对于用户画像,你真的懂吗?

2018.07.16

互联网时代是一个以用户为中心的时代,对人群的分析也就成为互联网营销中最为重要的环节。对于营销人员来说,找对了人、找准了人,将会带来非常明显的效果。找对人非常重要。


1531732995(1).jpg


互联网时代为营销带来了新的契机。

互联网世界与传统世界最大的不同在于,能够“监控”用户的每一个地方。每一个使用互联网的人,他在互联网(无论是桌面还是移动端)上的诸如搜索引擎、浏览、购买等各种痕迹都会被各种或明或暗的机构或个人记录存储。

然后通过对这些信息的整理分析,我们可以知道他(或她)是谁,然后判断他是不是“对的人”,他需要什么,想要什么。

有了这些信息,商家便可以有针对性地向用户推送广告,并且根据每个人的不同喜好,为其推送不同的广告形式与内容。这种方法的效果比传统广告投放的效果肯定会好太多。


1531733013(1).jpg


这个逻辑,简单而诱人。

如今互联网世界的很多广告已经跟用户在网上的某些行为发生了关联。最明显的例子就是淘宝、京东等电子商务平台,在用户浏览了商品之后,会发现以后在互联网上浏览的很多页面都有类似商品的广告出现了。拥有准确的用户人群定位能力成为商家在互联网世界抓住用户的重要能力。

随着越来越多互联网人士参与到对互联网世界中的用户定位和描绘的工作中来,人们对此工作也有了更简洁的说法——人群画像,或是用户画像。

而用户画像也成为网络营销的金字招牌和必不可少的利器。


什么是用户画像?

用户画像是指真实用户在互联网世界中的虚拟代表,是建立在一系列真实数据之上的目标用户模型。

它是通过用户调研去了解用户,根据他们的目标、行为和观点的差异,将他们区分为不同的类型,然后在每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,从而形成一个人物原型。


1531733032(1).jpg


举个例子来说,如果你经常购买一些玩偶玩具,那么电商网站即可根据玩具购买的情况替你打上标签“有孩子”,甚至还可以判断出你孩子大概的年龄,贴上“有5-10岁的孩子”这样更为具体的标签,而所有诸如这些给你贴的标签集合在一起,就成了你的用户画像。

一个完整的用户画像包括姓名、照片、年龄、家庭状况、收入、工作、用户场景/活动、计算机技能/知识、目标/动机、喜好、人生态度等元素。

而对用户画像的构建,必须是要建立在真实、全面的数据的基础之上。

对于不同的数据来源,可以获得的用户的数据只是少量的。因此,想要描绘一个饱满、形象的用户画像,需要了解不同用户在不同情境(交通过程中,上班途中,睡觉前)的典型使用行为与习惯数据,将之整合起来,填充画像的各部分。


 

用户画像的四阶段

用户画像的焦点工作就是为用户打“标签”,而一个标签通常是人为规定的高度精炼的特征标识,如年龄、性别、地域、用户偏好等,最后将用户的所有标签综合来看,就可以勾勒出该用户的立体“画像”了。

具体来讲,当为用户画像时,需要以下四个阶段:


1531733051(1).jpg


战略解读: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战略意义、平台建设目标和效果预期,进而有针对性的开展实施工作。

建模体系:对用户画像进行数据建模,结合客户实际的需求,找出相关的数据实体,以数据实体为中心规约数据维度类型和关联关系,形成符合客户实际情况的建模体系。

维度分解:以用户、商品、渠道三类数据实体为中心,进行数据维度分解和列举。根据相关性原则,选取和战略目的相关的数据维度,避免产生过多无用数据干扰分析过程。

应用流程:针对不同角色人员的需求(如市场、销售、研发等),设计各角色人员在用户画像工具中的使用功能和应用/操作流程。


 

用户画像的意义

完善产品运营,提升用户体验:改变以往闭门造车的生产模式,通过事先调研用户需求,设计制造更适合用户的产品,提升用户体验。

对外服务,提升盈利:根据产品特点,找到目标用户,在用户偏好的渠道上与其交互,促成购买,实现精准运营和营销。


1531733070(1).jpg


用户画像构建的难度


主要表现为以下四个方面:


1531733092(1).jpg


为了精准地描述用户特征,可以参考下面的思路,从用户微观画像的建立→用户画像的标签建模→用户画像的数据架构,我们由微观到宏观,逐层分析。


首先我们从微观来看,如何给用户的微观画像进行分级呢?如下图所示


总原则:基于一级分类上述分类逐级进行细分。

第一分类:人口属性、资产特征、营销特性、兴趣爱好、购物爱好、需求特征

第二分类…

第三分类…

…….


1531733110(1).jpg


完成了对客户微观画像分析后,就可以考虑为用户画像的标签建模了。


从原始数据进行统计分析,得到事实标签,再进行建模分析,得到模型标签,再进行模型预测,得到预测标签。

1531733129(1).jpg


最后从宏观层面总结,就是得到用户画像的数据架构。


1531733156(1).jpg