现在都流行讲大数据，但对于大部分人来说，会觉得那是个很复杂很难研究的事物。其实并不是，对于我们这些用户运营者来说，其实已经可以利用大数据的简单应用来帮助我们做好精准化的营销了。尤其是利用大数据做商品偏好分析，从而对用户进行精准推荐。

当你逛淘宝、美团点外卖、刷抖音视频的时候，有没有发现，每次一打开这些应用大概率出现的都会是你会感兴趣，或者是你曾浏览过的相关内容：

例：你在一家线上店铺买了一根鱼竿，然后在其他地方逛的时候，就会给你推送相关的鱼钩，渔夫帽，遮阳伞等商品。

这就是用户需求/偏好数据的应用。知道用户需要或者喜欢什么，对其做精准推送，提升转化。

现在，用户商品偏好分析的数据，已经应用在非常多的行业及场景。

对于单个企业、店铺来说，在流量达到一定瓶颈时，老用户的转化留存，就显得非常重要，不然辛苦建立起来的用户池就像一个大漏勺，在快速流失。

那么，做好用户商品偏好分析，具体有哪些价值呢？

利用老用户池，对老用户做商品偏好分析，挖掘其需求，推断其感兴趣的商品，并将其感兴趣的商品推送给他。当你这里可持续满足用户需求时，用户对你的忠诚度自然会加深，可有效提升复购率，减少用户流失。

很多商家去做流量推广（钻展/直通车等）时，会出现转化率越来越低的情况，推广费用越来越高，而所带来的用户价值却越来越低。

这是为什么呢？

在内容电商的环境下，用户在购买商品的时候，并没有处在“我一定要购物”的强心态和场景下，而是更像一个喜欢热闹的看客。例如：很多人喜欢悠闲地看着美妆达人直播，浏览着那些自己没强烈需求的商品和信息，此时的用户虽然有一定潜在需求，但更多的是像一个看客

在用户浏览时，相比较各种五花八门的商品，如果你能将用户很感兴趣的商品推送在他眼前，将”看客“转化成“消费者”则会大幅提升其转化，提升推广ROI。

个性化推荐能够在用户购买过程中/过程后，向用户提供其他有价值或关联的商品推荐。如买手机可推荐其关联商品：移动电源、耳机、手机壳等，而关联推荐的商品，则正是用户自己确实需要但在购买过程中没有想到的商品，从而有效提高商品的交叉销售。

做商品偏好的分析及应用，核心有5大步骤：

小结：通过存量用户的行为结果，倒推用户的需求偏好，通过不同人群需求偏好的集合归纳，及人群需求延展，推荐其可能感兴趣的信息。

再通过多次测试看效果来迭代，针对单人的特殊个性化需求，对给单人推荐的信息做补充。同时若单人需求偏好有较多的个性化信息，也会补充进人群包的需求中，以此实现不断的完善和迭代。

以上是商品偏好分析的整个逻辑，接下来，我们以一家电商彩妆店为例，讲述下如何去做商品偏好分析及应用。

背景：某美妆品牌的一次聚划算活动，打算对老用户做精准营销触达。

要做商品偏好分析，首先一定要有用户基础分群，最常用的就是基于用户购买信息分群。

如下图所示，根据“购买数据”‘地址数据’“使用数据”“行为数据”我们将人群分为了16组初级人群画像：

分析思路：

上一篇：定位未死！解读定位传播2.0指南 下一篇：传播的本质是什么？

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。