数据剖析的概念，是指在大数据中找到维度剖析，那么有没有好的模型能够直接参阅？或许你能了解一下“人货场”模型。

　　在一个电商复购率低的问题场景中，“人货场”模型会怎么样做剖析？能够总结为电商的货品特点（货）、货品卖场特点（场）、用户特点（人）三个维度。

　　人货场三个维度之所以经常用，是因为这三者与用户行为有直接关系，而且产品特点、卖场特点、用户习气都有一些天然生成的规则可循。因而很合适作为剖析的根底，做深做细。不管是抛砖引玉仍是作为首要模型剖析，“人货场”模型无疑都会供给有用协助。

　　运营领导十分着急，要求经过数据剖析提高复购率，请问你作为数据剖析师该怎么做？

　　B、把过往6个月月初复购率做成折线图，然后写下苍劲有力的三个大字：“要搞高！”

　　米面油是每天都得吃的东西，没啥时节性；草莓、车厘子、山竹不会每天吃，时节性很强。

　　米面油一般是整包、整桶买，买回去一桶能吃好久，还有专门的米桶、米盒、油壶用来分装。

　　上市时节：新鲜蔬菜水果有当季产品，反时节的卖得贵也不好吃，米面油没啥时节性

　　购买途径：假如有物流配送，大件硬通货（米面油）在线上买更省劲，散件的就线下买，最好能现场试吃几个防止踩雷

　　因而在生鲜产品中，用户行为会直接遭到过往购买产品的影响——你不能太盼望一个用户刚买10斤大米，过两天又来买10斤。

　　或者说，假如真的有用户反反复复地来买大米，那你得查看下自己供给的大米是不是比市场价廉价许多，有人在薅羊毛薅的状况呢。

　　有一个简略的矩阵模型能够描绘生鲜产品的复购思路，中心是产品购买频率和产品相关度。

　　特别在生鲜范畴，比方买了冻鸡翅、竹签，很有必定的概率会买木炭、丸子、烧烤汁，因而两维度穿插既有如下矩阵（如下图）。

　　买菜也是同理，为啥老人家喜爱逛菜市，一个很重要的缘由是煮饭本就没啥目的性，现场看着啥顺眼买点啥，二来能够货比三家挑挑新鲜廉价的。

　　菜市场，包含超市的生鲜区给人的视觉上的冲击是远远强过电商的，这便是卖场特点对复购行为带来的影响。

　　线上途径用的目标和线下相似，区别是，用户的登录场景、登录频次、登录后拜访内容，替代了门店方位远近。

　　有意思的是，不同于服装、零食、玩具等快消品，在生鲜范畴，线上途径的体会反而比线下差。

　　可是这就又引发第三个问题：有些用户或许便是单纯图廉价，有些用户真的有线上购买的刚需。

　　可是互联网应用是APP对用户，没有出售概念，因而才把售货员改成用户，所谓人的剖析，变成用户特点剖析。

　　而且这些字段不见得能看出啥，最典型的便是性别，男女比例差反常常只要几个点，能阐明个屁问题。

　　根据互动、消费行为标签会更好用，比方生鲜电商的范畴，有多少客户是注册送20元米面油券，首单免配送费，进口车厘子25元4斤这种活动搞进来的。

　　相似的，还能够打：刚性购买用户、反常气候购买用户、疫区用户等等标签，这些或许区分度更高（如下图）。

　　最终能够把各个剖析维度拧起来，组成全体剖析逻辑，从粗到细构成定论（如下图）。

　　人货场三个维度之所以经常用，是因为这三者与用户行为有直接关系，而且产品特点、卖场特点、用户习气都有一些天然生成的规则可循。

　　可是现在职业里都会存在的问题，是做事务的新人就知道发券，难言之隐一券了之，还美其名曰：互联网思想便是免费！

　　做数据的新人就知道RFM，相关剖析，一讲模型就想协同过滤，托付小哥哥们，就你那渠道用户粘性，百分之六七十一次登录，用户天然生成便是优惠券买来的，有多少实在数据给你练习模型呢。

　　就像生鲜电子商务职业，真去几趟菜场，和买菜主力人群：大爷大妈、家庭主妇聊聊，会比每天和吃饿了吗的搭档评论AARRR有用的多，能够一试哦。