以集市賣家為例對使用者進行分層
本文討論的是使用者分層，有別於常規的使用者細分，最大的區別在於分層是定序的概念，即各層之間有遞進關係；而常規細分是定類的概念，即各類之間相對獨立。廣義上而言，細分包括分層。
現以集市賣家分層為例，介紹整個研究方法。根據以往賣家研究的經驗，選取參與賣家分層的重要變數，從BI提取了100萬集市賣家的相關資料。
重構變數
首先對100萬集市賣家資料進行清洗，考察各重要變數的分佈情況。由於一些定距變數存在超出正常範圍的資料，如交易數量、交易額等；一些定序變數兩端組的樣本過少，如賣家星級、店鋪型別等。這些都不利於模型的建構，因此將每個待分析變數都細分出若干組，原則為：組儘量多，能與定距變數更相當；每組的分佈儘量保證在正常範圍內，避免出現異常值。
將100萬資料隨機拆分出三個60萬的資料庫，四個資料分別作後續分析，以保證所得指數的穩定性。
因子分析
首先對重要變數做因子分析，去除變數間的多重共線性，經多次嘗試，剔除了支付寶交易量和交易額的結果更加穩定，且更符合業務經驗。最終得到的KMO值為0.788，Bartlett 球形檢驗顯著，非常適宜進行因子分析。最終萃取出6個公因子，依次為GMV與星級、時長情況、訂購服務情況、旺鋪型別、實物商品、是否參加消保等，累積方差貢獻率為90.4%（詳見下表），解釋效果很強；變數原始矩陣與重構矩陣之間的殘差>0.05的個數比例為10%，擬合效果也非常好。
分層
利用六個因子得分可以算出每個樣本的因子綜合得分，其中六個因子得分軟體能夠自動計算出來；各因子得分在因子綜合得分中所佔比例，可由（每個公因子的方差貢獻率/累積方差貢獻率）算得（詳見下表），也可以直接使用每個公因子的方差貢獻率。
因為因子綜合得分為標準化值，利用（X-最小值）/（最大值-最小值），將其轉化為0-100的指數，然後按照指數高低，並結合實際現狀對其進行分層，TOP1為指數最高的10%，TOP2為指數次高的20%，TOP3為指數次高的30%，剩餘的是第四層，指數最低的40%。此種劃分方法比較簡單，資料也較穩定，利於實際應用。各組上下限如下表，此種劃分的上下限可以固定下來，逐步修正。
判別分析
按照7:3的比例劃分為分析樣本和驗證樣本，利用判別分析對這四層劃分結果進行檢驗，即用6個因子得分與層級做判別分析。所得判別函式對區分各層均有顯著貢獻，且第一個判別函式解釋的方差貢獻率達到98.2%，為主函式。使用組內協方差陣計算，分析樣本和驗證樣本的正確率、交叉核實法的正確率均為91.6%，達到很高的水平。
各層賣家在重要變數上均存在較明顯的差異，詳情如下：
從六個因子中找出解釋力較高的關鍵變數，並根據實際業務經驗判斷是否合適，最終選定了七個關鍵變數。它們直接與層級做判別分析，第一主判別函式的方差貢獻率為97.8%，使用組內協方差陣計算，分析樣本和驗證樣本的正確率、交叉核實法的正確率均為85.0%，也達到很高的水平。
迴歸分析
為了方便應用，簡化分層的計算過程，用判別分析中確定的七個關鍵變數與因子綜合得分指數作迴歸分析，以考察他們的解釋力。
迴歸分析結果顯示，R、R Square、Adjusted R Square分別為0.985、0.970、0.970；剩餘標準誤差為2.709，達到較小的水平；Durbin-Watson的值為1.252，與2有一定差距，殘差間的獨立性尚可，綜合判斷，模型解釋效果非常好。
多重共線性方面，賣家星級的容忍度值最小為0.39，第八個主成分的條件指數小於15，表明不存在嚴重的多重共線性。
各變數的主要指標如下：
經標準化偏回歸係數和偏相關係數共同分析，可知開店時長、近三個月GMV金額、賣家星級等對因子綜合得分指數的影響更重要。
因子綜合得分指數=a+b1*賣家星級分段+b2*開店時長分段+b3*近三個月GMV總金額分段+ b 4*店鋪型別+ b 5*是否主營實物+ b 6*訂購服務個數分段+ b 7*是否參加消保
因此，透過這七個關鍵變數預測因子綜合得分指數非常合適，得到新的因子綜合得分指數後，根據上文中的上下限臨近值，即可劃分賣家層級。
綜上所訴，研究流程歸納如下：
1、根據以往研究中對使用者的`理解，確定參與分層的重要變數，提取後臺資料，對資料進行清洗和處理；
2、採用因子分析對參與分析的重要變數進行降維，計算出因子綜合得分；
3、將因子綜合得分轉換成指數，根據指數的分佈情況，對使用者進行分層，並用判別分析，對分層結果進行驗證；
4、根據因子分析中變數的解釋情況和業務實際情況，從重要變數中篩選出關鍵變數作為自變數，把因子綜合得分作為因變數，建立迴歸方程，用關鍵變數推算因子綜合得分，進行快速分層，便於後期業務應用；
5、將後臺資料隨機拆分成不同的資料庫，分別重複以上分析過程，反覆驗證結果的穩定性。
後續研究的思考
整個研究做下來，或許最有價值的是最終得到的迴歸方程，雖然解釋力很高，但仍然缺少一些不易獲得的重要變數，如每月投入廣告的金額，包括直通車、鑽石展位等，後續的研究會逐漸把這些變數納入其中。這也表明，使用者分層研究考察的變數需要儘可能周全，這樣結果才能更具參考價值。
還有就是最後的分層結果顯得“平淡”，各層賣家在重要變數上，基本都是強者愈強、弱者愈弱，特色不明顯。這也是分層研究與細分研究的區別所在，分層更多體現的是趨勢性的結果。後續可以嘗試採用不等機率的抽樣方式減少一部分樣本，如發單量低的賣家佔了絕大多數，可以適當減少這部分樣本，一定程度上能夠均衡各個重要變數在分層中的作用。
不論哪種樣本結構，都需要在實際應用中，檢驗效果，不斷迭代完善。
[以集市賣家為例對使用者進行分層]相關文章：
1.以集市賣家為例對使用者進行分層