作者：麵包君 【數據分析聯盟創始人，前支付寶資深數據人，VC投資人，《數據分析俠的成長故事》作者，7年大數據行業數據分析和產品從業經驗】。
知乎專欄：https://zhuanlan.zhihu.com/dataman
精彩回顧：數據挖掘系列篇之今日頭條的個性化推薦
說到數據挖掘，就不得不說到會員分析。 可參考閱讀： 數據挖掘系列篇（1）：總結職業（https://ask.hellobi.com/blog/dataman/2334）
會員分析老生常談的問題，包括會員分級、用戶畫像、會員個性化營銷、會員價值挖掘等等。而現在圍繞會員的運營模式也在發生著變化，從過去做產品，到現在做會員服務，從P到S的轉變勢必會需要介入數據來挖掘會員的特徵、習慣、活躍、忠誠度等。
凡是接觸到會員分析這塊，都會談到會員分級和忠誠度這些話題。至於為什麼從零售到金融，從線下到線上都在談這個，原因也是因為20%的客戶創造了80%的價值。我們要從海量的會員中挑出這創造價值的20%，給他們更好的服務。他們是我們最忠誠的用戶，是我們的沉澱用戶，是我們品牌口碑宣傳的關鍵。這部分會員表現出來的特點就是高頻高消費高活躍度，不需要花太大的成本來推廣，作為商家可以花更多的時間在服務上。
先來說說會員分級，不管是QQ會員、還是taobao會員、亦或是京東會員等，都是希望用戶能夠從最底層的潛在用戶發展到VIP會員，刺激用戶的消費，提高用戶的忠誠度，通過一些bonus的offer來吸引。
如QQ會員：QQ會員在原有通過累積活躍天數來獲取相應QQ等級增長的基礎上，還可以根據會員等級來加速QQ等級的增長。即是能增加每天的在線時長，從而累積更多的活躍天數，獲得更高的QQ等級。
更靈活的QQ等級成長制度，更快的QQ等級成長速度，僅供QQ會員用戶尊享！讓您獲得更多回報，QQ等級快速提升！
淘寶的消費者會員等級是以交易為基礎的，1元=1分，不同分值對應不同的會員等級。會員等級越高，能享受的特權越多，包括購物、服務、生活等。另外，基於網購行為，淘寶匹配設計了簡單的勳章成就，作為虛擬自我價值的體現，在淘江湖等社區中，等級和勳章可以體現一個人的購物經驗，以得到更多人的認可。與其他網站不同，淘寶的會員等級是按照0.25%/天衰減的，這也是激勵用戶穩定消費的一種手段。
與其他UGC類網站不同，淘寶的消費者成長體系圍繞「交易」這個核心打造。一手抓交易經驗的積累，以會員等級體現;另一手給實際的讓利優惠，以積分體現。這種成長體系對留住優質用戶，增加網站粘著度和氛圍起到了積極的推動作用。而在賣家成長體系中，淘寶可謂B2C類的典範，但即便這樣，也無法杜絕賣假貨、刷信用等問題的存在，甚至這些問題成為了C2C與B2C的核心劣勢。這也是淘寶強化天貓商城的根本動機。
再比如京東，京東商城的會員等級劃分為4個，從低到高分別是銅牌會員、銀牌會員、金牌會員和鑽石會員。不同等級都需要不同的成長值。成長值達到2000就能成為銀牌會員、成長值達到10000就能成為金牌會員、成長值達到30000的就成為鑽石會員。
成長值是會員升級的重要依據。那麼我們可以從平時的登錄、購物、購物天數和購物的評價以及曬單來獲取不同的成長值。
1、登陸：每天登錄一次可以獲得5個成長值。
2、購物：購物成長值的獲取以結算金額X購物行為評級倍數的計算方式來獲取。
3、購物天數：一個月內有三天進行購物，且訂單已完成的次月可以獲取100成長值。
4、評價：購物完成後，對產品進行評價，評價審核成功後可以獲得20個成長值。
5、曬單：在京東中對產品曬單，前5名曬單的客戶可以獲得20個成長值。
而像其他的微博、人人網、豆瓣等各類網站基本上都是類似。通過不同的會員分層，來彰顯你與眾不同的身份和地位。
如果你是做數據的，現在還把很久之前的RFM模型搬來套的話，難免有些老掉牙了。但RFM卻為我們打開會員分級的大門，所以我們還是要感謝RFM。
再談到忠誠度的問題，話說會員分級要針對什麼來做的，首先你要是個大平臺，你如果是個不知名的網站，我在上面是個至尊VIP又能怎麼樣。如果你不能讓會員得到他需要的面子的問題，那作為小平臺我們就不用做會員分析了嗎？沒錯，你總得讓會員先留下來吧。
整個會員的生命周期發展規律或者產品也是，都遵循從潛伏、到活躍、到頂峰、最後逐漸的流失。
數據挖掘在這過程中，先找出我們的潛在用戶，什麼意思，就是可能會用我們業務的用戶。比如你推車主業務，前提是我要有車吧。比如你推理財產品，前提我有資金。
找到這些潛在用戶，怎麼挖掘他們的價值。這裡面主要涉及到關聯分析，所使用到得營銷就是向上營銷和交叉營銷。
向上營銷（Up Marketing）：根據既有客戶過去的消費喜好，提供更高價值或者其他用以加強其原有功能或者用途的產品或服務。
交叉營銷（Cross Marketing）：從客戶的購買行為中發現客戶的多種需求，向其推銷相關的產品或服務。
計算關聯規則挖掘中的2個關鍵指標
——支持度（Support）和置信度（Confidence）：
支持度=購買了A和B商品（集合G）的人數/所有購買過商品（集合U）的人數
置信度=購買了A和B商品（集合G）的人數/購買了A商品（集合A）的人數
得到這兩個指標之後，需要為這兩個指標設立一個最低門檻，即最小支持度和最小置信度。因為在用戶的購買行為中，購買A商品的用戶可能不僅購買B商品，還購買了C、D、E……等一系列商品，所以我們需要分別算出所有這些組合的支持度和置信度，只有滿足比如支持度>0.2，置信度>0.6的這些商品組合才可以認為是有關聯的，值得推薦的。
對於活躍的用戶，我們需要掌握好他們的消費RFM（時間、頻次和金額），給他們的offer響應的轉化率相比較潛在用戶會輕鬆超出很多。常見的數據挖掘中應用到得是預測LR、RF，根據過往他們的消費歷史數據來訓練。
而針對流失的用戶我們需要不需要挽回呢？我們之前零售測算過的成本發現通過挽回用戶的方式得不償失，成本很高。相比較潛在和活躍用戶，流失用戶是累覺不愛。比如我挽回他，需要5元，而他創造的價值可能就只有1毛。像關注公眾號類似，我已經添加關注了公眾號，並關注了一段時間，最終取消關注的情況大多是真心不愛。你再挽回有些強扭的瓜不甜。
會員畫像：會員畫像就是一堆標籤庫。
產品表現出來是
而會員個性化營銷更多的就是給這些你掌握的不同人群定製他們專屬的服務。比如說我是一個不怎麼出險的車主，理論上就應該享受到更多的車險優惠福利。亦或是我是VIP白金會員，就應該享受到更高的折扣優惠和更多的權益。這樣才能刺激用戶向你希望的價值更高的會員發展。
圍繞會員價值的數據挖掘有很多，會員價值包括歷史價值、當前價值、影響價值和未來價值。比例大致在2：5：1：2 。所以當你在給會員價值打分的時候，需要結合他多方面的影響來權重考慮。
快報：麵包君 6月20日在Hellobi Live直播 《網際網路金融行業大數據應用》內容：1、網際網路金融的發展歷程 2、大數據在網際網路金融的應用 3、 徵信體系介紹 4、風控反作弊欺詐模型運用 5、網際網路金融公司貸款授信 6、保險定價策略分析 7、量化投資應用
參加方式：閱讀原文或掃碼參加