首页 >热门资讯> 客户关系管理(CRM) > 如何进行精准化的用户画像? >

如何进行精准化的用户画像?

转载时间:2021.07.15(原文发布时间:2018.07.25)
199
转载作者:36氪企服点评小编
阅读次数:199次

本文由人人都是产品经理社区 作者 @王小默原创发布。转载请联系人人都是产品经理。

用户画像介绍

什么是用户画像?

从中文概念来讲,用户画像与用户角色非常相近,是用来勾画用户(用户背景、特征、性格标签、行为场景等)和联系用户需求与产品设计的。

简单来将,就是想要在通过从海量用户行为数据中炼银挖金。它根据用户在互联网留下的种种数据,主动或被动地收集,然后尽可能全面细致地抽出一个用户的信息全貌,从而帮助解决如何把数据转化为商业价值的问题。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?

而从英文概念角度,用户画像(User Portrait)、用户角色(User Persona)、用户属性(User Profile)这三个概念其实都是各有侧重和容易混淆的。

用户角色更倾向于业务系统中不同用户的角色区分。例如:学校教务管理系统、老师审核、设置选课、学生查看选课和成绩。那么老师、学生就是不同的用户角色。

用户画像更倾向于对同一类用户进行不同维度的刻画。例如:对同一个电商的买家进行用户画像设计,就是将买家进一步细分和具象,如闲逛型用户、收藏型用户、比价型用户、购买型用户等。

用户属性则更倾向于对属性层面的刻画和描述,特别是基本属性的内涵居多,包括性别、年龄、地域等。

根据以上的讲解,我们就知道,用户画像近似等同于用户角色,统一称为中文概念的用户画像,而用户属性则是用户画像的子集。

用户画像分类

1. 虚拟用户画像

可能你不知道的是,用户画像其实是分为两种的。早期的用户画像和上面的描述有所不同,它是通过对用户多方面信息的调研和了解,将多种信息分类聚合,产出几个有典型特征和气质的虚拟用户。

此种的用户画像没有数据的参与构建,自然粒度也就比较粗,只是用虚拟的用户画像代表真实的用户。

比如,用户画像会用如下的文档描述:

如何进行精准化的用户画像?

2. 数据用户画像

画虎画皮难画骨,知人知面不知心。通过“虚拟用户画像”我们可以定义用户的性别、年龄等这些表面的基本特征,如若想要深入了解核心层面的东西,非数据用户画像不可。

这种用户画像是随着互联网的不断发展,积累的用户信息、行为记录越来越丰富,同时大数据处理和分析技术也已成熟,可以计算出每一个用户的特征。特征是从人口基本属性、社会属性、生活习惯、消费行为等信息抽象出来的一个个具体的标签表示,标签是某一用户特征的符号化表示。

为每个用户计算用户画像,这样更加贴近真实的世界,每个人都是独一无二,不能随随便便被其他人代表,用户画像精准到人。

用户画像用标签集合来表示,例如:

王某,男,33岁,河南人,北京工作,银行业,投资顾问,年收入50万,已婚,两套房,有孩子,喜欢社交,不爱运动,喝白酒,消费力强等。

基础信息可以通过用户的注册信息获得,但像是否有孩子、喜欢社交、喝白酒、消费能力等级等,用户不会告诉我们,需要建立数据模型才能计算出来。

当然,用户标签的体系是需要根据业务领域去设计的,比如:银行和电商用户标签体系就会不同。

数据用户画像的用途

(1)精准营销

这是运营最熟悉的玩法,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。这样就避免了全量投放造成的浪费,而且可以针对某次活动的拉新用户进行分析,评估活动效果,看是否和预期相符。

(2)数据应用

用户画像是很多数据产品的基础,诸如耳熟能详的推荐系统广告系统。操作过各大广告投放系统的同学想必都清楚,广告投放基于一系列人口统计相关的标签,性别、年龄、学历、兴趣偏好、手机等等。

比如:电商网站为准妈妈推荐婴儿用品,为摄影爱好者推荐镜头。在个性化推荐中,计算出用户标签是其中一环,还需要有协同过滤等推荐算法实现物品的推荐。

精准广告可以根据年龄、区域、人群、天气、游戏爱好、内容偏好、购物行为、搜索行为等定向选择进行投放。例如腾讯的广点通,支持用户在微信、QQ精准投放。

(3)数据分析

这个就不用多提了,用户画像可以理解为业务层面的数据仓库,各类标签是多维分析的天然要素,数据查询平台会和这些数据打通。

(4)产品设计

产品方面,它用于辅助产品设计,评价需求是否有价值。把用户进行分群,依据不同用户群特性就行产品设计和测试验证,别让产品偏离核心用户的需求。

(5)匹配度判断

查看某次市场推广的用户画像,事后分析是否和预期一致,判断推广渠道和产品目标用户群的匹配度。

(6)用户分析

产品早期,PM们通过用户调研和访谈的形式了解用户。在产品用户量扩大后,调研的效用降低,这时候会辅以用户画像配合研究。新增的用户有什么特征,核心用户的属性是否变化等等。

看来用户画像的用途还是蛮多的!真的是这样吗?

其实对大部分产品,用户画像用不到推荐系统,个性化推荐也提高不了几个利润,毕竟它需要大量的用户和数据作支撑。所以这些产品,更适合以用户画像为基础去驱动业务。而且有些时候即使有大量的数据和用户作支撑,有些公司也依然对画像不感冒,为什么呢?

伤不起的用户画像

不少公司,花了一大笔钱招了不少人建设用户画像系统,结果用不起来。或者做了一份用户画像的报告,性别用户地理位置用户消费金额,看上去挺高大上的,看完也就看完了。

归根结底,难以用好。很多用户画像初衷是好的,但是沦为了形式主义。

比如:有的公司建立用户画像划分了百来个维度,用户消费、属性、行为无所不包。本来这不错啊,但是上线后运营看着这个干瞪眼!为何?

问题包含但不限于:用户有那么多维度,怎么合理地选择标签?我想定义用户的层级,VIP用户应该累积消费金额超过多少?是在什么时间窗口内?为什么选择这几个标准?后续应该怎么维护和监控?业务发生变化了这个标签要不要改?

设立好标签,怎么验证用户画像的有效性?我怎么知道这套系统成功了呢?效果不佳怎么办?它有没有更多的应用场景?

另外,策略的执行也是一个纠结的问题。从岗位的执行看,运营背负着KPI。当月底KPI完不成时,你觉得他们更喜欢选择全量运营,还是精细化运营呢?

不少公司都存在这样类似情况:使用过用户画像一段时间后,发现也就那么一回事,也就渐渐不再使用。

这是用户画像在业务层面遇到老大难的问题。虽然企业自称建立用户画像,应用还是挺粗糙的。

那么用户画像到底应该如何正确使用呢?我们下一讲来说这个问题!

作者:王小默,公众号:小默日历

本文由 @王小默 原创发布于人人都是产品经理。未经许可,禁止转载

题图作者提供

[免责声明]

资讯标题: 如何进行精准化的用户画像?

资讯来源: 36氪官网

36氪企服点评

客户关系管理(CRM)相关的软件

查看更多软件

行业专家共同推荐的软件

限时免费的客户关系管理(CRM)软件

新锐产品推荐

消息通知
咨询入驻
商务合作