消费|双十一你被大数据杀熟了吗？数据分析揭秘商家的杀熟套路双十一|套路|商家|数据|杀熟

激动人的双十一狂欢购物节终于过去了，剩下的就是大家空荡荡的钱包和等待快递包裹的迫切心情了。

文章插图
本来为了省钱参加购物节的狂欢，精心各种满减、优惠券，但却有不少朋友付完款后发现，自己买到的东西比平时居然还是贵，最令人气愤的是同一件商品，自己买的比别人还贵!
同一件商品，不同的人显示的价格不同：

文章插图
同一张券，你怎么抢也抢不到，别人想怎么领就怎么领：

文章插图
很显然，有一部分人被大数据杀熟了，这在行业内是一个非常普遍的现象，之前央视就有曝光过某app上购买机票和酒店，不同人不同价，甚至多点进去看几次，价格还会上涨。移动互联网时代，消费者想薅商家羊毛难上加难，但是商家通过大数据宰客却轻而易举。
作为一个曾经给电商零售公司打过工的数据分析师，曾经也利用我的一身数据分析本领为公司的“营销策略”做过不少贡献(轻喷，打工不易，身不由己)，今天就从数据分析的角度给大家拆解一下，我们是如何利用数据来杀熟的，有哪些方法能够避免被大数据杀熟
大数据杀熟是怎么做的?概括的说就是：通过大数据分析和预测的手段，对于同样的商品和服务，对不同对象收取不同价格的现象。
所以，大数据杀熟的技术基础是大数据，也就是海量的用户数据。通过你的基础属性数据判断你的所在用户群体、人群特征(如消费能力)，通过你的行为数据判断你的偏好和消费意愿强烈程度。
综合一系列的分析，判断出你是谁，你现在要做什么，愿意付出多少代价去做。然后通过精准的用户画像，去对消费能力高、消费意愿强烈的用户展示更高的价格，赚取更多的利益。
不过区别定价这样的杀熟套路已经用了很多了，消费者和身边的人一对比就发现了杀熟真相，万一找了媒体曝光，对电商平台或者商家的印象非常不好，其实还有另外一种变相杀熟套路，叫做“优惠券杀熟”
同样的商品，价格大家都是一样的，但是有些人能领到30元的优惠券，有些人界面可能都不显示优惠券，相比之下这是一个比较安全的杀熟手段，因为从法律上来讲，商家给不同人发不同的优惠券，似乎也没有违反规则。
当然上述的方法不仅仅存在于电商，线下门店同样也有这样的营销策略。比如给不同等级的会员发不同额度的优惠券
商家是怎么分析这么多的用户数据，制定营销策略的?这里我以线上、线下门店都有的会员数据为例子(从商家角度出发，电商平台也大概是一个道理)，给大家讲解一下，商家是怎么分析消费者数据的
整体会员运营流程如下：

文章插图
1、用户分类
在我们数据分析领域，有一个知名的“二八原则”，因为往往20%的客户贡献了80%的销售额(换句话来讲，世界上80%的财富都掌握在那20%的人手中)。
所以大多数零售企业都想通过数据找到这20%的客户，想尽办法维护好他们，从他们的口袋里掏钱。这里就简单介绍一个通用的方法：RFM模型。RFM模型就是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标，来定义该客户的价值状况。
这里就不重点介绍具体实现的方法，想了解模型的详细讲解看这篇：深度构建用户画像|数据标签，关联分析，RFM，用户体系
2、用户监控
第一步分类之后，第二步就是监控用户行为，想要更好地做到监控我们自然要了解会员的成长路线。通常来说我们可以把会员的成长分为：目标市场、响应者、新会员、老会员、高潜能会员、低价值会员、高价值会员及流失会员。对于不同类型会员，关注重点也会有所差异。

文章插图
对于消费会员，我们应重点挖掘客户的消费习惯、消费偏好及会员价值的挖掘。其中消费习惯包括客户活跃度、连带销售及忠诚度。
(1)活跃度：就是对你的消费金额、消费频次，最近消费时间等关键指标进行监控
(2)连带销售：以商品为分析维度，了解购买该商品的消费者还会购买哪些商品。比如你购物车加购了奶粉、尿不湿类的东西，系统就会给你推荐婴儿服装、玩具等等
(3)忠诚度：通过RFM分析，我们可以清楚地看到每个会员的忠诚度，忠诚度是提高了还是降低了?哪些客户忠诚度降低了?哪些客户忠诚度提高了?