用戶增長三駕馬車之模型篇

用戶增加三駕馬車：模型、策略以及話術(shù)。這三者是一個有機(jī)的整體，需要協(xié)同發(fā)揮最大的業(yè)務(wù)效果，本篇主要講一下作者對模型的一些認(rèn)識。

《用戶增長三駕馬車之策略篇》

《用戶增長三駕馬車之話術(shù)篇》

因作者不是專門模型同學(xué)，在這一塊不敢班門弄斧，但是可以從業(yè)務(wù)效果的視角來看模型如何和業(yè)務(wù)配合，達(dá)成客戶預(yù)期。

一、模型的必要性

這基本上是一個毋庸置疑的問題，但是也不絕對。還是和場景和用戶量有關(guān)。

筆者在做某業(yè)務(wù)時，之前由于樣本問題，筆者發(fā)現(xiàn)的模型的人群有所偏移。在這個時候，就算減少人群包的投放數(shù)量，盡可能地選取高分段投放，也發(fā)現(xiàn)成本有點(diǎn)失控，其實(shí)這個時候是作為業(yè)務(wù)基礎(chǔ)的模型出了問題，最終導(dǎo)致成本的不可控。所以，模型是業(yè)務(wù)的基本盤，沒有模型，相當(dāng)于盲投，會對業(yè)務(wù)產(chǎn)生直接影響。所以，筆者的意思是模型是業(yè)務(wù)的基石，必不可少。模型出現(xiàn)問題，直接影響業(yè)務(wù)的開展。必須將模型調(diào)整好，才能保證業(yè)務(wù)的正常進(jìn)行。

但是在下面兩個情況下，沒有模型也可以開展業(yè)務(wù)：

1、公司有大量的有效標(biāo)簽，且標(biāo)簽的覆蓋度和準(zhǔn)確率非常高，這時候用這些標(biāo)簽篩選出來的人群，相對于來說畫像很明確，對業(yè)務(wù)效果的可解釋性也很高。筆者接觸到的公司很少有這個數(shù)據(jù)基礎(chǔ)，其實(shí)就算有這個數(shù)據(jù)基礎(chǔ)，基于這個篩選條件挑選出來的人群畢竟有限。畢竟業(yè)務(wù)本身不光是要成本考慮，更多是業(yè)務(wù)規(guī)?？紤]，這時候可以前篩策略人群結(jié)合模型一起為業(yè)務(wù)服務(wù)。

2、在一些場景中，發(fā)現(xiàn)模型的排序性對成本的影響很小，按照模型從高往低取到很低，都能在成本范圍之內(nèi)。那這時候，可以模型0分以上都進(jìn)行投放測試，甚至可以取模型覆蓋不到的人群進(jìn)行投放實(shí)驗(yàn)。

二、模型優(yōu)化方法

這一塊筆者不談具體的模型優(yōu)化算法，主要談樣本的質(zhì)量和數(shù)量。模型效果的好壞基本取決于公司的數(shù)據(jù)基礎(chǔ)以及相關(guān)場景的樣本。不同的算法確實(shí)模型效果會有差異，但是失去有效的樣本，就是無根之木了。

樣本的質(zhì)量和數(shù)量和樣本的比例有關(guān)，這部分很少會遇到問題。關(guān)鍵的問題在于如何定義正負(fù)樣本。在不同的場景中，正負(fù)樣本的定義決定了樣本的質(zhì)量，從而根本上影響模型的效果。

以下面場景為例，作者僅作為舉例，定義了一些場景的正負(fù)樣本，主要涉及正負(fù)樣本的定義、比例、量級、包含的標(biāo)簽以及模型的預(yù)測核心目標(biāo)以及優(yōu)化目標(biāo)：

信貸場景拉新：

• 正樣本：注冊、完件或者授信，其中注冊和完件為必填項(xiàng)；
• 負(fù)樣本：未注冊；
• 標(biāo)簽：是否注冊、是否完件、是否授信、營銷日期（注冊前最后一次營銷）；
• 比例：正負(fù)樣本比例1:1～1:10之間；
• 數(shù)量：注冊正樣本至少10萬，完件正樣本至少5萬，授信正樣本至少3萬；
• 算法選擇：分類模型或者排序模型；
• 預(yù)測核心目標(biāo)：注冊；
• 優(yōu)化目標(biāo)：注冊-完件率，完件-授信率；

保險場景建模：

正樣本：購買成功；

負(fù)樣本：未購買；

標(biāo)簽：營銷日期、是否購買；

比例：正負(fù)樣本比例1:1～1:10之間；

數(shù)量：正樣本至少10萬；

算法選擇：分類模型；

預(yù)測核心目標(biāo)：購買成功；

優(yōu)化目標(biāo)：營銷-購買成功率；

三、模型和策略以及話術(shù)的配合

模型和策略的配合

筆者在實(shí)操中發(fā)現(xiàn)，同一模型采用何種策略和以下幾個有關(guān)：

1、目標(biāo)客群分析：根據(jù)轉(zhuǎn)化人群，如果發(fā)現(xiàn)年齡、地域之間有很大的差異，就需 要分開取數(shù)；一般來說，運(yùn)營商之間的差異較大；

2、自有數(shù)據(jù)體系：例如我們推測在某一部分機(jī)型上UV異常，如果有數(shù)據(jù)覆蓋度 和準(zhǔn)確率夠，也可以做一個對比測試：即同一批客群，排除這部分機(jī)型和包含這部分

機(jī)型做對比，看對成本有何影響；在信貸場景，也可以在模型上疊加一些多頭指標(biāo)，

看區(qū)分度如何。

策略本身只是最大程度發(fā)揮模型的區(qū)分度。如果不區(qū)分策略，統(tǒng)一提取高分段

人群， 由于各個細(xì)分客群的轉(zhuǎn)化效果在每個分?jǐn)?shù)段的表現(xiàn)不一，在業(yè)務(wù)中的表現(xiàn)就是

分?jǐn)?shù)不能下沉，或者效果不穩(wěn)定。其實(shí)其根本原因還是對模型沒有充分的利用。

模型和話術(shù)的配合

和筆者在前面講到，模型是一個基本盤，策略和話術(shù)是使得模型能發(fā)揮最大的作

用。在模型和策略明確之后，那各個人群包的畫像也相對固定。但是話術(shù)優(yōu)化會有一定的周期和成本，所以需要根據(jù)業(yè)務(wù)規(guī)?？词欠裥枰獙υ捫g(shù)做專門優(yōu)化。

例如年輕人群是否需要專門的話術(shù)優(yōu)化？如果某些大省占比總投放量很大，是不是

話術(shù)的說法以及關(guān)鍵詞匹配要做專門的適配。

模型是把人群的興趣度做了高低的排序，那話術(shù)的作用就是最大程度的轉(zhuǎn)化人群對

產(chǎn)品的興趣。所以對于不同地區(qū)和不同年齡段人群的說法，如果有相應(yīng)的話術(shù)配合，可

以起到相形益彰的作用。

對于模型本篇就講到這里，筆者不是專門模型人員，通過和模型同學(xué)的聊天以及咖啡時間的討論，撰寫此文希望對從業(yè)人群有所幫助。