最近看了很多的关于用户画像的文章,在此处总结下用户画像的目的、如何构建及如何使用。
用户画像构建的目的
基于数据时代,窥见用户已经不仅仅局限于市场调研,任何用户的网络行为都会被网站、平台所获取。通过数据来构建用户画像构建用户画像大致有一下几个目的:
1、改善产品。分析使用自己产品的用户,抓住主要群体,分析主要群体的需求来迭代自身产品,提升服务体验。这样就需要有用户数据的提炼,用户画像做分析和参考。
2、更好的挖掘用户价值。按照用户生命周期来说,已新用户的转化,老用户的深度挖掘,流失用户的挽留等。直白点就是摒弃粗放的、单调的全场八折,根据用户画像对用户全体进行细分和针对的营销。
3、实现产品的定制。这是一个高大上的玩法,根据用户画像,根据用户的行为偏好,实现用户的产品定制服务。举例:喜爱粉色的女性,喜欢玫瑰香味,同时喜欢某个品牌的洗发水,定制这总粉色包装的具有玫瑰香的洗发水。
用户画像的构建
用户的画像是通过用户一个个标签来构成的,构建用户画像就需要有数据的支持。基础数据大致分成一下几类:
1、渠道数据:用户从哪里来的。这里涉及到推广渠道的用户来源,有微博、微信、百度等等。在用户来时获取用户的这些信息。还有手机设备的信息,系统信息等。
2、网站行为数据:浏览、点击、页面驻留时间、访问路径、收藏、跳失等基于用户行为的数据指标。
3、用户的基本信息。用户注册的信息。
易观智库的用户数据是按照渠道、站点的访问、偏好、交易来划分的。
根据可以获取的信息来构建指标。根据数据指标来搭建用户画像标签体系:
1、事实类标签
年龄、性别、地域、星座、文化、收入
2、行为标签
活跃等级、产品偏好、使用习惯、产品消费
3、模型驱动标签
用户价值模型、用户忠诚度模型
4、预测标签
用户流失模型、用户需求模型
基于业务角度分类:
网站类:用户基本信息、用户站内行为、用户转化、用户去向 几类分析和构建
电商类:用户信息、浏览、收藏、领券、加购、支付、跳出、物流、退货或评价留言几个阶段构建。
标签体系需要搜集业务方的需求,制定出来的标签体系以后,进行标签体系构建。
在了解用户业务流程和数据模型的指标构建,可以清楚的了解,现有的标签体系有那些地方标签缺失、那些地方需要优化和完善。
用户画像的验证
用户画像验证,分成两个部分:标签准确性和标签完备性。
标签准确性是分析标签是否准确,对于有事实标准的可以用数据集验证准确性,对于无事实标准的,通过A/B测试验证。
标签完备性是分析用户画像的是否覆盖各个业务层面。
用户画像如何使用
应用包括:售前精准营销、售中的个性化推荐以及售后的增值服务
参考文档:
【1】https://zhuanlan.zhihu.com/p/20366456
【2】创建定性用户画像
【3】永洪BI:手把手教你搞定用户画像
【4】易观智库:大数据下的用户分析(PPT)
【5】杨步涛:基于用户画像的大数据挖掘实践
【6】慕课网:电商大数据应用之用户画像【7】基于大数据的用户画像构建(理论篇)
s【8】什么是用户画像?金融行业大数据用户画像实践
【9】18篇干货教你4步搞定用户画像分析