数据分析基础篇16讲之07用户画像：标签化就是数据的抽象能力

07 用户画像：标签化就是数据的抽象能力

用户画像建模的三个步骤有哪些？以及它每一步骤的目的是什么？

• 第一步：统一化

  • 目的：用来统计用户的唯一辨识，从而保证该用户的唯一性

• 第二步：标签化

  • 目的：给用户添加标签，用来构建用户画像

• 第三步：业务化

  • 目的：将用户画像和业务相关联，从而帮助业务抉择

首先，为什么要设计唯一标识呢？

• 用户唯一标识是整个用户画像的核心，以一个APP为例，它把“用户从开始使用APP到下单再到售后的整个所有的用户行为”进行串联，这样就可以更好地去跟踪和分析一个用户的行为特征。
• 设计唯一标识通常可从这些选项中选择：用户名、注册手机号、联系人手机号、邮箱、设备号、CookieID以及微信号等

其次，给用户打标签

• 标签会随着产品的不同、选择范围的不同等都会导致标签会有各种各样的，那么如何划分会更好的帮助方便记忆和保证用户画像的全面性呢？——可参考八个字“用户消费行为分析”。我们可从4个维度来进行划分。
  • 1.用户标签：它包括了性别、年龄、地域、收入、学历、职业、身高等。这些包括了用户的基础属性。
  • 2.消费标签：消费习惯、购买意向、是否对促销敏感等。这些统计分析用户的消费习惯。
  • 3 行为标签：时间段、频次、时长、访问路径。这些是通过分析用户行为。来得到他们使用APP的习惯。
  • 4.内容分析：对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，如：金融、教育、体育、娱乐、时尚、科技、养生等。

最后，有了用户画像，可以为企业带来什么业务价值呢？

• 我们可以从用户生命周期的三个阶段来划分业务价值，包括：获客、粘客和留客。
  • 获客：如何进行拉新，通过更精准的营销获取客户。
  • 粘客：个性化推荐、搜索排序、场景运营等。
  • 留客：流失率预测，分析关键节点降低流失率。

按照数据流处理阶段划分用户画像建模过程

• 可分为数据层、算法层和业务层。你会发现在不同的层，都需要打上不同的标签。

• 数据层：

  • 是指用户消费行为里的标签。我们可打上“事实标签”，作为数据客观的记录

• 算法层：

  • 是指透过这些行为算出的用户建模。我们可打上“模型标签”，作为用户画像的分类标识。

• 业务层：

  • 指的是获客、粘客和留客的手段。我们可打上“预测标签”，作为业务关联的结果。

• 所以这个标签化的流程，就是指通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。

美团外卖的用户画像该如何设计？

• 首先需要统一用户的唯一标识

  • 我们知道美团和大众点评已经合并，所以先看一下它们两者之间的各自登录方式，美团采用的是手机号、微信、微博、美团账号。大众点评采用的是手机号、微信、QQ、微博。它们共同点的登录方式是手机号、微信号以及微博。故主要推荐手机号作为标准。

• 用户画像采用哪些标签呢？

  • 我们根据“用户消费行为分析”准侧进行设计
    • 用户标签：性别、年龄、居住地、收货地址、宝宝信息、通过何种方式进行的注册。
    • 消费标签：餐饮口味、消费均价、团购等级、预定使用等级、排队使用等级、外卖等级、餐饮环境。
    • 行为标签：点外卖时间段、使用频次、平均点餐时间、访问路径。
    • 内容分析：基于用户平时浏览内容进行统计，包括餐饮口味、优惠敏感度等。

• 具体在业务层上，我们可以基于标签产生哪些业务价值呢？

  • 在获客上，我们可以找到有优势的宣传渠道，通过个性化宣传手段，吸引有潜在需求用户，并刺激其转化。
  • 在粘客上，如何提升用户单价和消费频次，方法包括购买后的个性化推荐、针对优质用户进行优质高价商品的推荐、以及重复的购买，比如通过红包、优惠等方式激励对优惠敏感的人群，提升购买频次。
  • 在留客上，预测用户是否可能会从平台上流失。在营销领域关于用户留存有一个观点——如果将流失率降低5%，公司利率将提升25%~85%。可以看出留存率是多么的重要。用户流失可能会包括多种情况，比如用户体验、竞争对手、需求变化等，通过预测用户的流失率可以大幅降低用户留存的运营成本。

锻炼自己的抽象能力，将繁杂的事务简单化

• 我们的最终目的不是处理这些大量的数据，而是理解、使用这些数据挖掘的结果。对数据的标签化能帮助我们快速理解一个用户，一个商品，乃至一个视频内容的特征，从而方便我们去理解和使用数据。