寻找定向拉新用户及拉新策略建议

问题分析：运营部门想在下周做一次定向拉新的测试（试点：Frog青旅酒店，位于杭州），请数据分析帮助运营同事完成此次定向拉新。

分析思路：基于LBS数据找到定向拉新的用户，并基于用户特征设计拉新策略。

一、寻找青旅酒店潜在用户

读取数据，分类变量转换为哑变量，选取’tenure’,‘MonthlyCharges’,'FrequentTraveler_Yes’作为特征向量。

近邻检索前将数据标准化，创建一个NearestNeighbors对象，按照欧几里得距离寻找特点点周围2个最近邻点（参数为3），kneighbors方法返回距离老顾客距离值和最近邻点的index

将新顾客划分出来，存储为CSV文件

二、寻找800名本周用于测试的用户ID

读取customer_travel_possibility.csv的数据，与潜在用户csv文件按照customerID取交集，按旅行可能性travelPossibility排序，取前800名，得到本周用于测试的用户ID（存储于possible_customers.csv）。

三、用户分群和用户画像

选取三个特征进行聚类：‘tenure’,‘MonthlyCharges’,‘FrequentTraveler_Yes’

使用肘部法则选取聚类个数K，由图可知，最佳聚类个数为4。

运用聚类算法，得到聚类

由于是4维数据,而数据可视化只能呈现二维效果, 故从图中并不能看出聚类特征，根据数据将两两之间的图，可以看出一些用户特征。

根据聚类结果，对五组数据分别求均值,得到如下表格。

四类用户具有的特征如下。我们定义每月平均支付金额超过400元为高价值用户，高频次旅行者为活跃用户，APP使用历史时间（月）超过36个月为忠实用户

类别	APP使用历史时间（月）	每月平均支付金额	是否为高频次旅行者	数目	人数占比	特征
53.72	292	0	224	28%	APP高粘性用户，中等消费，低频次旅行者
一般价值普通用户	11.61	253.03	0	274	34%	APP较高粘性用户，中等消费，低频次旅行者
高价值活跃用户	23.43	471.41	1	112	14%	APP较高粘性用户，高消费，高频次旅行者
高价值忠实活跃用户	62.86	557.6	1	190	24%	APP高粘性用户，高消费，高频次旅行者

共性： 用户是APP老用户，APP使用历史市场基本在一年以上；每月平均支付金额在250元以上，普遍比较高，说明这些用户已经养成此类消费习惯。

差异： 高频次旅行者和低频次旅行者的占比基本相当，低频次旅行者占比为62%，具有比较优势，应当重视这类用户的培养。

与预期相比 ：高消费，高频次旅行者的占比并不占绝对优势，可能是因为这类人群占比本身就比较少。

四、拉新策略

针对 一般价值忠实用户， APP使用时长已经很高，虽然旅行频次不高，但是月均支付额也接近300，说明这类用户有较高的消费能力。可以通过推送大V入住Frog青旅酒店游览杭州的热点分享，老用户的旅游分享，杭州美景等热门分享文章等方式，促进用户转化。

针对一般价值普通用户 ，虽然APP使用时长不高，但是人数占比最大。可以增大推广力度，以限时限量赠送优惠券的方式促活。

针对高价值活跃用户，是此次重点的拉新对象。维护好这类APP用户，会成为忠实用户的梯队补充， 应该充分利用这类人群在社交圈的影响力，以分享活动得优惠券/记录旅程-分享旅程得增值服务等方式进行病毒式传播，促活的同时增加Frog青旅酒店的曝光率，形成品牌宣传。

针对高价值忠实活跃用户，应作为拉新重点。 虽然它占比不是最大的，但是此类用户在圈子内具有很高的影响力，是旅行圈的意见领袖。可以对这类用户发起“直播旅行限量免单”的活动，采用“你直播，我付费”的方式，发起“**带你住青旅游杭州”的等系列有创意的活动，激发用户参与兴趣，最后可根据直播受欢迎程度的排名进行限量免单，这种方式既能控制成本，也能有效宣传此次拉新，还能为这些用户带来人气，其中好的玩法是win-win的关键。