400-699-0896 产品试用 登录

企业,如何构建并高效利用你的用户画像?

2018-10-24

99click商助科技

用户画像一点也不神秘,它是根据用户在互联网留下的种种数据,主动或被动地收集,最后加工成一系列的标签。

相比早前的全网布局,后起的企业更相信精准投放,至少可以节约“完全不需要”的那部分用户成本。于是,用户画像这一概念深入产品和运营人员的营销概念。不论是谁,今天在开始市场调研或者营销广告活动投放的时候,都首先需要考虑自己针对的核心用户群在哪儿。

今天,我们就谈谈企业如何建立自己产品的用户画像,并用数据驱动决策?让营销不再是拍大腿,拍脑门儿。

首先,我们了解一下什么是用户画像?

用户画像一点也不神秘,它是根据用户在互联网留下的种种数据,主动或被动地收集,最后加工成一系列的标签。比如猜用户是男是女,哪里人,工资多少,有没有谈恋爱,喜欢什么,准备剁手购物吗?

3.4.png

值得注意的是,我们常把用户标签和用户画像对等。但凡用户画像的文章,类似上文图片都会出现,有用烂的趋势。标签化是最直观的解释,但它不等于用户画像。

对于大多运营来说,经常按用户生命周期设立几个标签,比如新用户、活跃用户、流失用户,这些标签当然够细分。但它真的是一个好标签么?不是。

因为这些都是滞后性的。按流失用户的一般定义,往往是用户很长一段时间没有回应和行动,但是都几个月没有响应了,哪怕知道是流失用户也于事无补。它有价值,但太滞后。

最好的标签是用户流失概率,流失概率>距今消费天数>流失标签。

用户画像的标签一般通过两种形式获得,基于已有数据或者一定规则加工,流失标签和距今天数皆是。另外一种是基于已有的数据计算概率模型,会用到机器学习和数据挖掘。

构建用户画像遵循两个重要原则

一、标签化

所谓「标签化」,是指按产品需要,给不同的用户特征贴上合适的标签。企业根据用户浏览、消费等行为,推断出这个用户的个人属性、社交属性、消费能力、购买需求、使用场景等信息。然后将信息进行归类,建立多元化、动态的客户标签

标签化的目标其实是基于大数据的采集,用电子化的方式将用户属性抽象出来,以方便数据统计,构建大数据池,后续进行数据挖掘和聚合分析。用户标签化切忌不要以偏概全,拍脑门给用户贴标签,一定要根据实际数据对用户进行分类整理。

3.5.png

二、低交叉率

用户画像的目的是,用透明直观的标签对目标用户进行数字化的聚合和描述。在进行聚合时,要注意「低交叉率」的原则。就是如果两组画像中的标签几乎一致,只有个别并且对用户需求影响不大的标签因素是可以被弱化

另一方面,用户画像也要尽量保证其完整性和独立性。完整性是为了尽可能大的包含用户群体,独立性又要求这些群体里没有重叠。这两点对于分析市场,优化产品业务都有很大作用。

如何建立正确的用户画像?

用户画像首先是基于业务模型的。业务部门连业务模型都没有想好,数据部门只能巧妇难为无米之炊。数据部门也别关门造车,这和做产品一样,连用户需求都没有理解透彻,匆匆忙忙上线一个APP,结果无人问津。

理解消费者的决策,考虑业务场景,考虑业务形态,考虑业务部门的需求…这些概念说得很虚,但是一个好的用户画像离不开它们。本文没有说数据、模型和算法,是我认为,它们比技术层面更重要。

第一步,收集数据

目前而言,像BAT,京东,亚马逊,网易等这样的巨头公司有自己的数据收集和分析工具和部门,其余的企业更多使用第三方数据分析工具来实现,常见的数据分析工具有百度统计,GA,99click商助科技营销云平台等。

收集哪些数据呢?各电子商务平台根据自己的产品特性以及出于自己的营销战略会建立自己的数据维度。目前,通用的数据主要有:人口属性,社会属性,行为习惯,兴趣偏好和心理属性5个方面。

人口属性,包含年龄,性别,身高,地域,学历,收入和教育

社会属性,包括社会职务,婚姻状况,住房车辆,社交关系等等

行为习惯,包括运动,休闲旅游,酒店住宿,饮食起居等偏好

兴趣偏好,包括购物,游戏,体育,文化等

心理属性,生活方式,个性,需求动机,价值观,人生态度等

例如,客户来源的收集,可以看到潜在客户的聚集地,以及各地域的客户消费比值等等,为下一步营销战略布局提供数据支撑。马云曾经就提到今天他们掌握的大数据,连中国省份女士的罩杯如何,都能看到。

3.6.png

以99click商助为例,通过一体化的智能营销云平台,凭借十多年的挖掘经验,收集客户地域,外部来源以及搜索引擎等有效数据,这让网站开发和广告投放者更能有的放矢,也节约更多精力和资源在开发新客户与维护老客户上。

3.7.png

除此以外,99click商助科技针对电子商务平台,全面收集网站客户流量来源,检索偏好,浏览偏好,以及各产品页面的流向。这样就能大致绘制出客户消费行为路径,为下一步精准推广打下基础。而一般企业无法收集或不便收集,所以用户画像难度很大。

3.8.png

第二步:数据分析

即使同样是电子商务平台,针对的用户不一样,所需要的数据也会有差异,而不用全部数据都拿来分析。

▎举个例子:

卖化妆品而言,关键需要知道你年龄,性别,消费情况,因为这些数据决定了你护肤品的购买力。同时爱好,兴趣,娱乐等数据也需要考虑,你的品牌偏好?护肤品功能偏好?数据分析就是找出目标客户的共同点,当然也发现非目标用户特点,避免网站开发做无用功。

3.9.png

第三步:提纯丰富用户画像

找出某一类用户的关键共同点之后,不断丰富。把关键点串起来,补充一些次关键信息更立体描述出用户画像。正如《大数据时代》中提到的,大数据要找的不是因果关系,而是相关关系。而这一功能,亚马逊已经用于网站的商品个性化推荐。

▎举个例子:

亚马逊会根据你以往的消费,以及你的浏览,为你推荐一本书,而这本书正是你要买的。

这正是很多平台企业期待的用户个性化推荐。

3.10.png

用户画像的构建,表面看起来简单,实则在运行过程中需要不断得验证,测算。企业成长的各个阶段也需要对画像模型进行验证修正,但保持清晰用户画像会让企业更深入了解用户需求。

想知道更多市场营销策略,请关注我们微信公众号:cn99click,

或登录我们官方网站:http://www.99click.com


99click商助科技
QQ咨询
在线咨询