大码品类占比也较高,从而验证出标签规则需要同时考虑大码品类点击数和大码品类客单价两个用户行为,才能保证大码人群标签规则的有效性。
四、总结在大码人群的券投放场景中,标签质量评估功能解决了券使用率低的问题。基于标签质量评估功能提供的分布对比图和相关性判别规则,营销人员就能识别出大码品类点击次数等用户行为是否对标签分类规则有效,从而评估该标签规则是否能有效区分出大码人群。这样,在基于大码人群标签圈人投放时,就能命中更多大码人群以及满足其使用券的需求,实现券使用率提升。
本文由 @俊峰 原创发布于人人都是产品经理,未经许可,禁止转载
- 读书|豆瓣电影/读书“标签”功能全部关闭
- 豆瓣电影/读书“标签”功能全部关闭
- 近日|上汽大众2021款朗逸遭车机“减配”4s店:不属于质量问题
- 登顶|连续四次登顶,联发科成功“超越”高通产品质量是关键
- 哪种蓝牙耳机最好用?2022质量最好的无线蓝牙耳机排行榜
- 台积电|哪些软件能改变你生活质量又特别有趣?
- spring|如何判断网站的质量
- 特斯拉|美国加州正在评估特斯拉自动驾驶测试是否需要监管
- 商用|建下超16万个5G基站!韩国还抢先5G商用,质量却堪忧遭用户起诉
- 一图读懂丨松江区先进制造业高质量发展“十四五”规划