发帖
雷达卡
案例解读
1、案例目标：
通过大数据分析，挖掘用户购物的需求和趋势，找到机会产品，进行生产指导和后期市场营销分析，利用大数据技术创收。
1)建立一套用户对商品需求的分析体系，挖掘用户深层次的需求
2)建立一套完善的品类趋势分析体系，洞察各品类的发展趋势
3)建立一套科学的商品生产方案分析系统，结合用户需求与产品生产，形成满足消费者预期的各品类生产方案
2、成功要点：
技术层面：
1)自然语言处理：底层商品属性数据杂乱无章，通过自然语言处理自动机器学习形成一些规则，把商品的规格/属性数据进行标准化，有效提升底层数据质量，让上层分析出的结论更精准。
2)用户画像技术：对用户基本属性、购物习惯、消费心理、兴趣爱好、行为特征、社交网络等6方面给用户打标签，对用户进行深度刻画和描述，还原购物背后的用户真实画像，为更深入的用户群细分需求分析打好底层基础。
3)市场趋势模型：通过分析目标品类关键规格及属性的用户购买情况，分析用户更换时的参数变迁，标出未来市场的机会点，洞察市场变化趋势。
4)用户需求识别模型：通过构建复杂的消费者需求模型，利用用户画像技术，分析不同用户群体的需求关注点，结合经过标准化后的商品商品规格/属性参数建模打分排序，找出用户的核心需求。
5)商品轮廓模型：通过用户购买、浏览构建商品属性组合收益模型，在海量商品规格/属性组合中，找出最符合用户需求的组合，进而给出商品参数配置推荐方案。
其他层面：
1)结果导向：以结果说话，不讲理由，保证项目成功。
2)懂得“平衡”：平衡理想的需求与现实数据环境，懂得变通，不在细节出过分纠结
3、案例ROI分析：如果可能的话，进行投入产出分析
4、案例启示：提炼出该案例（或项目）的哲理、方法论。
1)建立合理有效的分析视角和体系：消费者每时每刻都在用他们自己的方式（浏览、加关注、咨询、购买、搜索、评论等）输出他们各自的需求，重要的是我们通过什么样的视角去获取和分析我们想要的数据
2)重价值产出，不重复杂度：任何分析/挖掘模型都是以价值为导向的，不要为了做模型而做模型，梳理清楚产出的价值，切勿太过学究派。
下面是详细的PPT：
京公网安备 11010802022788号
