万向区块链行业研究：如果从用户画像实现角度看数据隐私问题，是怎样的？

 

前言：

万向区块链董事长兼总经理肖风博士曾说过，不管是元宇宙、区块链还是Web3.0，本质其实都是讲同一件事，就是人类社会在数字时代里的去中心化趋势。因此，无论在元宇宙里，还是Web3.0时代，个人数据成了个人资产，而个人数据隐私问题也成了“新世界”里的核心问题。

本篇将从“用户画像”的角度来探讨数据隐私问题，希望能对各位思考元宇宙或Web3.0的隐私安全保护，提供一个思路。

本文作者：万向区块链首席经济学家办公室 王普玉

本文审核：万向区块链首席经济学家 邹传伟

---

什么是用户画像？

用户画像最早由交互设计之父Alan Cooper提出，围绕四个要素：人物、时间、地点和事件将用户的信息标签化（如图1所示），再根据标签有针对性地收集用户社会属性、消费习惯、偏好特征等各个维度数据，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。

图1：个人信息四要素

用户画像是一把双刃剑，方便了用户的生活，但同时又侵犯了用户的个人隐私。例如，当用户使用支付宝扫描二维码完成一笔交易支付，大数据分析工具会捕捉用户的消费金额、地点、时间等行为数据，而随着数据标签的积累和数据量的增加，实现个人信息四要素的关联，形成一副完整的用户画像，平台能够对用户行为进行分析，并实现精准营销。

用户画像标签是怎么设计的？

1标签框架

市场目前有四种标签框架，分别是：

（1）基于营销触点的用户标签体系；识别用户的付费流程和付费意愿阶段，为营销提供明确的时机，例如阿里系的标签框架AIPL，将用户对品牌的认知阶段分为感知、有兴趣、购买和忠诚四个阶段，再根据四个阶段的营销动作制定细分标签。

（2）基于增长漏斗的AARRR模型；此模型又称海盗模型，由美国著名风险投资机构创始人戴夫.麦克卢尔提出，由Acquisition、Activation、Retention、Revenue、Refer（拉新、促活、留存、创收和分享）五个单词首字母拼写组成，识别用户所处的增长状态，对不同生命周期的用户执行不同的增长策略。广告主利用该模型，可以有针对性地对每个模块客户实施区别化的营销策略，提升转化率。

（3）基于用户价值的分层模型；比如RFM模型、ARGO模型，还有用户忠诚度和用户生命周期模型等。其中RFM模型被广泛应用于传统销售行业。RFM分别代表Recency最近一次消费、Frequency消费频次和Monetary消费金额。将每个维度划分为高、中、低三种情况，利用重要（价值、发展、保持、挽留）和一般（价值、发展、保持、挽留）要素8个要素构建出四个象限，直观的将用户划分为8个不同层次，识别用户的价值做用户分层，对不同价值分层的用户执行不同的运营策略。

（4）基于用户偏好的模型；基于用户对产品的功能或商品偏好做区分，提供营销人员信息去进行个性化服务，如房产领域的购房目的、区域位置、价格等。

2标签的设计与应用

以典型的电商业务为例介绍标签的设计流程，总共三步，包括业务流程梳理，标签设计的商业目标确定，以及标签的设计。

（1）业务流程

业务流程漏斗包括启动APP、注册登录、浏览活跃、深度行为、付费和重复付费、到最后的沉默流失。如图2所示，根据业务流程梳理出每一步的考察维度。再根据用户在这方面的行为，去构建用户偏好的标签。

图2：根据业务流程的用户画像

（2）商业目标

基于不同的商业目的，企业会尝试从不同维度构建标签，其目的大多一致，即通过精细化运营整体的交易金额。根据不同的商业目的，企业会对业务流程进行拆解。如交易金额可以拆分为新用户的交易额和老用户的交易额；达成交易的过程又可拆分为新增启动、注册、浏览详情、深度行为、最后到付费。对拆解出来的每一环节使用不同策略去提高交易金额，如图3所示。

图3：用户画像商业目标实现方法