平台电商的用户细分策略及行为定价

行为定价是企业实践中经常采用的策略,是指基于用户行为进行分类并实施区别定价。随着平台经济的发展,平台方拥有丰富的用户信息,竞争企业如何充分利用这些信息资源细分用户并制定价格,成为一个重要的管理问题。平台用户的品牌偏好异质性和有限理性行为使得这个问题更具挑战。基于数学建模和多智能体建模仿真方法,对比分析不同的信息和分类策略的优劣性。进一步探讨包括消费者购买意愿、品牌忠诚、有限理性等多种行为因素对消费者购买决策和价格博弈的影响。研究发现:根据用户的历史购买记录对用户进行分类并采取不同的价格策略,企业受益最大;反之,信息过量可能导致企业受损。面临消费者有限理性行为,企业采用行为定价策略可从中获益;当市场上消费者的产品购买意愿较低时,区别定价能为企业带来更显著的收益提升。此外,当竞争对手采用行为定价策略时,企业实施区别定价而非统一定价应对有利于自身。

基于情境偏好知识超图的移动用户细分研究

构建了一个通用的用户细分模型,定义了用户情境偏好的概念和度量方式,采用情境偏好知识超图描述了用户间基于情境偏好相似性的多元弱关联,并基于超图分割实现用户细分,避免了一般聚类操作中用户间弱关联的丢失。应用该模型进一步构建了移动服务策略矩阵。最后通过实证验证了模型在用户细分和服务策略分析、制定上的适用性。

产业竞争情报用户细分方法——以风能产业为例

用户细分是产业竞争情报理论方法研究的基本问题之一。以风能产业为例,以2011北京国际风能大会暨展览会等为主要研究样本,基于产业展览会参加者群体分析,将产业竞争情报的主要用户细分为设备制造企业、科研机构、投资商、终端用户企业、政府决策管理部门、行业社团、专业服务机构、媒体、研究与教育培训机构9类用户群体,每个具体类别的用户群体又可进一步细分。对产业竞争情报用户细分的研究方法和结果对于理解产业竞争情报与企业竞争情报的相互关系、针对目标细分用户的需求提供高水平竞争情报产品和服务具有参考意义。

基于潜类混合Logit的铁路疏解衔接系统用户细分

铁路疏解衔接系统用户细分是开展枢纽衔接优化的重要环节.将潜在类别模型与非集计混合Logit模型的似然函数进行融合,构建了一种能同时实现用户分类和行为分析的潜类混合Logit用户细分模型;通过在潜在类别中设置衔接方式属性随机偏好参数,实现了相同子市场用户间似而不同的属性偏好表达.依托成都东客站到达旅客的衔接方式选择SP(陈述偏好)调查数据,借助NLogit软件编程对该模型的测试与标定过程进行了说明,并结合标定结果对各衔接方式的市场总体时间弹性和费用弹性进行了计算,提出了相应的管理措施.结果显示,模型将铁路疏解衔接系统用户细分为“公交偏好型”、“私家车偏好型”、“出租车偏好型”、“网约车偏好型”4个子市场,不同子市场间呈现出差异化的市场占有率、属性敏感性和属性偏好程度,验证了潜类混合Logit模型在市场细分中能兼顾外源、内源性细分变量,并具有经济学解释能力强的特点.

基于满意度和忠诚度的图书馆用户细分研究

为从微观层次探索图书馆用户满意和忠诚之间关系的本质,本研究将用户满意分为非常满意、满意、不满意三个层次,将忠诚分为真实忠诚、虚假忠诚、潜在忠诚和不忠诚四种类型,采用K-均值聚类分析、交叉汇总分析等方法,基于满意程度和忠诚类型对用户进行细分。数据分析结果表明:尽管非常满意的用户与真实忠诚的用户存在强烈的对应关系,不满意的用户与不忠诚用户存在强烈的对应关系,但一般满意的用户与任何一种忠诚类型之间均不存在强烈的对应关系,且存在明显的"满意度陷阱现象",即声称对图书馆满意的用户中有一半的用户是不忠诚用户。图书馆应针对不同的用户类型,采用不同的忠诚提升策略。

基于迂回二次聚类的微博用户细分研究

对于开展微博营销的企业而言,挖掘微博用户信息,进行用户细分,是企业实现精准网络营销的迫切需求。为此,首先运用API和网络爬虫技术,获取@戴尔中国的粉丝列表及相关用户信息。通过数据预处理,得到有效数据样本。然后对变量进行相关性分析,引入微博热度、互粉率变量,确定性别、地域、粉丝数、关注数、等级、认证类型、互粉率、微博热度等8项用户细分变量。基于迂回二次聚类,将@戴尔中国的微博粉丝用户划分为草根明星型、活跃女性型和默默关注型三类。在此基础上,帮助戴尔针对不同的用户群制定微博营销策略,为戴尔开展精准营销提供参考。

基于改进RFM模型的直播平台用户细分及个性化推荐方法研究

网络直播是一种新兴的共情式传播媒体。针对直播行业特点研究了适合直播平台的用户细分及个性化推荐方法。基于直播平台中用户粘性及长期价值的重要性,将用户平均观看时长作为重要维度融入现有RFM模型,构建RFMT模型;通过RFMT Cluster和RFMT Segmentation方法实现用户细分;通过指标加权法计算用户-主播价值偏好,构建用户评分矩阵,结合协同过滤算法开展推荐实验。基于国内某主流直播平台的后台数据进行研究,结果表明,基于RFMT Segmentation的用户细分方法更适用于实际应用的推荐,细分后的各类群体推荐效果大幅提升。RFMT模型增加了对用户粘性和长期价值的考虑,更适应直播平台的特点,所提出的基于直播平台的用户细分及个性化推荐方法有效、可行。

基于用户细分的社会化问答社区知识贡献激励机制研究

目前社会化问答社区用户知识贡献日渐呈现出“90-9-1”金字塔结构,节点中心度的增加会对长尾用户的流量扶持及曝光产生直接影响。如何提高长尾用户的知识贡献意愿、孵化培养出核心用户并鼓励其传播优质付费知识对社区发展至关重要。基于社会化问答社区用户群体细分视角,通过系统动力学剖析细分群体内部的知识贡献、声誉报酬及群体转换系数间的反馈回路,绘制因果关系图与流量存量图,结合专家打分估计模型参数,探讨各类激励因素对细分群体转换及知识贡献产生的影响。研究结果表明:不同细分群体均呈现出高速增长态势;相较于核心用户的缓急增长,长尾用户表现出更为平稳的边际递增效应;腰部用户在经历初期免费模式认知锁定后,其付费知识贡献呈现稳定增长态势。

高校图书馆文献资源用户细分的研究

通过高校图书馆文献资源用户及其对高校图书馆之间关系的分析,提出了高校图书馆文献资源用户细分这一研究内容,进而总结出了相关的方法和实现用户细分的过程。

基于Affinity propagation和K-means算法的电力大用户细分方法分析

电力大用户是供电企业的重点用户,其在电力市场环境下的潜在价值以及发展趋势与供电企业的利益密切相关。为了识别出有价值的大用户行为与价值特征,提出基于近邻传播(Affinity propagation,AP)和K-means算法相结合的电力大用户细分方法。首先,从现有指标中提取出关键细分指标,并考虑电力大用户近期和长期的电费增长率,提出评估大用户发展潜力的细分指标;其次,将AP和K-means 2种算法相结合,基于细分指标对电力大用户进行细分,以解决寻找初始聚类中心以及聚类数的问题,同时避免K-means聚类时容易陷入局部最优的问题;算例分析以浙江某地区的用户数据为基础进行算例分析,验证所提出的电力大用户细分方法切实可行。

基于层次聚类法的“知乎”用户细分与行为分析

[目的/意义]对"知乎"用户群体进行细分,便于服务商准确锁定目标群体,提供更优质、精确的社会化问答服务。[方法/过程]抓取知乎用户数据,运用层次聚类法对33974个样本数据进行分组,构建以粉丝数为因变量的Tobit模型,识别其粉丝积累途径的差异。[结果/结论]识别了三个细分群体:"信息搜寻型用户",以信息搜寻为主要目的,回答问题能力不强,可能通过"互粉"进行粉丝积累;"专家型用户",人数不多,通过提供有用信息来积攒粉丝,通过关注话题和他人完成信息内化及能力提升;"自我学习型"用户,表现中庸,会通过提问获取信息,通过回答、公共编辑来帮助他人,但其撰写的文章数量有限,可能与其能力有关,也可能受精力所限。

基于数据挖掘的电动汽车用户细分及价值评价方法

用户细分可以掌握不同电动汽车用户充电行为的特征及其之间的差异性,对充电服务运营企业具有重要意义。基于运营管理系统迅速积累的大量充电服务数据,对全量数据进行探索性分析,筛选出细分模型关键变量,给出了基于数据挖掘技术和K均值(K_MEANS)聚类算法的电动汽车用户细分方法,提出了电动汽车用户价值评价方法。针对北京地区电动汽车用户开展分析并得到用户行为特征及价值评价结果。相关结论可为运维管理机制优化和精准营销策略制定提供数据支撑。

基于用户细分理论的情报服务研究

文章分析了影响高校图书馆情报需求的各类因素,在此基础上将用户划分为四种类型,并对各类型用户的服务特点、服务内容、产品形式等进行了对比分析,从而提出相应的服务策略。

基于感知价值的3G新增用户细分实证研究

3G业务发展过程中出现用户高增长、高流失现象。为改进市场策略,降低市场成本,选取体验阶段3G用户为研究对象,在对影响用户决策的因素进行总结的基础上,从实际用户消费数据出发,以用户感知价值为纽带,构建指标体系,通过聚类分析技术,将用户决策特征与实际消费行为联系起来,从新的维度对用户进行细分,探索顾客价值研究的新途径。

用户细分视角下英国国家档案馆网站建设特点及启示

档案馆网站细分用户既能促进档案资源系统整合,提高档案网站的建设质量,又能提高档案用户黏性。通过对英国国家档案馆网站建设情况的分析可以看出,该网站在服务群体定位、档案资源整合、网站功能设置、页面布局设计等方面都体现了用户细分特性。基于其建设特点,可从用户分群分层、多元主体共建、网站功能优化以及教育专栏细化四方面提出我国档案馆网站建设策略。

两种聚类算法在网站用户细分中的比较

给出了K-means算法和层次聚类算法在具体网站用户细分中准确率的比较,在细分网站用户这一类问题中,K-means算法在聚类准确率和处理速度上具有较大的优势,能够满足网站用户细分准确率的基本要求,其聚类准确率达到95%左右,且K-means算法处理速度比较快;层次聚类算法的处理速度较K-means算法慢,且其聚类准确率在处理大量用户数据时低于92%,这对于处理网站用户数据这类信息并不具备优势.

基于用户细分的微博社区用户流失预测研究

[目的/意义]旨在根据用户细分结果进行用户流失预测。[方法/过程]采用聚类分析方法对微博社区功能结构及用户特征进行分析,对用户流失条件进行界定,并进行用户分类;采用典型判别分析法构建用户流失预测模型,并通过交叉验证法判别预测精度。[结果/结论]该用户流失预测模型是可行的,且精度较高。提出"活跃型用户"和"明星用户"应加强回访和特权服务;"信息索取型用户"和"沉默型用户"应采取信息推送、Email等方式激发其活跃度;应建立用户流失预警机制,定期进行用户流失预测分析等建议。

3G用户细分研究

对3G用户的细分方法及3G目标市场的定位进行了初步的研究,提出了3G用户细分的体系框架和3G目标市场定位的考虑要素及初步的定位建议。

运营商基于用户细分的精准营销实践

随着数字经济的发展,人们的生活已全面互联网化,这个过程中产生了海量的数据,大数据的出现使得基于精细化细分群体的精准营销成为可能。运营商可利用这种精准营销方法不断满足用户的个性需求,从而吸引新用户留住老用户。文章从客户分群出发,基于对庞大用户的精细化分群,将数据贯穿营销的全流程,实现了策略匹配、策略执行、效果后评估的科学化新运营。

论大数据背景下电信行业的用户细分

长久以来,用户细分一直都是我们国家电信行业客户关系管理的一项重要内容,但是以往的用户细分工作并不够细致,实效性较差,不能满足客户分析和营销的需求。近几年来大数据技术正在不断发展,为电信行业的用户细分工作带来了极大的便利。在此基础之上,分析了大数据背景下电信行业的业务,然后探讨了电信行业用户细分现状,深入洞察用户需求,最后对大数据在电信行业用户细分实践未来发展进行展望。