1. 首页
  2. 产品经理

用户画像系统构建

一、什么是用户画像

用户画像可以简单理解成是海量数据的标签,根据用户的属性、行为和观点的差异,将他们区分为不同的类型,然后从每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,形成了一个人物原型 (personas)。

二、为什么要做用户画像?

其意义大体上表现在一下几个方面:

1 精准营销,分析产品潜在用户,针对特定群体利用短信邮件等方式进行营销

2 用户统计,比如中国城市上班族购买书籍类型人数 TOP10;

3 数据挖掘,构建智能推荐系统,利用关联规则计算,喜欢红酒的人通常喜欢什么运 动品牌,利用聚类算法分析,喜欢红酒的人年龄段分布情况

4 进行效果评估,完善运营,提高服务质量

5 对服务或者产品进行私人订制,个性化服务某一类群体甚至每一位用户(未来趋势)。

6 业务经营分析以及竞争分析,制定企业发展战略。

三、用户画像呈现

(一)用户静态画像(以数据分析从业者数据为例)

此部分数据来源于静态信息数据:

Ø 用户填写的个人资料,或者由此通过一定的算法,计算出来的数据

Ø 如果有不确定的,可以建立模型来判断,比如用户的性别注册没有填写,可以建立模型,根据用户的行为来判断用户性别是什么,或者它的概率

用户画像系统构建
数据分析从业者用户画像2_01.png

(二)用户行为画像(以电商用户行为数据为例)

此部分数据来源于动态信息数据:

Ø 用户行为产生的数据:注册、游览、点击、购买、签收、评价、收藏等等。

Ø 用户比较重要的行为数据:游览商品,收藏商品、加入购物车、关注商品

根据这些行为特性可以计算出:用户注册时间、首单时间、潮妈族、纠结商品、最大消费、订单数量、退货数量、败家指数、偏好等等,后续可以根据用户的行为与消费习惯,预测商品的发展的趋势,提高产品质量,同时提高用户满意度。

(三)结合用户静态和动态行为画像(图片来源于网络)

在电商领域中,京东、阿里这些以TB计的高质量、多维度数据记录着用户大量的网络行为,用户画像就是对这些数据的分析而得到的用户基本属性、购买能力、行为特征、社交网络、心理特征和兴趣爱好等方面的标签模型,从而指导并驱动业务场景和运营,发现和把握在海量用户中的巨大商机。

用户画像系统构建
    • 基本属性:即性别、职业、月收入、有无车等标签,通过用户注册信息和多维建模获得;
    • 购买能力:即败家指数、潮妈族、消费水平等标签,通过消费金额、下单频度、消费周期等数据分析建模获得;
    • 行为特征:即活跃程度、购物类型、起居时间等标签,通过分析浏览、点击、下单等数据获得;
    • 社交网络:即社交关系网、公司关系网等标签,通过收货地址、活动地址等信息来判断;
    • 心理特征:即促销敏感度、购物忠诚度等标签,通过代金券使用频度、购买单品类的品牌分布等数据判断;
    • 兴趣爱好:即运动偏好、品牌偏好、爱打扮、颜色偏好等标签,通过购买的商品、颜色、品牌等信息判断。
用户画像系统构建
电商用户画像

四、如何实现互联网用户画像?(艾瑞-用户画像关键示例)

Step1:准确识别用户

微博/微信/QQ等第三方登录成企业识别用户的折中选择

用户识别的目的是为了区分用户、单点定位。用户识别的方式有很多种,如cookie、注册ID、邮箱、微信/微博/QQ等第三方登录、手机号等,这些都是互联网用户相对于传统线下渠道所特有的身份标识,其中手机号是目前移动端最为准确的用户标识,但随着用户的注册意愿越来越低,微博/微信/QQ等第三方登录成为越来越多企业的折中选择。

Step2:动态跟踪用户行为轨迹

三大维度:场景+媒体+路径

动态行为数据可以确认用户不同场景下的不同访问轨迹,助力广告主跨端控频营销。

用户网络行为动态跟踪主要包括三个维度:场景+媒体+路径,应用到互联网中,场景主要包括访问设备、访问时段,媒体指某一时段下用户具体访问的媒体,如资讯类、视频类、游戏类、社交类等,路径指用户进入和离开某媒体的路径,可以简单理解为用户的站内与站外行为,如是通过搜索导航进入还是直接打开该APP,离开时是站内跳转到其他网页还是直接关闭,一方面有助于媒体自身优化流量运营,另一方面帮助广告主有效控制不同页面的投放频次,避免产生用户倦怠。

用户画像系统构建
image

Step3:结合静态数据评估用户价值

五大维度:人口属性+商业属性+消费特征+生活形态+CRM

静态数据获取后,需要对人群进行因子和聚类分析,不同的目的分类依据不同:如对于产品设计来说,按照使用动机或使用行为划分是最为常见的方式,而对于营销类媒体来说,依据消费形态来区分人群是最为直接的分类方式。

静态数据主要包括用户的人口属性、商业属性、消费特征、生活形态、CRM五大维度,其获取方式存在多种,数据挖掘是最为常见也是较为精准的一种方式,如果数据有限,则需要定性与定量结合补充,定性方法如小组座谈会、用户深访、日志法、Laddering 阶梯法、透射法等,主要是通过开放性的问题潜入用户真实的心理需求,具象用户特征,定量更多是通过定量问卷调研的方式进行,关键在于后期定量数据的建模与分析,目的是通过封闭性问题一方面对定性假设进行验证,另一方面获取市场的用户分布规律。

用户画像系统构建
image

Step4:用户标签定义与权重

从繁杂的数据中抽取共同的特征值

根据特征值对群体进行定义,有助于广告主一目了然掌握该群体的特性,如“时尚小咖”,可以快速的联想到针对这类人,时尚感至关重要,即产品的设计感、外观等,并且小咖两字表明该类人并不盲目追求潮流,他们有自己的审美观,并且能够影响身边的人。

同时,一个群体会有多个标签,不同的群体之间也会有标签的重合,此时标签的权重反映了不同群体的核心特征。如“时尚小咖”和“科技先锋”两类人群中都有女性标签,此时需要比较女性在不同人群中的标签权重,以决定将该标签解读给哪类群体。通常,一个好的用户画像,不同人群之间的标签重合度较小,只有在那些权重较小的标签上会有些许重合。

Step5:不同人群优先级排列

根据企业自身情况排列不同组合

目前,大部分画像只完成上述4步就结束了,然而最后一步决定了最终效果的落地,对于广告主来说可以理解为媒介的组合策略。组合策略可以按照频率的高低、市场的大小、收益的潜力、竞争优势等,根据企业自身情况排列不同组合。

如:品牌刚刚建立,需要快速提升知名度,可以按照不同媒体目标人群覆盖率的高低进行预算分配;当品牌具备一定知名度,企业核心领域营收处于快速增长期时,可以按照不同媒体目标人群贡献的市场大小进行分配;当企业想开拓新市场时,可以按照不同媒体目标人群的收益潜力进行分配,另外如企业品牌需增强差异化的竞争优势时,可按照不同媒体目标人群的竞争优势进行投放。

五、客户画像的定义、逻辑分层、技术探索案例

用户画像系统构建
客户画像的逻辑分层
用户画像系统构建
顺丰速运的客户画像技术探索

六、关键难题

1、根据业务建立多维度画像和标签体系

2、实时采集用户多维度数据

3、用户海量数据挖掘建模等

本文来自简书作者:Haraway,本文观点不代表PmTemple立场,转载请联系原作者。原文链接:

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

185-1614-2515

在线咨询:点击这里给我发消息

邮件:admin@pmtemple.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code