用戶畫(huà)像解說(shuō)

用戶畫(huà)像精準(zhǔn)營(yíng)銷(xiāo)什么是用戶畫(huà)像用戶畫(huà)像是指根據(jù)用戶的屬性、用戶偏好、生活習(xí)慣、用戶行為等信息而抽象出來(lái)的標(biāo)簽化用戶模型。通俗說(shuō)就是給用戶打標(biāo)簽，而標(biāo)簽是通過(guò)對(duì)用戶信息分析而來(lái)的高度精煉的特征標(biāo)識(shí)。通過(guò)打標(biāo)簽可以利用一些高度概括、容易理解的特征來(lái)描述用戶，可以讓人更容易理解用戶，并且可以方便計(jì)算機(jī)處理。標(biāo)簽特征語(yǔ)義化短文本使人方便理解每個(gè)標(biāo)簽的含義每個(gè)標(biāo)簽只表示一種含義無(wú)需過(guò)度進(jìn)行文本分析處理工作方便機(jī)器提取標(biāo)準(zhǔn)化信息用戶畫(huà)像五個(gè)維度用戶畫(huà)像是對(duì)現(xiàn)實(shí)世界中用戶的建模，用戶畫(huà)像應(yīng)該包含目標(biāo)、方式、組織、標(biāo)準(zhǔn)、驗(yàn)證這5個(gè)方面。指的是描述人，認(rèn)識(shí)人，了解人，理解人。目標(biāo)方式組織標(biāo)準(zhǔn)驗(yàn)證又分為非形式化手段，如使用文字、語(yǔ)言、圖像、視頻等方式描述人；形式化手段，即使用數(shù)據(jù)的方式來(lái)刻畫(huà)人物的畫(huà)像。指的是結(jié)構(gòu)化、非結(jié)構(gòu)化的組織形式。指的是使用常識(shí)、共識(shí)、知識(shí)體系的漸進(jìn)過(guò)程來(lái)刻畫(huà)人物，認(rèn)識(shí)了解用戶。依據(jù)側(cè)重說(shuō)明了用戶畫(huà)像應(yīng)該來(lái)源事實(shí)、經(jīng)得起推理和檢驗(yàn)。用戶畫(huà)像的作用在互聯(lián)網(wǎng)、電商領(lǐng)域用戶畫(huà)像常用來(lái)作為精準(zhǔn)營(yíng)銷(xiāo)、推薦系統(tǒng)的基礎(chǔ)性工作，其作用總體包括：精準(zhǔn)營(yíng)銷(xiāo)：根據(jù)歷史用戶特征，分析產(chǎn)品的潛在用戶和用戶的潛在需求，針對(duì)特定群體，利用短信、郵件、微信公眾號(hào)等方式進(jìn)行營(yíng)銷(xiāo)。用戶統(tǒng)計(jì)：根據(jù)用戶的屬性、行為特征對(duì)用戶進(jìn)行分類(lèi)后，統(tǒng)計(jì)不同特征下的用戶數(shù)量、分布；分析不同用戶畫(huà)像群體的分布特征。數(shù)據(jù)挖掘：以用戶畫(huà)像為基礎(chǔ)構(gòu)建推薦系統(tǒng)、搜索引擎、廣告投放系統(tǒng)，提升服務(wù)精準(zhǔn)度。服務(wù)產(chǎn)品：對(duì)產(chǎn)品進(jìn)行用戶畫(huà)像，對(duì)產(chǎn)品進(jìn)行受眾分析，更透徹地理解用戶使用產(chǎn)品的心理動(dòng)機(jī)和行為習(xí)慣，完善產(chǎn)品運(yùn)營(yíng)，提升服務(wù)質(zhì)量。行業(yè)報(bào)告&用戶研究：通過(guò)用戶畫(huà)像分析可以了解行業(yè)動(dòng)態(tài)，比如人群消費(fèi)習(xí)慣、消費(fèi)偏好分析、不同地域品類(lèi)消費(fèi)差異分析。用戶畫(huà)像場(chǎng)景化根據(jù)用戶畫(huà)像的作用可以看出，用戶畫(huà)像的使用場(chǎng)景較多，用戶畫(huà)像可以用來(lái)挖掘用戶興趣、偏好、人口統(tǒng)計(jì)學(xué)特征，主要目的是提升營(yíng)銷(xiāo)精準(zhǔn)度、推薦匹配度，終極目的是提升產(chǎn)品服務(wù)，起到提升企業(yè)利潤(rùn)。用戶畫(huà)像適合于各個(gè)產(chǎn)品周期：從新用戶的引流到潛在用戶的挖掘、從老用戶的培養(yǎng)到流失用戶的回流等。產(chǎn)品周期產(chǎn)品周期潛在用戶競(jìng)品用戶引流轉(zhuǎn)化新用戶培養(yǎng)老用戶預(yù)防流失用戶激活回流用戶接觸渠道活躍平臺(tái)擁有設(shè)備操作系統(tǒng)人口學(xué)信息性別比年齡結(jié)構(gòu)職業(yè)收入地域分布用戶體驗(yàn)使用場(chǎng)景操作習(xí)慣使用頻率付費(fèi)意愿用戶留存流失動(dòng)機(jī)回流原因流向數(shù)據(jù)競(jìng)品分析用戶畫(huà)像場(chǎng)景化用戶畫(huà)像必須從實(shí)際業(yè)務(wù)場(chǎng)景出發(fā)，解決實(shí)際的業(yè)務(wù)問(wèn)題，之所以進(jìn)行用戶畫(huà)像，要么是獲取新用戶，要么是提升用戶體驗(yàn)、或者挽回流失用戶等具有明確的業(yè)務(wù)目標(biāo)。用戶畫(huà)像&用戶標(biāo)簽體系框架經(jīng)營(yíng)分析流量增值用戶增長(zhǎng)風(fēng)險(xiǎn)監(jiān)控收入與數(shù)據(jù)服務(wù)產(chǎn)品運(yùn)營(yíng)與用戶體驗(yàn)產(chǎn)品運(yùn)營(yíng)數(shù)據(jù)服務(wù)業(yè)務(wù)監(jiān)控用戶體驗(yàn)用戶生命周期管理活動(dòng)運(yùn)營(yíng)評(píng)估精細(xì)化投放......標(biāo)簽工作事實(shí)化分析結(jié)果可視化數(shù)據(jù)分析產(chǎn)品化......流量結(jié)構(gòu)監(jiān)測(cè)業(yè)務(wù)穩(wěn)定性......客訴分群管理用戶需求結(jié)構(gòu)用戶行為特征分析......產(chǎn)品研發(fā)業(yè)務(wù)運(yùn)營(yíng)市場(chǎng)監(jiān)控客服管理戰(zhàn)略需求功能拆解應(yīng)用用戶畫(huà)像的分類(lèi)畫(huà)像方法可以分為定性畫(huà)像、定性+定量畫(huà)像、定量畫(huà)像。定性用戶畫(huà)像定性畫(huà)像+定量驗(yàn)證定量用戶畫(huà)像1、定性訪談2、用戶類(lèi)型細(xì)分3、構(gòu)建用戶畫(huà)像優(yōu)點(diǎn)：快捷方便可深入挖掘使用場(chǎng)景和動(dòng)機(jī)缺點(diǎn)：缺少數(shù)據(jù)驗(yàn)證1、定性訪談2、用戶類(lèi)型細(xì)分+定量數(shù)據(jù)驗(yàn)證3、構(gòu)建用戶畫(huà)像優(yōu)點(diǎn)：數(shù)據(jù)和定性結(jié)合驗(yàn)證缺點(diǎn)：工作量大，成本高1、用戶群細(xì)分假設(shè)2、數(shù)據(jù)收集+聚類(lèi)分析3、構(gòu)建用戶畫(huà)像優(yōu)點(diǎn)：有數(shù)據(jù)充分佐證，可通過(guò)統(tǒng)計(jì)分析，獲得用戶特點(diǎn)和比例的精確數(shù)據(jù)缺點(diǎn)：統(tǒng)計(jì)要求高；難以了解使用場(chǎng)景；難以挖掘用戶情感傾向和行為操作背后的原因和深層次動(dòng)機(jī)從應(yīng)用角度來(lái)看，可以分為行為畫(huà)像、健康畫(huà)像、企業(yè)信用畫(huà)像、個(gè)人信用畫(huà)像、靜態(tài)產(chǎn)品畫(huà)像、旋轉(zhuǎn)設(shè)備畫(huà)像、社會(huì)畫(huà)像和經(jīng)濟(jì)畫(huà)像等。用戶畫(huà)像需要用到哪些數(shù)據(jù)一般來(lái)說(shuō)，根據(jù)具體的業(yè)務(wù)內(nèi)容，會(huì)有不同的數(shù)據(jù)，不同的業(yè)務(wù)目標(biāo)，也會(huì)使用不同的數(shù)據(jù)。在互聯(lián)網(wǎng)領(lǐng)域，用戶畫(huà)像數(shù)據(jù)可以包括以下內(nèi)容：（1）人口屬性：包括性別、年齡等人的基本信息。（2）興趣特征：瀏覽內(nèi)容、收藏內(nèi)容、閱讀咨詢、購(gòu)買(mǎi)物品偏好等。（3）消費(fèi)特征：與消費(fèi)相關(guān)的特征。（4）位置特征：用戶所處城市、所處居住區(qū)域、用戶移動(dòng)軌跡等。（5）設(shè)備屬性：使用的終端特征等。（6）行為數(shù)據(jù)：訪問(wèn)時(shí)間、瀏覽路徑等用戶在網(wǎng)站的行為日志數(shù)據(jù)。（7）社交數(shù)據(jù)：用戶社交相關(guān)數(shù)據(jù)。用戶畫(huà)像需要用到哪些數(shù)據(jù)用戶畫(huà)像數(shù)據(jù)來(lái)源廣泛，這些數(shù)據(jù)是全方位了解用戶的基礎(chǔ)，這里以某OTA的畫(huà)像為例，其畫(huà)像數(shù)據(jù)主要維度如下所示，包括用戶RFM信息、航線信息等。數(shù)據(jù)來(lái)源航司/艙位/保險(xiǎn)信息概覽屬性總下單用戶數(shù)總乘機(jī)用戶數(shù)支付登錄非登錄占比總訂單、總票量、總航段退改訂單占比VIP低頻個(gè)人黃牛商旅個(gè)人未知乘機(jī)人屬性標(biāo)簽屬性性別年齡星座國(guó)籍證件類(lèi)型用戶RFM信息航線信息行程信息用戶行為總訂單數(shù)總消費(fèi)金額出發(fā)地到達(dá)地相同航線選稱次數(shù)乘機(jī)人數(shù)分布直飛、中轉(zhuǎn)占比單程、往返、多程占比機(jī)型起飛到達(dá)時(shí)間段下單時(shí)間分布提前購(gòu)買(mǎi)天數(shù)分布購(gòu)買(mǎi)次數(shù)分布新用戶占比用戶搜索信息用戶Booking信息用戶畫(huà)像需要用到哪些數(shù)據(jù)用戶畫(huà)像數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建都是基于基礎(chǔ)數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建，然后按照維度進(jìn)行劃分。用戶畫(huà)像數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)數(shù)據(jù)機(jī)票信息庫(kù)用戶標(biāo)簽庫(kù)售后信息庫(kù)車(chē)票信息數(shù)據(jù)酒店信息庫(kù)用戶行為日志數(shù)據(jù)用戶基本信息用戶RFM模型用戶訂單信息用戶航司信息乘客信息用戶標(biāo)簽信息用戶統(tǒng)計(jì)匯總信息用戶艙位信息用戶航程信息用戶訂單來(lái)源用戶下單地址用戶支付信息用戶航線信息訂單分類(lèi)匯總用戶搜索行為用戶booking行為用戶保險(xiǎn)信息用戶退改簽信息用戶投訴信息用戶身份關(guān)聯(lián)信息用戶畫(huà)像標(biāo)簽體系的建立用戶畫(huà)像是對(duì)現(xiàn)實(shí)用戶做的一個(gè)數(shù)學(xué)模型，在整個(gè)數(shù)學(xué)模型中，核心是怎么描述業(yè)務(wù)知識(shí)體系，而這個(gè)業(yè)務(wù)知識(shí)體系就是本體論，本體論很復(fù)雜，我們找到一個(gè)特別樸素的實(shí)現(xiàn)，就是標(biāo)簽。一級(jí)標(biāo)簽二級(jí)標(biāo)簽三級(jí)標(biāo)簽四級(jí)標(biāo)簽移動(dòng)屬性用戶所在地省份地市手機(jī)品牌品牌型號(hào)業(yè)務(wù)屬性用戶等級(jí)普通音樂(lè)普通會(huì)員音樂(lè)高級(jí)會(huì)員音樂(lè)VIP會(huì)員標(biāo)簽是某一種用戶特征的符號(hào)表示，是一種內(nèi)容組織方式，是一種關(guān)聯(lián)性很強(qiáng)的關(guān)鍵字，能方便的幫助我們找到合適的內(nèi)容及內(nèi)容分類(lèi)。（注：簡(jiǎn)單說(shuō)，就是你把用戶分到多少個(gè)類(lèi)別里面去，這些類(lèi)是什么，彼此之間有什么關(guān)系，就構(gòu)成了標(biāo)簽體系）標(biāo)簽解決的是描述（或命名）問(wèn)題，但在實(shí)際應(yīng)用中，還需要解決數(shù)據(jù)之間的關(guān)聯(lián)，所以通常將標(biāo)簽作為一個(gè)體系來(lái)設(shè)計(jì)，以解決數(shù)據(jù)之間的關(guān)聯(lián)問(wèn)題。一般來(lái)說(shuō)，將能關(guān)聯(lián)到具體用戶數(shù)據(jù)的標(biāo)簽，稱為葉子標(biāo)簽。對(duì)葉子標(biāo)簽進(jìn)行分類(lèi)匯總的標(biāo)簽，稱為父標(biāo)簽。父標(biāo)簽和葉子標(biāo)簽共同構(gòu)成標(biāo)簽體系，但兩者是相對(duì)概念。例如：左表中，地市、型號(hào)在標(biāo)簽體系中相對(duì)于省份、品牌，是葉子標(biāo)簽。用戶畫(huà)像標(biāo)簽體系的建立用戶畫(huà)像標(biāo)簽體系創(chuàng)建后一般要包含以下幾個(gè)方面的內(nèi)容。標(biāo)簽的分類(lèi)標(biāo)簽的級(jí)別標(biāo)簽的命名標(biāo)簽的賦值標(biāo)簽的屬性用戶畫(huà)像標(biāo)簽體系涵蓋標(biāo)簽分類(lèi)用戶畫(huà)像標(biāo)簽可以分為基礎(chǔ)屬性標(biāo)簽和行為屬性標(biāo)簽。由于基于一個(gè)目標(biāo)的畫(huà)像，其標(biāo)簽是在動(dòng)態(tài)擴(kuò)展的，所以其標(biāo)簽體系也沒(méi)有統(tǒng)一的模板，在大分類(lèi)上，與自身的業(yè)務(wù)特征有很大的關(guān)聯(lián)，在整體思路上可以從橫縱兩個(gè)維度展開(kāi)思考：橫向是產(chǎn)品內(nèi)數(shù)據(jù)和產(chǎn)品外數(shù)據(jù)，縱向是線上數(shù)據(jù)和線下數(shù)據(jù)。而正中間則是永恒不變的“人物基礎(chǔ)屬性”。用戶基礎(chǔ)屬性標(biāo)簽行為屬性標(biāo)簽用戶基本資料性別、年齡、所在地、職業(yè)用戶情況學(xué)歷、婚戀狀況、興趣、自定義關(guān)鍵詞用戶行為付費(fèi)用戶、消費(fèi)能力、移動(dòng)定向（設(shè)備價(jià)格、操作系統(tǒng)、運(yùn)營(yíng)商、移動(dòng)媒體分類(lèi)）、應(yīng)用用戶（app推廣）個(gè)人喜好資源分類(lèi)標(biāo)簽、喜好標(biāo)簽、風(fēng)格標(biāo)簽、收聽(tīng)時(shí)間收聽(tīng)行為主動(dòng)播放、聽(tīng)完、單曲循環(huán)、分享、收藏、拉黑人物特征屬性人物特征屬性是用戶標(biāo)簽不能缺失的板塊。人物基礎(chǔ)屬性指的是用戶客觀的屬性而非用戶自我表達(dá)的屬性，也就是描述用戶真實(shí)人口屬性的標(biāo)簽。所謂非“自我表達(dá)”，舉例來(lái)說(shuō)，某產(chǎn)品內(nèi)個(gè)人信息有性別一項(xiàng)，用戶填寫(xiě)為“女”，而通過(guò)用戶上傳的身份證號(hào)，以及用戶照片，用戶購(gòu)買(mǎi)的產(chǎn)品，甚至用戶打來(lái)的客服電話，都發(fā)現(xiàn)該用戶性別是“男性”。那么在人物基礎(chǔ)屬性中的性別，應(yīng)該標(biāo)識(shí)的是“男性”，但是用戶信息標(biāo)簽部分，自我描述的性別則可能標(biāo)注為女性。標(biāo)簽級(jí)別（標(biāo)簽的體系結(jié)構(gòu)）標(biāo)簽分級(jí)有兩個(gè)層面的含義，其一是：指標(biāo)到最低層級(jí)的涵蓋的層級(jí)；其二是指：指標(biāo)的運(yùn)算層級(jí)。標(biāo)簽從運(yùn)算層級(jí)角度可以分為三層：事實(shí)標(biāo)簽：是通過(guò)對(duì)于原始數(shù)據(jù)庫(kù)的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析而來(lái)的，比如用戶投訴次數(shù)，是基于用戶一段時(shí)間內(nèi)實(shí)際投訴的行為做的統(tǒng)計(jì)。模型標(biāo)簽：模型標(biāo)簽是以事實(shí)標(biāo)簽為基礎(chǔ)，通過(guò)構(gòu)建事實(shí)標(biāo)簽與業(yè)務(wù)問(wèn)題之間的模型，進(jìn)行模型分析得到。比如，結(jié)合用戶實(shí)際投訴次數(shù)、用戶購(gòu)買(mǎi)品類(lèi)、用戶支付的金額等，進(jìn)行用戶投訴傾向類(lèi)型的識(shí)別，方便客服進(jìn)行分類(lèi)處理。預(yù)測(cè)標(biāo)簽：則是在模型的基礎(chǔ)上做預(yù)測(cè)，比如針對(duì)投訴傾向類(lèi)型結(jié)構(gòu)的變化，預(yù)測(cè)平臺(tái)輿情風(fēng)險(xiǎn)指數(shù)。原始數(shù)據(jù)用戶基本信息用戶在線行為用戶支付行為產(chǎn)品/渠道信息事實(shí)標(biāo)簽服務(wù)類(lèi)型消耗行為投訴次數(shù)客服接觸付費(fèi)金額購(gòu)買(mǎi)品類(lèi)產(chǎn)品屬性通道偏好統(tǒng)計(jì)分析模型標(biāo)簽產(chǎn)品關(guān)聯(lián)用戶活躍投訴傾向...用戶關(guān)聯(lián)興趣偏好......預(yù)測(cè)標(biāo)簽購(gòu)買(mǎi)需求