在 [Customer Data Platform 是如何煉成的 (二)]中提到了 User Behavior，但 User Behavior 的資料從哪裡來，又該如何定義呢 ?

Customer Data Platform 是如何煉成的 (二)
Date: 2022-03-28   Categories: #Customer Data Platform 
顯而易見，討論出一個有共識、覺得可行的方式將問題進行轉化，這就屬於洞察(Insights)；而被提出的問題本身，則是被發現的異常(Anomaly)。原文最後提出「具有評分等級的使用者清單」則是貢獻(Contribute)。 有趣的是，當營銷人員依據清單進行預算投放後，便又能獲取新一輪的結果，這個結果除了可供驗證，同時也具備發現新異常的可能性。 ......

以 GA ( Google Analytics ) 為例，在 Web 或 Mobile APP 中進行 GA 埋 code，這些 code 可以是 GA 預設的事件，如 : Page View 、 Session Engagement 、 Activity User，或者是自定義的 event 等等。 GCP BigQuery 提供的 Public datasets 中也提供已將 GA 資料轉化為 ecommerce 的 dataset ，來源為 Qwiklabs: Predict Visitor Purchases with a Classification Model in BQML

本篇文章也利用這份公開資料集進行說明 :

  • What Goal We Need
  • Feature and Label
  • Improve and Tune

User Behavior

比較直觀的是對 behavior 的理解，可以想像當消費者在不同的 E-Commerce website 進行瀏覽商品、獲得推薦或是購物車結帳等操作時，由於 website 的設計不同，消費者可能需要跨越不同的頁面、點擊不同的連結，或是輸入不同的資料等等。

因此，消費者在 website A 與 website B 的 「behavior」也會不同；從另外一個角度來看 : 同一個 website 中，消費者要達成相同目的的操作，必定會在有限個數的操作途徑中完成。而這些途徑也就構成了 User Behavior 基本單位，而有針對性、目的性的對途徑資料進行挑選，也就構成了一個 specific behavior 的定義。

What Goal We Need ?

在一開始會想知道 website 訪問人數、購買次數以及轉化率各是多少；如下圖所示，分別是

  • 訪問人數 : 約 74 萬
  • 購買次數 : 約 2 萬
  • 轉化率 : 約 2.7%

然而，僅從結果層面獲得的資料，無法描述每項商品的銷售情況，因此對每項商品進行排比

這可能就是常見的報表內容，即各項商品的銷售情況與 website 的成效指標；但是若更進一步的思考，這份報表所表達的是對資料進行統計後的資訊，或是常見的用詞 Data Informed ；那麼，分析的目標只是產生報表數據嗎 ?

或者，是希望能從資料中協助識別「哪些訪問者更可能會促成購買商品的事件」呢 ?

Feature and Label

首先考慮有多少訪問人數進行了購買，包含了第一次瀏覽就購買以及再次訪問後進行購買

共有 (11,873 / 741,721) = 1.6% 的人是在第二次訪問商品頁面時，才進行購買；雖然沒有一個正確答案，但普遍的原因可能是消費者在購買前會進行商品的比價。

以此為例，可以從原始資料中列舉一些因素，作為判斷訪問者是否會進行購買的依據 ( feature )，並將再次回訪是否產生購買行為作為答案 ( label ) 對其訓練一個模型 ( model )；期望在下次收集到相關資料時，模型可以識別並告知訪問者是否會產生購買行為。

第一次挑選 feature 時，對以下兩個因素進行分析

  • bounces : 訪問者是否立即離開 website
  • time_on_site : 訪問者在 website 停留的時間

通常在訓練和評估模型之前，直接判斷 feature 的選擇是好或不好都為時過早，但在 time_on_site 排比前 10 的結果中，只有 1 個客戶返回購買；而模型測試的準確率也確實不好。

Improve and Tune

在原始數據中，可能有更多的 feature 可以幫助 model 進行識別購買行為起到作用；而找出 feature 的方法除了對所有排列組合逐一進行嘗試外，也可以透過與相關人員，如 : 營銷人員、UX 設計師、統計專家或資料科學家等等，進行討論並達成共識後得出。

在這個案例中，除了 bounces 與 time_on_site 之外，還可以加入以下的 feature

  • 訪問者第一次訪問時，在結帳過程中經歷了多少次的操作 (距離)
  • 流量的來源 : 透過搜索或是 referring site 等等
  • 設備的類別 : 手機 、 平板 或是 PC
  • 地理資訊 : 來自哪個國家

重新訓練模型後測試的準確率也有所提高，同時模型也能提供一個預測結果，告知該訪問者是否會進行購買行為

Summary

Qwiklabs: Predict Visitor Purchases with a Classification Model in BQML 的案例在最後給出的結論如下

  • 在前 6% 的首次訪問者中，超過 6% 的人會在後續訪問時產生購買行為
  • 整體而言，只有 0.7% 的首次訪問者，會在後續訪問時產生購買行為
  • 瞄準前 6% 的第一次訪問者名單，會使營銷投資回報率提高 9 倍

因此，若是能夠在得到模型預測的結果後，依據營銷策略進行即時的投放處理，包含但不限於: EDM廣告、Coupon折價券或是限定綑綁折扣等等，建構起一個自動化營銷的方法；這也是一種 Data Driven 的方法。

整篇文章寫到這裡，從 「What Goal We Need」 中辨別更具價值的目標、「Feature and Label」中定義需產出的貢獻與評斷方式，到最後「Improve and Tune」透過討論達成共識，並進行相對應的調整，讓整體結果能夠產出的更好貢獻，我認為這是一種不斷優化與建立 CDP 的好方法。