用户画像是什么?
用户画像属于大数据的应用层,通过对数据分析,勾勒出用户的特点,进而反映用户的用户价值、行为习惯、潜在需求和诉求方向等。
用户画像有哪些特点?
用户画像不仅仅是对描述个体,也会对特定用户群体进行描绘。用户画像通过用户群体特征,用户画像通过分析用户特征,提炼出“典型用户”
用户画像主要包括用户属性、用户流失和用户行为三个主要方面。
用户属性研究什么?
指的是用户的基础信息研究。
例如
微博用户画像:能力标签、兴趣标签、关系及亲密度、信用质量和自然属性等。
银行用户画像:人口属性、消费属性、信用属性、兴趣爱好、社交信息等。
行为属性研究什么?
行为属性的研究是用户画像研究的重点,通过对行为的分析,发现用户的行为习惯和兴趣爱好。
用户网络行为分析的主要方法:用户统计分析、用户特征分析、关联分析、用户分类、异常分析、TopN分析
用户流失研究什么?
用户是互联网消费的主体,对于流失的研究关系重大。用户流失的研究重点在于流失的定义和流失的预测、以及流失的止损。
流失的定义:如何定义流失用户更为精准,如12306的用户每年购票一次不算流失用户,游戏用户每年登录一次算流失用户(产品经理完成)
流失的预测:研究如何基于用户行为属性数据和行为数据判定流失用户(产品经理、开发完成)
流失的止损:如何挽留即将流失的用户,如何召回已流失的用户(运营完成)
大数据背景下的用户画像体系?
用户画像是基于标签体系建立的,标签是对某一种用户特征的符号表示,这个符号可以使中文、数字、英文
根据数据的层级,标签可分为以下层次
网站输入层:来源于用户历史数据,如网站行为标签、会员信息标签、消费行为标签、广告行为标签
事实层:基于输入层,抽取能够的准确信息,如用户的人口属性标签、会员消费信息标签
模型预测层:基于事实层,通过模型分析后得到的标签信息,如消费区间标签、人群属性标签、活跃度区间标签等
营销预测模型:基于模型预测层数据,分析后得到的标签,如个人偏好、用户价值、用户流失标签、用户活跃标签等
用户画像实践1
以某游戏系统用户画像Demo为例,该系统主要搭建的是对游戏用户的画像。
系统主要分为三大模块,分别是用户分析、用户分群和预警管理
概览:概览作为总览全局的存在,展示当前最关心的数据,同时各个看板可以作为详情页面的下钻入口。
![55b9a315fa748fe91b304c8e7fb87d94.png](https://i-blog.csdnimg.cn/blog_migrate/b090769f815b5e2a76632068334b3326.jpeg)
用户分析:注重对于用户的多维度分析,采用数据可视化技术对原始数据进行合理展现,用户分析主要基于原始数据进行分类、统计或进行简单指标计算,属于网站输入层。
![032cf59a4f59582bef75c2c8f2b12afa.png](https://i-blog.csdnimg.cn/blog_migrate/ffc0cf80d498176dd26370657fcf1214.jpeg)
用户分群:用户分群是对用户特征的提取和归类,而提取的用户特征直接表示为"标签"。
对于用户的标签管理是基于用户分析数据,通过模型算法分析,自动生成或关联标签,属于事实层次,用户标签管理典型页面如下。
![d3f47b456896696e0169f1608e8019f6.png](https://i-blog.csdnimg.cn/blog_migrate/6a31bfaa54a89c33ccbb7c0a9a072940.jpeg)
物以类聚人以群分,用户分群就是这样一个过程,对具有同样特征用户的分类管理,能够提升管理效率,用户分群属于模型预测层次。
![c3baa9be8d03141fb5a639f68778d2fd.png](https://i-blog.csdnimg.cn/blog_migrate/d60194bf37c6515b27a80e35b638a4bb.jpeg)
预警管理是一个对要预警的用户群的管理过程,依据业务需求设定预警指标,自动对具有此特征的用户进行预警,防止异常情况发生,属于营销预测模型层次。
![2f3ebe2bcb8d176b62b3352bcba9165f.png](https://i-blog.csdnimg.cn/blog_migrate/5ecd0dfc1d7fd0fc4fa51c15eefe1090.jpeg)
用户画像实践2
以某统计分析系统为例,该系统主要完成的是对用户自然属性及行为属性的统计分析,并未抽取相应的标签特征,主要完成的是网站输入层次功能。
该系统主要分为:网站概况、流量分析、来源分析、访问分析、转化分析、访客分析、优化分析几个模块。
网站概况:作为总览全局的存在,展示当前最关心的数据,同时各个看板可以作为详情页面的下钻入口。
![57a5667d00721f2d807b4a0004f25085.png](https://i-blog.csdnimg.cn/blog_migrate/5c524a04dcf1b39f5d6bc62afeaa5b19.jpeg)
流量分析:统计用户行为属性(访问量、访问时间),采用曲线图(趋势、直观)、表格(精确)可视化展示。
![bba7601606d90bf11e279e6318bf3a7e.png](https://i-blog.csdnimg.cn/blog_migrate/f0b7e07143dd8a55fc5cb5dcfe21d15e.jpeg)
来源分析:统计用户行为属性(使用的搜索引擎、搜索词),采用曲线图(趋势、直观)、表格(精确)可视化展示。
![a2639893e7c700860f345ab2567b7369.png](https://i-blog.csdnimg.cn/blog_migrate/46ca0c766622c1c5d76994745758b8d8.jpeg)
访问分析:统计用户行为属性(访问页面),采用排序表格(精确)可视化展示。
![36bb57d1e1d6f4a944abccccd1c4daf2.png](https://i-blog.csdnimg.cn/blog_migrate/c233750ab3392607cb9d9d946411dae5.jpeg)
访客分析:对用户自然属性进行分析(地域、城市),采用地图(直观)和表格(精确)可视化展示。
![310fe1f9d8dfd50ce21b7c4c691c84ea.png](https://i-blog.csdnimg.cn/blog_migrate/f54feffcb83f1b404204a49e3e1d901a.jpeg)
转化分析:对关键指标进行分析,采用曲线图(直观、趋势)和表格(精确)可视化展示。
![f48c573f24673f78cffd1eff3a94e647.png](https://i-blog.csdnimg.cn/blog_migrate/12196116f16b672768ba81fa225bb1f8.jpeg)
优化分析:对关键指标进行分析,采用TopN方法(突出关键)和曲线图(直观、趋势)可视化展示。
![04d12c5b568c149ec1672355461d59c4.png](https://i-blog.csdnimg.cn/blog_migrate/54c8bde4605bc5c83b6d077f52e01488.jpeg)