1、用户画像之基本属性
谈到用户画像，首当其冲的就是需要了解我们的用户基础属性。
用来定位我们的商品受众群体，以便于我们去拉新、广告投放等方式更好的获取精准客户，也可以分析我们上新品时的受众群体及已有客户容量等。
比如分析我们平台月活跃客户100万中购买产品的10万客户的基本属性和访客数UV的基本属性统计的基本属性比例是否基本一致，来判断我们投放策略是否合理(投放广告曝光量、访客数再多，但跳出率、支付转化率低，那就有可能投放广告获得的客户是不够精准的。
极端案例假如说我们的产品是针对年轻女性的产品，我们把广告投放在一个关于土木工程师技术类的公众号上显然效果不会理想)
1.1.基本属性常用标签
再看看阿里系的品牌数据银行都使用了哪些基本属性指标
人生阶段：未成年、单身、恋爱期、准备结婚期、已婚未育、育婴期、已婚已育、孝敬期
1.2.基本属性常用统计方法
性别比例
年龄分层
地域分布
教育与职业
人生阶段
其他的就不再举例说明了，基本上套路就是分布占比、分层占比的饼图、柱形图、条形图、地图来进行汇总后的可视化描述；或者直接表格统计也可以。最终的目的是发现受众群体的基本属性分布情况，进而发现市场容量，市场份额占比，精准推广等。
1.3.数据来源
第三方平台（如淘宝、天猫、京东、亚马逊等）的用户基本属性，他们都会提供专业的数据统计工具配套给商家使用，如天猫的生意参谋和品牌数据银行，我们拿不到具体的客户属性信息，但他们的用户画像做的也相对全面，而且每个板块都做了可视化分析，只需要我们的数据分析师加以总结就可以应用。
自有平台，客户在注册登录需要填写基本信息，存储在数据库的客户信息表中。
2、用户画像之消费行为
2.1.常用指标：
最近30天登录天数(品牌店铺的关注度是否上升/下滑)
会员等级（会员等级客户占比及数量可以判断企业所属阶段）
是否VIP会员（非会员客户占比多少，可以判断用户对品牌的认可度）
购物时间分布（可以判断客户对产品需求的时间分布，提前备货或清仓）
月均购物频次偏好（购物频次的变化，可以反应整体客户的忠诚度）
月均消费金额（判断是否有周期性因素、整体趋势）
月均有消费客户（判断是否有周期性因素、整体趋势）
浏览-加购-付费-付费成功转化（统计每个阶段的转化率/跳出率，判断来源及各环节是否存在问题）
历史[最近两年半]消费金额r（客户贡献价值）
历史[最近两年半]消费频次f（忠诚度及所处阶段）
最近一次消费时间m（客户活跃状态，流失预警、）
用户价值标签（rfm模型）点击查看
用户生命周期标签（认知-兴趣-购买-成长-忠诚-衰退-流失）
连带产品（买了A产品，连带买其他产品的情况）点击查看
2.2.数据来源
第三方工具统计，如生意参谋。
数据库：订单交易明细表/拒签表/退单表
3、用户画像之偏好习惯
3.3.常见指标
健身偏好：根据最近365天消费者的浏览、搜索、收藏、加购、购买等行为，判断人群的健身偏好。
品质生活偏好：根据最近365天消费者的浏览、搜索、收藏、加购、购买等行为，判断人群是否具有品质生活属性。比如：搜索浏览红酒／茶道／养生熏香/精油等关键词；高档酒店／高档民宿／私人旅游定制等……
熬夜青年：根据最近90天消费者的浏览、搜索、收藏、加购、购买等行为，算法判断18-29岁的人群在现阶段是否经常性熬夜。
宠物种类：根据最近半年消费者浏览、搜索、收藏、加购、购买等行为，判断与什么宠物相关。
兴趣偏好*：在类目有强互动行为，如 白富美：个护美妆，健身，贵重饰品女性 高富帅：高档生活用品，汽车用品，男士护理，男装，健身男性 美丽教主：个护，健身塑形，护肤美体，流行饰品女性 时尚靓妹：精品女装，精品女鞋，服饰配件女性 有型潮男：高端饰品，个护，男鞋男装男性。
3.2.数据来源
第三方工具统计，如品牌数据银行。
数据埋点采集，设计算法预测（难点）。
以上就是我们在做电商客户画像常用的指标体系。用户基本属性、用户消费行为、用户偏好习惯三个大维度。其中用户的偏好习惯涉及了很多细分的算法做支撑。这块大部分企业也是没有对自己用户进行这块的画像，也是一个难点，有兴趣的朋友可以再进一步深入研究。
凹凸福利
????《电商数据分析与数据化运营》本书从业务、数据、运营3个维度为电商的经营和决策提供了科学的方法论，是一部电商运营真经，真正做到了“业务中有数据，数据中有运营”。点击下图可看详情/购买！????
感谢机械工业出版社华章公司支持！「凹凸数据」周末统一兑换！后台回复“读书会”进群，获取最新书籍信息！只需300币????就可免费包邮带走~ 投稿一篇文章 = 1000币???? ≥ 3本书????，后台回复“投稿”试试。
2458
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
