結(jié)束了一天的工作,，你是否“身心疲憊,，沒空養(yǎng)胃”？是否覺得最遠的距離就是廚房到菜市場或超市的距離,？是否覺得高品質(zhì)生活還遙遙無期,？這些問題，生鮮電商可以幫你解決,，只要動動手指,，就能過上“上班選菜，下班收菜,，回家做菜”的生活,。

狗熊會的合作伙伴“購食匯”，就是這樣一家O2O生鮮電商平臺,，成立于2015年，主營果蔬,、肉蛋,、水產(chǎn)、糧油等食品,。為了讓用戶取貨更為便利,，平臺在社區(qū)還設(shè)有智能自提柜，目前主要服務區(qū)域為四川綿陽市、四川成都市和安徽合肥市,。

對于生鮮電商來說,，“揮一揮衣袖，就帶走幾個西柚”的用戶自然比“輕輕地我來看看又走了”的用戶更具價值,，后者只是登錄,，而前者完成了登錄到購買的轉(zhuǎn)化，為企業(yè)帶來了實實在在的現(xiàn)金收入,，這部分客戶可以認為是高價值客戶,，因此，了解高價值客戶的特征對企業(yè)來說是及其重要的,。在本案例中我們可以用購買轉(zhuǎn)化率作為判斷高價值用戶的一條標準,。定義：購買轉(zhuǎn)化率=訂單總數(shù)/登錄次數(shù)。購買轉(zhuǎn)化率越高,，說明該客戶越有可能是高價值用戶,。

那么，購買轉(zhuǎn)化率主要受到哪些因素的影響呢,？為探究這一問題,，本案例數(shù)據(jù)選取了購食匯的3684條有效用戶記錄進行分析，包括用戶成就（登錄頻率,、經(jīng)驗值）,、推薦行為（被推薦注冊、推薦他人注冊）,、收貨差異（附近有無自提柜）,、注冊差異（注冊渠道）。

從直方圖我們可以看出,，購買轉(zhuǎn)化率取完對數(shù)后,，分布近似于正態(tài)分布。

本案例我們構(gòu)造了衍生變量：登錄頻率=登錄次數(shù)/存續(xù)時間,，其中存續(xù)時間指用戶最近一次登錄時間與注冊時間的間隔,，單位為周。登錄頻率可以說明用戶與平臺的接觸程度,。從購買轉(zhuǎn)化率與登錄頻率的散點圖可以看出,，二者有著明顯的負相關(guān)關(guān)系，登錄頻率越高,，反而購買轉(zhuǎn)化率比較低,，這對應到具體的業(yè)務情景中是什么呢？這說明部分用戶的登錄目的是進行瀏覽,，就是隨便逛逛,，而非有明確的購買計劃,。

接下來再看下用戶是否被推薦和注冊渠道分別與轉(zhuǎn)化率的關(guān)系?？梢钥吹?，被老用戶推薦來注冊的用戶平均購買轉(zhuǎn)化率比較低，可見他們不如自主找到購食匯進行注冊的用戶愛得深沉,；相比于Android渠道注冊的用戶,，其他渠道的用戶平均購買轉(zhuǎn)化率更高。

為了進一步量化各因素對購買轉(zhuǎn)化率的影響,，就要回歸分析出馬了,。回歸后最終模型結(jié)果如下圖,，可以發(fā)現(xiàn),，除了注冊渠道，其他變量均為顯著變量,，說明注冊渠道對購買轉(zhuǎn)化率沒有影響,；估計系數(shù)的正負表示相關(guān)關(guān)系的正負，比如登錄頻率估計系數(shù)為負說明隨著登錄頻率提高,，轉(zhuǎn)化率下降,，和前面描述性分析的結(jié)果是一致的。模型R square代表了模型整體的擬合情況,，該模型R square為76.1%,，說明擬合程度較好：

以上的模型結(jié)果說明了什么呢？它能幫助你對號入座,，更為直觀地解讀用戶行為,。比如，用戶小明登錄頻率為2,，經(jīng)驗值為215,，自身不是被推薦注冊的，但曾推薦他人進行注冊,，小明所在地附近有自提柜,，并且他是通過Android渠道進行注冊的，那么基于我們的模型結(jié)果,，你就可以放心大膽地認證小明為高價值用戶了,。

根據(jù)回歸模型，我們得到了一份業(yè)務改進指南,，幫助我們更準確地理解用戶行為,，火眼金睛識別高價值用戶，更有針對性地進行營銷,，業(yè)務水平噌噌往上漲,。

以上就是我們基于用戶購買轉(zhuǎn)化率識別高價值用戶的一小段探索之路了，不知道大家看得還過癮嗎,？ 是不是想自己動手在Excel里試試,？是不是想接著了解更多業(yè)務問題呢？沒有別的辦法,，抱緊狗熊會,，我們繼續(xù)帶你飛！