数据银行链路流转分析中的“历史关系”分析,计划自7月25日起,将仅支持90天以内的分析,请提前安排好您的使用。
一、具体影响功能:
功能路径:链路流转分析——流转原因分析——历史关系
二、常用场景举例:
如果您有分析历史618大促、女王节和双十一等机会点,消费者流转的历史关系原因,可以参考以下场景。
场景:挖掘高流转人群进行圈选二次投放
举例:某品牌想挖掘历史双十一大促期间(2018.10.20-2018.11.11)兴趣-购买流转原因中,相对覆盖用户量级大且流转高的用户特征,并对此类行用户进行二次触达。通过分析发现,历史上曾经处于过认知天数76-90天的人群流转较高(如下图所示),那么可以在自定义分析中去圈选出这波易流转的人群进行二次投放。
三、替代解决方案:
链路流转原因-历史关系,可分析时间窗调整后,品牌可通过自定义分析,来实现180天内的历史关系分析
建议的圈选方式如下:
圈选方式 |
结果 |
|
活动起始日期的兴趣状态人群 |
取交集 |
得到起始人数,即作为易流转的人群 |
全链路历史关系处于认知76-90天的人群,圈选日期是活动截止日期 |
||
活动截止日期的购买状态人群 |
三个条件取交集 |
流转人数 |