1. 目標客戶的特征分析
- 試運營前虛擬特征探索
- 真實運營后的用戶特征數(shù)據(jù)分析
2. 目標客戶的預(yù)測（響應(yīng)，分類）模型
- 流失預(yù)警
- 付費預(yù)測
- 續(xù)費預(yù)測
- 運營活動響應(yīng)
3. 運營群體的活躍度定義
活躍度指標體系是業(yè)務(wù)場景中最核心的行為因素
活躍度的定義合適與否依據(jù)其是否能有效回答業(yè)務(wù)需求
覆蓋率，根據(jù)活躍度定義出來的活躍用戶，可覆蓋到多少實際的付費用戶
技術(shù) ：主成分分析 數(shù)據(jù)標準化
4. 用戶路徑分析
算法支持
按步驟遍歷主要路徑
5. 交叉銷售模型
找出有冥想意義和商業(yè)價值的商品組合，可同時購買，也可有先后順序
- 關(guān)聯(lián)技術(shù)（購物籃技術(shù)分析）
- 響應(yīng)模型（對幾種重要商品建立預(yù)測模型，對潛在客戶進行預(yù)測判定，精準營銷）
- 響應(yīng)模型（重要商品組合）
- 決策樹
- 關(guān)聯(lián)分析，序列分析（先后順序考慮）預(yù)測（響應(yīng)，分類）邏輯回歸，決策樹
6.信息質(zhì)量模型
專家打分，擬合上坪offer要素與總分的關(guān)系
7. 服務(wù)保障模型
to B平臺保障商家（客戶）達成更多交易
8. 用戶（買家/賣家）分層模型
基于粗放運營與個體概率預(yù)測模型之間的一種折中有有過度的模型
技術(shù)：
- 統(tǒng)計分析（相關(guān)分析，主成分分析）
- 預(yù)測（響應(yīng)）模型的技術(shù)（搭建預(yù)測模型發(fā)現(xiàn)最重要的輸入變量及其排序，再根據(jù)這些變量對分層進行大致劃分）
9. 買家（賣家）交易模型
商品推薦模型，交易漏斗分析，買家細分（個性化商品和服務(wù)）優(yōu)化交易路徑
10. 信用風險模型
- 欺詐預(yù)警
- 糾紛預(yù)警
- 高危用戶判斷
11. 商品推薦模型
- 規(guī)則模型（apriori）
- 協(xié)同過濾
- 基于內(nèi)容的推薦
