“回頭客少”無論是在實體店的經營還是產品的線上運營過程中都是個十分經典的問題，且對於這個問題的解答，很多人的答案方向無外乎都是從廣告投入、產品質量和服務體驗最佳化切入。然而，你真的瞭解你的使用者麼？你的最佳化策略真的可以有效提升使用者復購？

如果無法給出肯定的回答，那不如換個思考的方式。比如，是不是可以提前評估使用者的復購潛力？在存量使用者中是不是可以做進一步的增長挖掘？怎樣才能觸達使用者消費的核心痛點並引導他們持續復購？

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210122140806642.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDcwODI0MA==,size_16,color_FFFFFF,t_70#pic_center)

### 一、如何評估使用者復購潛力
其實從使用者註冊帳號到再次決定購買這個過程中，使用者的頁面瀏覽次數、活躍時間等行為資料已經決定了來自使用者自身的復購需求。因此，基於使用者前期應用內的一些行為資料分析，是可以推斷出使用者的復購潛力的，而復購預測就是解決這樣的問題。

華為預測服務經過大量的資料實驗，將機器學習技術應用到使用者行為資料中，使用應用最近一週內歷史付費使用者的付費資料訓練模型，以預測應用最近一週的活躍的歷史付費使用者在未來一週內購買付費的機率。因此，開通預測服務後，您的應用透過華為分析服務上報關聯事件，如應用內購買事件，即可預測出不同機率的復購人群。

### 二、怎樣做存量使用者的增長挖掘
使用者的應用內行為決定了來自其自身的復購需求，而我們需要做的就是針對預測出來的高潛力復購人群，制定相應的運營策略來放大他們的需求，提高復購率。對症下藥，瞭解並挖掘高潛力復購人群的屬性和行為偏好，可以讓制定的增長策略更加合理有效。

設計一套會員體系，透過會員的折扣、積分活動吸引使用者再次購買是很多產品為了吸引使用者復購採用的持續性激勵營銷策略。目前大部分的會員體系主要設計場景如下：從註冊會員開始，按照使用者付費金額累計會員積分，會員積分可用於一些福利折扣券、小禮品的兌換。這種會員機制一定程度上確實起到了吸引使用者復購的作用，但是隨著禮品兌換門檻過高，禮品數量有限、積分規則設定不合理等問題的出現，後期使用者將逐漸對這種積分會員玩法失去興趣。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210122140920333.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDcwODI0MA==,size_16,color_FFFFFF,t_70#pic_center)

透過復購預測，我們嘗試對上述營銷策略最佳化，幫助產品在吸引使用者復購的同時節約成本。當檢視使用者復購預測詳情，我們發現，無論是最近一次使用資料還是近一週內的使用天數，都表明預測出來的復購使用者近期都較為活躍。可以推斷，使用者可能由於某使用場景，對產品產生了復購訴求，目前正在觀望對比。這個時候若產品在價格、品牌競爭力等方面無明顯優勢，那使用者可能選擇嘗新，購買其他競品。

### 三、如何引導使用者持續轉化
上文提到的復購預測詳情讓我們有了高潛力復購使用者的畫像，接下來就是如何合理引導他們，增加其復購轉化率。這個時候，很多購物類APP會充分利用自己已有的會員積分體系，在週末或者大促節假日推出購物限時10倍會員積分，限時積分兌換禮券、現金等活動，但每次活動覆盤後發現，活動雖然吸引了使用者復購，但每開展一次的成本是非常高的。

復購預測的受眾細分功能可幫助解決花費成本少但不影響運營活動效果的運營痛點。預測出來的高機率復購使用者可作為受眾，作為遠端配置的配置項過濾條件，透過遠端配置的雲側配置頁引數設定，就可以實現會員福利活動僅對目標高機率復購使用者展示。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210122141013803.png#pic_center)

透過A/B測試的遠端配置實驗資料，我們發現，復購預測過濾條件下的實驗組帶來的轉化與常規使用者組相比，轉化率基本持平，但是，實驗組的活動花費卻只有常規使用者組的40%，大大節約了活動成本。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210122141037930.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDcwODI0MA==,size_16,color_FFFFFF,t_70#pic_center)

提前預測並深度挖掘高潛力復購使用者的行為偏好，制定針對性運營策略觸達他們消費的核心痛點，將在流量紅利消失的當下，讓您的產品在加速的數字化程式中實現精益增長。

以上就是華為預測服務之復購預測任務的簡單介紹，想要了解更多並開始使用，點選此處檢視文件。

欲瞭解更多詳情，請參閱：
華為開發者聯盟官網：[https://developer.huawei.com/consumer/cn/hms?ha_source=hms1](https://developer.huawei.com/consumer/cn/hms?ha_source=hms1)
獲取開發指導文件：[https://developer.huawei.com/consumer/cn/doc/development?ha_source=hms1](https://developer.huawei.com/consumer/cn/doc/development?ha_source=hms1)
參與開發者討論請到Reddit社群：https://www.reddit.com/r/HuaweiDevelopers/
下載demo和示例程式碼請到Github：https://github.com/HMS-Core
解決整合問題請到Stack Overflow：https://stackoverflow.com/questions/tagged/huawei-mobile-services?tab=Newest

---
原文連結：[https://developer.huawei.com/consumer/cn/forum/topic/0202454321914550801?fid=18](https://developer.huawei.com/consumer/cn/forum/topic/0202454321914550801?fid=18)

原作者：胡椒

做好復購預測，觸達使用者消費的核心痛點

相關文章