全国咨询/投诉热线:400-618-4000

如何创建用户画像?[产品经理培训]

更新时间:2020年01月16日14时10分 来源:传智播客 浏览次数:

传智播客


什么是用户画像

用户画像是根据用户社会属性,生活习惯和消费行为等信息抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴『标签』,而标签是通过用户信息分析而来的高度精炼的特征标识。

比如,一个用户最近开始购买母婴类商品,那么他就有可能被打上『有孩子』的标签,根据商品的类别,还有可能打上『有1-2岁男孩』这样更具体的标签,而把这些所有的标签结合在一起,就成了该用户的画像。

用户画像体系

用户画像体系会因为行业或业务的不同存在差异,具体划分需要结合业务进行沉淀。

一般而言,用户画像体系都是类似树形结构进行设计,可根据业务进行一级、二级、三级划分。

1579147403875_用户画像01.jpg


如上图,该标签体系一共有两个层级:

第一层级为:特征、行为、需求;

第二层级为:人工统计、社会属性、使用行为、消费行为、偏好属性、潜在需求。

如人口统计类中,包含姓名、性别、年龄等标签,社会属性类中包含⼦子女、父母、公司等标签,具体的分类都需要根据相关定义和属性进行划分。

当然,由于每个行业业务不同,标签体系没有一套标准答案,标签也不是越多越好,都需要结合具体业务进行设计和建设。

标签类别

标签还可以按照处理过程、标签获取的方式进行划分,分为事实标签、模型标签、预测标签。不同类别的处理方式不一样。

事实标签:直接从原始数据中提取,例如性别、年年龄、住址、上网时段等等

模型标签:需要建立模型进⾏计算,例如用户价值、活跃度、忠诚度、兴趣爱好

预测标签:通过预测算法挖掘,涉及到机器学习的分类和回归算法(贝叶斯,决策树,逻辑回归,支持向量机等),例如消费能力、流失率、违约率。

有时候事实标签如果在原始数据中提取不不到或者不不准确,那么就会转变成预测标签。例如性别这个标签,很多时候用户并不愿意填写真实性别,那么就可以通过真实姓名来预测性别。

用户画像用途

精准营销:从粗放式到精细化,将用户群体切割成更细的粒度,辅以短信、推送、邮件、活动等手段,驱以关怀、挽回、激励等策略;

数据应用:用户画像是很多数据产品的基础,如推荐系统、广告系统;

用户分析:进行效果评估,完善产品运营,提升服务质量,相当于市场调研、用户调研,迅速定位服务群体,提高服务水平。推荐了解产品经理培训课程

创建用户画像

确定用户画像的战略目的: 企业选择构建用户画像平台,可以实现不同的战略目的,如提升产品

服务质量、精准营销等。根据战略目的不同,用户画像的构建也有所区别。因此首先需要明确用户画像平台的张略意义、平台建设目标和效果预期,进而有针对性的开展实施干工作。

用户画像建模:建立标签体系,确定标签取值范围。

1579147394243_用户画像02.jpg



确定数据来源: 根据标签体系,确定各个标签取值的数据来源,包括用户行为日志,业务数据,各种埋点等。

关于内容偏好的计算:内容偏好是通过⽤用户⾏行行为计算得来的标签,与标签的权重。每一次用户行为。

本质上是一次随机事件,可以详细描述为:什么用户,在什么时间,什么地点,做了什么事。

用户:用户标识的目的是为了区分用户、单点定位。

时间:时间包括两个重要信息,时间戳+时间长度。时间戳,标识用户⾏行为的时间点,通常采用精度到秒的时间戳即可。时间长度,为了标识用户在某一个页面的停留时间。

地点:对于每个用户接触点。潜在包含了两层信息:网址 + 内容。网址:每一个url链接(页面/屏幕),即定位了一个互联网页面地址,或者某个产品的特定页面。可以是PC上某电商网站的页面url,也可以是手机上的微博,微信等应用某个功能页面,某款产品应用的特定画面。如,长城红酒单品页,微信订阅号页面,某游戏的过关页。

内容:每个url网址(页面/屏幕)中的内容。可以是单品的相关信息:类别、品牌、描述、属性、网站信息等等。如,红酒、长城、干红,对于每个互联网接触点。其中网址决定了。

权重:内容决定了标签。用户行为类型,对于电商有如下典型行为:浏览、添加购物车、搜索、评论、购买、点击赞、收藏等等。不同的行为类型,对于接触点的内容产生的标签信息,具有不同的权重。

猜你喜欢:

产品经理入门视频教程[48课时]
产品经理常见面试问题及回答策略