背景
在竞争态下(与Uber中国、美团打车等抢占市场竞争时期),乘客面对平台的大量补贴,往往会被刺激出更多的打车需求,而更多的订单,更多的用户也是以更高补贴刺激出来的。高额的补贴烧钱并不是长久之计,在抢占市场份额的同时,刺激和培养用户的打车习惯也是补贴的目的。究竟怎样的用户可以在竞争态下的高额补贴退去之后仍然保持着一定的打车活跃度?怎样的用户在高额补贴退去之后完全流失或者极其低频?这便是乘客购买力标签所想要探清的问题。

高低购买力人群的定义和选择
标签的目的是找出两群人:
高购买力人群,即在高额补贴下有打车行为,在低补贴甚至无补贴时期仍然打车,即并不刻意追求高补贴的订单。因此可以看出对于此类人群竞争态高额补贴他们是有价值的,长远来看这类人群是盈利的。

低购买力人群,即在高额补贴下有打车行为,在低补贴甚至无补贴时期完全流失不打车或者打车频率较之前显得极低,即消费的时候几乎只追求高补贴的订单。因此可以看出对于此类人群竞争态高额补贴他们的价值不大,长远来看这类人群是亏本的。

从以上的定义可以看出,想要找出高低购买力人群,我们需要高额补贴的时期以及高额补贴后的低补贴或者无补贴时期,而中国网约车进程中这样的时期自然是Uber中国和滴滴大规模竞争的高额补贴期,以及之后合并后补贴减少的低额补贴时期。通过与Uber中国战中战后选取高低购买力人群再合适不过了。

因此我们可以选择出:
高购买力样本:Uber中国和滴滴当年战中活跃,战后依然保持一定活跃的人;

低购买力样本:Uber中国和滴滴当年战中活跃,战后极低频或者流失的人;

模型的学习和特征的选取
我们选择的样本仅仅是历史上的一部分典型的人群,人数规模小而且是在于当时的历史时期的表现。而机器学习模型的作用就是对于这样的两类人群学习其中的区别与规律,认清楚怎样特征的人应该属于怎样两类人群的哪一类,具体我们这个问题而言,怎样特征属性的人倾向于是高购买力,表现得像我们选取的高购买力人群;怎样特征属性的人倾向于是低购买力,表现得像我们选取的低购买力人群。

机器学习模型学习出区分高低购买力人群的规律,便可泛化到更加广大的人群中去,比如许多后来的新用户,以及一些我们选取样本时对于其购买力高低不那么典型的用户。

我先介绍一下我司新业务小桔租车,免得不知道我在吐槽什么,

因为大部分人!还!不!知!道!!新业务——小桔租车!!!

来自哪里,就是那个车服~

为啥不知道呢???

因为!!!!

入口太深了!!!

我tm要滑动顶导八百次才看到,为了让大家看清楚,我还做了一个gif↓↓

这个就是小桔租车,那小桔租车是啥呢???

反正分两块吧,一个是共享汽车,我们都知道了;另外一个是新上线的短租,就是和神州差不多的东西。

(看起来我司在布局了!!!好像很厉害的样子呢~~)

然后回到标题,刚上线没多久,我要爆料啥呢???

就是

有一个内部有奖活动!!

有奖!!!有奖!!!有奖!!!有奖!!!!
反正有200元京东卡,还有啥你往下看!!

活动是怎样的呢??


- 阅读剩余部分 -

新月计划-毫无保留计划了我们业务需求知识点。两月的时间结束了第一阶段的学习,吸收了保险,法律的相差知识,也讨论了真实的案件,从中认识到自己的不足,也应证了自己所说,安全这条路上我还在起跑阶段,怎么冲到终点,过程还很慢长,需要不段的学习,总结,复盘,调整,再向前。

  2019年5月28日下午的演习才真正看清在事实面前我们多么的无助,无力,无言以对。

  案情:司机于一起醉驾交通肇事逃逸事中被撞成植物人,一年后家属向平台索赔500万。

 我们三人小组(文志,居东,冲)将扮演工作人员对应司机家属(雅莉,霖南,奕,磊,芳,越),进行理赔谈判。

 首先对于家属的扮演者表示敬佩,专业,对平台痛点的了解,演技都相当出色。

 本次演习我做出了以下总结:

- 阅读剩余部分 -

背景
在拉新,沉默激活,核心用户养成等用户运营活动中,常常纠结该以哪种标准或者规则选出目标用户,并且对该批用户进行运营活动能够达到业务收益最大化。换言之,如果知道用户的潜在价值,就可以针对性地进行运营。而标签-潜在高价值用户,顾名思义,就是给用户定义其潜力值或者潜在价值,高潜力的人群能够获得高养成率和留存率,服务于规模增长。当然,潜在高价值用户不仅仅用在用户运营中,也可以在补贴策略中,提高补贴效率及转化率;在投放标签中精细化流量分发。

目标
1、高价值用户:一般以未来30日完单量定义。

2、高价值用户潜在转换概率:为提高核心用户的养成以及留存,模型预测成为核心用户的概率。概率值越大,表示用户价值越大,越有可能培养成为核心用户。

3、标签覆盖范围:专车,优享,豪华车以及华中南地区(快车&优享)。

4、使用场景:用户运营、流量运营、补贴优化、运能优化、渠道评估等。

标签评估及分析
以专车高潜新客和高潜沉默两个标签为例,分析标签在用户运营和补贴优化方向的实验效果。

  1. 用户运营
    运营策略:以高潜标签选取人群,应用非导流(发折扣券)策略和导流策略

评估标准:

留存率:在实验周期结束后的观察周期中,实验人群中仍有完单的乘客比例。
复购率:在实验周期内有完单的乘客,在实验周期结束后的观察周期中仍有完单的乘客比例。
效果分析:转换概率反映用户留存率及养成效率,在相同运营策略情况下:







- 阅读剩余部分 -