怎樣利用數據挖掘潛在用戶(hù)？（利用數據挖掘潛在用戶(hù)的4個(gè)步驟） DATE: 2026-05-05 08:38:45
文章分享了??一種挖掘潛在用戶(hù)的樣利用數用戶(hù)算法，與大家分享，ヽ(′ー｀)ノ據挖掘潛希望可以給大家帶來(lái)啟發(fā)。利用
你是否在打開(kāi)APP時(shí)發(fā)現有商家推送優(yōu)惠消息？
這只是簡(jiǎn)單的群發(fā)么？當然不是。
你在網(wǎng)站上的挖掘所有行為，代表著(zhù)你的潛用意向和需求，所以通過(guò)算法，個(gè)步網(wǎng)站就能把你推(°ロ°) !送給相應店家。樣利用數用戶(hù)
你以為網(wǎng)站靠賣(mài)賣(mài)賣(mài)賺錢(qián)，據挖掘潛對沒(méi)錯，利用賣(mài)的數據就是你。
這只是挖掘個(gè)玩笑，接下來(lái)要講的潛用是，玩笑背后的個(gè)步真實(shí)買(mǎi)賣(mài)——如何挖掘潛在(╯°□°)╯用戶(hù)。
你關(guān)注過(guò)B端客戶(hù)的樣利用數用戶(hù)需求嗎？
潛客推薦有什么用？
如果你是普通用戶(hù)，那么看完整篇文章你就明白你是怎么收到商家短信的。如果你是B端PM，試試看也做一款這樣的產(chǎn)品，或者提提建議也行。如果你是B端商家(jia)，考慮下你是??否也??有這個(gè)需求。接下來(lái)要介紹的發(fā)現潛客算法：
怎么找到潛在用戶(hù)？
1.算法數據支撐
全網(wǎng)用戶(hù)的所有行為：為了更好地說(shuō)明，簡(jiǎn)化為瀏覽、收藏、在線(xiàn)咨詢(xún)這三種行為。
這里涉及到一個(gè)概念“差異驅動(dòng)”：當評價(jià)對象在某一指標的差異越大時(shí)，我們認為這個(gè)評價(jià)指標的重要性越大。
所以，這三種行為代表用戶(hù)購買(mǎi)意愿由弱到強。
2.算法邏??輯
第一步：計算行為的出現概率
首先，通過(guò)近一( ?ω?)個(gè)月的用戶(hù)行為數據，算出瀏覽、收藏、在線(xiàn)咨詢(xún)這三種行為出現的概率，依次記做P’1、P’2、P’3，假設計算結果為70%、20%、10%。
第二步：為不同行為客觀(guān)賦權
首先，信息熵計算
信息熵是衡量一個(gè)系統的有序化程度，熵越大表示信息無(wú)序化程度越高，信息效用越(yue)低。比如球場(chǎng)上一方??勝率為70%另一方30%，比兩方勝率??不明確（均為50??%）的熵要小，勝率越明確信息越有效。
其原ヽ(′?｀)ノ理可( ?ヮ?)參考論文《利用信息熵??計算評價(jià)指標權重原理及實(shí)例》，作者羅進(jìn)。
這里的Pi就是代表某一??行為的概率，該公式是正相關(guān)的關(guān)系，但本文中“用戶(hù)行為的P’i越小表示行為越(yue)重要，故權重越小”，為了糾正變量之間的關(guān)系，取其倒數Pi=1/P’i，這樣才( ?ヮ?)符合我們需求——變量負相關(guān)??。
接著(zhù)，數據歸一化處理(li)
具體計算方法和原理可參考：http://www.docin.com/p-674202391.html
最后，行為權重計算
加入歸一化系數，使權重統一化，公(???)式為：
第三步：行為分值確定
給每種行為(′?_?`)分配分值：
設瀏覽行為的分值為T(mén)1，則收藏T2=T1*(W2/W1)，電話(huà)咨詢(xún)T3=T1*(W3/W1)
首先，此算法可以有多種變種。如果要做得更圓滿(mǎn)，應該還要考慮權重的時(shí)間變化（比如永遠以??最近30天的行為(′?｀*)來(lái)計算概率）、加入用戶(hù)的消極行為（取關(guān)(guan)、投訴、差評）、用戶(hù)習?慣（購買(mǎi)周期、頁(yè)面停留時(shí)間等）、用戶(hù)現狀（已購哪些、已退?哪些、收藏哪些）等完善用戶(hù)畫(huà)像。