用户画像实战“踩坑”集锦

大家好，我是小z

之前有分享过小米用户画像PPT：48页小米用户画像实战PPT

也在后台陆陆续续有人问到画像建设中需要注意什么问题。

正值招聘旺季，发现美团快手等一线大厂都在招用户画像相关的岗位。就借着这个机会和大家伙儿聊聊用户画像中的坑。

 

首先来说说用户画像的目的和作用

用户画像，一定是基于某个业务场景来做。

 

如果业务方或者某个合作方上来就叫咱们做用户画像，而没有告知用户画像的具体目标，使用场景，那就是耍流氓。

我们要勇于把这类需求打回去，叫他们想清楚再来提需求。

当然，为了“保命”[旺柴]，我们也可以坐下来，和业务方一起梳理及确定用户画像的目标和业务场景。

 

我们可以从大方向上，基于用户的生命周期，将用户画像的使用场景大致分为三大模块：渠道拉新的营销宣传、活跃用户的消费提升 以及 流失用户的召回拉活。

 

1、渠道拉新营销宣传

产品一定是基于我们认为的可以满足用户的需求。相应的，我们就有对应的目标用户。

通过目标用户的了解，我们可以更精准的知道我们该投放哪些渠道，做什么样的推广，提高用户拉新的效率。

这个阶段，我们需要建设的用户画像是关于目标用户的一些人群属性。

比如我们的目标用户是20-22岁的大学生群体，那么我们需要的标签之一是年龄；如果我们的目标用户是女性，那我们的画像维度还需要性别。

 

2、活跃用户的消费提升

用户来了之后，我们需要通过各种手段触达引导用户。比如弹窗，浮层，push等。

但是这些节点的选择，也是基于用户的历史行为聚合。比如我们认为用户得在3天内浏览7次内容，用户留存会有较大提升，那么我们需要在3天内，针对未达到7次的用户不断触达引导用户完成这个节点。

这个阶段，我们需要的是用户行为的标签，对用户的历史行为，做一个抽象处理。整合成一些我们所需要的业务场景。当然，我们也需要用户的基础属性。

 

3、流失用户的召回拉活

同样，召回拉活阶段的标签，也是基于用户的历史数据。

这里，我们需要统计抽象的是流失原因。比如用户是没有满足需求而流失，还是由于不了解产品核心功能流失，或者是已经满足了用户需求而流失。

这些，我们都可以聚合成用户的流失原因标签，从而有针对性的触达用户，更有效的召回拉活。

 

其次来说说用户画像的建设流程

1、数据底层构建

画像的聚合通常有2种大的方法：用户信息填写  & 算法规则聚合。

 

用户信息填写很容易理解，通常是在用户刚刚注册登陆时，引导用户填写。比如兴趣爱好，年龄性别等基础信息。但是随着登陆流程越来越简化，一般这种方法不会在用户注册登陆时引导，而会在后期用户使用了一段时间后再让用户填写。

 

算法规则聚合也很好理解，就是通过一些规则的抽象，或者算法的聚合，得到相应的用户标签。

比如我们经常刷的抖音快手，就没有用户的信息填写引导，但是肯定底层会有非常多的标签，比如某一类用户偏好吃播，某一类用户偏好旅行，某一类用户偏好美女。这个就是由算法规则统计抽象而来。

具体的算法或者规则，大家可以自行网上搜索查询，已经有非常多的资料，师兄就不细说了。

 

2、数据服务透出

标签通过底层数据处理好，我们肯定需要将数据存储起来。

那会有两种方式调用：一种是线上直接读取离线计算的数据库，但是这种方法的调用效率就比较低，因为需要调试程序去读取相应的目标画像标签。

另一种方式是将这些不同场景下的标签，封装成一个数据服务平台，通过接口调用。这样无论任何程序任何功能，都直接使用画像的一个平台化服务，维护成本和接入成本都会小很多。

 

最后说说用户画像要注意的问题

 

1、用户群体选择

有个故事是这样的：二战的时候，美国很多飞机被击落。军方找了很多专家来商讨飞机哪个部位该加固。很多专家都说机翼，因为飞回来的飞机大多数弹孔都在机翼上。但是其中一个专家问了一个问题：我们看到的飞回来的飞机，弹孔都在机翼上，但是那些没有飞回来的呢？

 

说这个故事，师兄是想告诉大家，我们在建设用户画像时，最好是以全量用户为基础用户。比如我们电话回访了一批用户，或者问卷调研了一批用户，我们都不能将这批用户作为数据统计基础。就算是用，也得抽样的样本量足够大。

 

2、用户ID映射

这个也是为了保证用户的一致性。比如我们有一个主APP，还有一个小程序。这时候，用户A在主APP使用了，也在小程序使用了。如果没有一个ID体系，可能他就被分成了两个用户，且标签也就会不准。

所以对于这种情况，我们需要的是ID映射。即一个用户在我们的产品上，无论是哪个平台，都只有一个ID。这样不但能更全域的知道和了解用户，还能建立起ID映射体系，统计用户的全部场景信息。

●图解最常用的10大机器学习算法！●12000+字超详细 SQL 语法速成！
后台回复“入群”即可加入小z干货交流群