رفتار کاربر در داده کاوی

رفتار کاربر در داده کاوی

در این مقاله مهمانان ما Yeong Shin Lee از PMIG و Yongil Lee از LOEN Entertainment هستند.

اگر موضوعی در مورد فرآیند داده کاوی دارید که می خواهید آن را به اشتراک بگذارید ، لطفاً از طریق mailto:anne@fluxicon.com با ما تماس بگیرید.

خلاصه

      شرکت های اینترنتی کره ای داده های ورود گسترده ای را در دست دارند که نحوه استفاده کاربران از سرویس را ثبت می کند. اگر آنها بتوانند از آن به طور مؤثر استفاده کنند ، می توانند برای به  حداکثر رساندن درآمد خود یک گام فرا تر از رقیب هایشان بردارند. با این حال ، بسیاری از آنها هنوز در مراحل اولیه هستند که با انجام تجزیه و تحلیل های آماری ساده ، ویژگی های غیر متعارف کاربران را شناسایی می کنند.

LOEN Entertainment       مسولیت اجرای Melon  را بر عهده دارد که بزرگترین سرویس پخش آنلاین موسیقی در کره جنوبی است. آنها فرآیند داده کاوی را با Disco را برای تحلیل داده های ورود شده به سیستم  از طریق برنامه های تلفن همراه انجام می دهند. LOEN رفتار کاربران جدید را که با یک حساب KakaoTalk  در طول روز ثبت نام کرده اند تجزیه و تحلیل می کند . KakaoTalk یک برنامه پیام رسانی فوری موبایل برای تلفن های هوشمند با متن رایگان و ویژگی های تماس رایگان است. از 93٪ از دارندگان گوشی های هوشمند در کره جنوبی از KakaoTalk استفاده می کنند.

      آنها کاربران جدید را بر اساس الگوی رفتاری خود به پنج بخش دسته بندی کرده و دلیل ثبت نام هر بخش را کاملاً مشخص کرده اند. علاوه بر این ، با تکیه بر نتایج آنالیز ، قصد دارند یک کمپین بازاریابی هدفمند را برای افزایش هر بخش CVR  انجام دهد. این شرکت ادعا می کند که تجزیه و تحلیل فرآیند استخراج آنها با استفاده از Disco نقش اساسی در درک مشتریان جدید دارد و به احتمال زیاد در به حداکثر رساندن درآمد کمک خواهد کرد.

شرکت و خدمات

      با گسترش تلفن های هوشمند ، بازار موسیقی دیجیتال کره به شدت رشد کرده است ، اکنون به حدود 900 میلیون دلار رسیده است. Melon  بیش از 60٪ سهم بازار را دارد و بیش از 34 میلیون کاربر و 4.5 میلیون پرداخت را ثبت کرده است. این سرویس به عنوان سرویس موسیقی SK Telecoms در سال 2004 آغاز شد ، زمانی که بازار موسیقی دیجیتال هنوز در مراحل اولیه خود بود. بعداً ، SK Telecom سرویس را به شرکت فرعی خود ، LOEN Entertainment منتقل کرد.

Kakao در ژانویه سال 2016 شرکت فرعی را بر عهده گرفت. LOEN اکنون با همکاری Kakao ، روی تأمین امنیت کاربران جدید تمرکز دارد. یک کاربر با یک حساب KakaoTalk می تواند از خدمات Melon  بدون یک پروسه ثبت نام جداگانه استفاده کند (شکل 1 را ببینید).

شکل 1: برنامه موبایل موبایل Melons (سمت چپ) و صفحه ورود به سیستم (سمت راست).

      علاوه بر این ، آنها کمپینی را ایجاد کرده اند که از طریق آن شکلک های پولی ایجاد شده توسط KakaoTalks به مشترکین Melon که هزینه پرداخت کرده اند  بدون هیچ هزینه ای داده می شود. برای درک رفتار کاربران جدیدی که با یک حساب KakaoTalk به سیستم وارد شده و برای افزایش CVR خود ، LOEN Entertainment ، بدون گرفتن مشاوره خارجی ، با استفاده از Disco  ، یک پروژه فرآیند داده کاوی را انجام داد. یک تحلیلگر داده در داخل شرکت داده ها را برای فرآیند داده کاوی آماده کرده و یک فروشنده جهت تجزیه و تحلیل را تعیین کرده و تجزیه و تحلیل فرآیند داده کاوی را با استفاده از دانش خود انجام داد.

روند

روندی که مورد تجزیه و تحلیل قرار گرفت ، رفتار کاربران جدید در طی روز بود وقتی آن ها در برنامه تلفن همراه Melon ثبت نام می کنند. دلایل انتخاب این فرآیند به شرح زیر است:

1-اول ، این روند هم جهت استراتژی شرکت ها است ، و با تمرکز بر تقویت مشتری خود در هماهنگی با شرکت مادر خود i.e., Kakao)) انجام می شود.

2- دوم ، افزایش CVR کاربران جدید به افزایش سود شرکت کمک می کند.

3- سرانجام ، تقسیم بندی مشترکین جدید بر اساس الگوهای رفتاری و مشخص کردن هدف ثبت نام آنها ، به حفظ روابط طولانی مدت با آنها کمک می کند.

داده ها

      تیم پروژه داده ها را از یک سیستم Hadoop استخراج کرده است که عملکرد استفاده کاربران از برنامه های تلفن همراه را ضبط می کند. سپس ، این تیم داده ها را از قبل پردازش کرده و آن را به Disco وارد می کند. شماره کاربر و نام منو به ترتیب به عنوان شناسه پرونده و فعالیت تنظیم شدند.

      با توجه به پشتیبانی کامل  Unicode  از Disco ، تیم می توانست نقشه فرایند کشف شده را با نام فعالیت های موجود در کره ای به راحتی درک کند. علاوه بر این ، با کمک فیلترهای قدرتمند Discos ، بسیاری از پیش پردازش ها را می توان در فرآیند  داده کاوی انجام داد ، که باعث کاهش زمان و تلاش برای تجزیه و تحلیل کلی فرآیند  داده کاوی می شود.

نتایج

      هنگامی که تیم تجزیه و تحلیل داده ها از یک آنالیز کننده کلی  ورود به سیستم وب استفاده می کند ، می تواند صفحه خاصی را که کاربر از آن بازدید کرده است ، و صفحات قبلی و بعدی آن را شناسایی کند. در مقابل ، فرآیند داده کاوی یک نقشه فرآیند پایان به پایان(تمام زمانی که کاربر از برنامه استفاده کرده) ، الگوهای تکرار و مدت زمان سپری شده بین صفحات (فهرست ها) را ارائه می دهد. بنابراین ، تیم می تواند دقیقاً نحوه استفاده کاربران از سرویس برنامه تلفن همراه را مشخص کند.

      این تیم با استفاده از قابلیت های فرآیند داده کاوی Disco ، رفتار های  کاربران جدید را مورد تجزیه و تحلیل قرار می دهد و آنها را بر اساس الگوی استفاده  آنها از برنامه ، به پنج بخش دسته بندی می  کند.

      بخش 1 گروهی از مشتریانی است که هزینه خدمات موسیقی را پرداخت می کنند. نقشه فرآیند این بخش در شکل 2 نشان داده شده است (به صفحه بعدی مراجعه کنید). مستطیل ها فعالیت ها (در اینجا ، نام های منو) را نشان می دهند و فلش های بین آنها ترتیب بازدید از صفحات توسط مشتریان را نشان می دهد. هرچه فعالیت ها تاریک تر و فلش ضخیم تر باشد ، بیشتر قسمت های این فرآیند دنبال می شوند.

شکل 2: نقشه فرایند ساده نحوه بازدید صفحه ها برای اولین بخش مشتری (توجه داشته باشید که نام صفحات انگلیسی برای شفافیت پوشانده شده است ؛ علاوه بر این برخی از اسامی فعالیت ها و همچنین فرکانس و اندازه گیری های عملکرد به دلایل محرمانه حذف شده اند).

      بخش 2-5 گروه های مشتریانی هستند که هزینه خدمات موسیقی را پرداخت نکرده اند. این تیم نقشه های فرآیند خود را کشف کرد و توانست از طریق نقشه ها هدف ثبت مشتری را به روشنی مشخص کند. براساس این بینشهای حاصل از تحلیل فرآیند داده کاوی، استراتژیهایی برای افزایش CVR تدوین شده است.

ضربه

      این تیم ادعا می کند که در پروژه فرآیند داده کاوی به موفقیت کاملی دست یافته است. کاربران جدید را به 5 بخش تقسیم می کند. برای هر بخش ، آنها می توانند هدف ثبت نام و صفحات کلیدی مورد بازدید را به روشنی مشخص کنند.

      در حال حاضر ، این تیم قصد دارد تا در این صفحات کلیدی که هر بخش به طور مکرر از آنها بازدید می کند ، یک کمپین بازاریابی هدفمند ، سفارشی برای هر بخش انجام دهد. پس از انجام کارزار ، تیم مشخص خواهد کرد که هر بخش CVR چه مقدار بهبود یافته است. برای اهداف CVR که محقق نشده است ، تیم تجزیه و تحلیل فرآیند داده کاوی را انجام می دهد تا رفتار مشتری را تجزیه و تحلیل کند و دلایل اصلی عدم دستیابی به CVR هدف را پیدا کند. پس از این پروژه اولیه ، تحلیل های استخراج فرآوری  Melon  با استفاده از Disco اکنون به یک فعالیت بهبود روزانه تبدیل شده است.

·https://fluxicon.com/blog/2018/02/case-study-customer-journey-mining/

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

مقایسه
علاقه مندی ها 0