数据分析必知必会,一文搞懂用户画像:维度、场景、标签体系···(附相关资料下载)

科技   2024-11-18 15:00   天津  

木木自由/数据分析·领地,一起学习数据分析,持续更新数据分析学习路径相关资料~更多产品、运营与数据分析、数据治理、数据资产干货以及经验分享(精彩数据观点、学习资料、数据课程分享、读书会、分享会等你一起来乘风破浪~


木木自由·数据分析·领地

·


学会对用户进行分析画像,是数据分析必修课。用户画像:更好的了解用户深入分析用户使用场景实现精准化运营,特别是在这获客成本日益增加的情况下~

它通过收集和分析用户的各种数据来创建用户的详细描述,这些描述通常包括用户的行为、偏好、心理特征、生活方式等。用户画像的目的是为了更好地理解目标客户群体,以便为他们提供更加个性化的产品和服务,提高营销效率和客户满意度。

在此,【数据分析·领地】也整理了用户画像分析指南》“供大家更好的学习了解,仅供学习交流!

1、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?


2、用户画像的应用

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。
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。
用户分析:虽然和Persona不一样,用户画像也是了解用户的必要补充。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。
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。
很多用户画像初衷是好的,但是沦为了形式主义。问题在于标签划分过多,策略执行有难度。
不要想当然的归纳一个齐全完备的体系,却忽略了画像的核心价值。用户画像首先得是商业目的下的用户标签集合。
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?探讨这些是没有意义的。是男是女如何影响消费决策,工资多少影响消费能力,有没有谈恋爱会否带来新的营销场景,剁手购物怎么精准推荐,这些才是用户画像背后的逻辑。
不是我有了用户画像,便能驱动和提高业务。而是为了驱动和提高业务,才需要用户画像。
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。
3、用户画像的架构

用户画像一般按业务属性划分多个类别模块。除了常见的人口统计,社会属性外。还有用户消费画像,用户行为画像,用户兴趣画像等。具体的画像得看产品形态,像金融领域,还会有风险画像,包括征信、违约、洗钱、还款能力、保险黑名单等。电商领域会有商品的类目偏好、品类偏好、品牌偏好,不一而足。

上图是随手画的的例子,画一个架构不难,难得是了解每个标签背后的业务逻辑和落地方式

上图列举了标签加工和计算的过程,很好理解。最上层的策略标签,是针对业务的落地,运营人员通过多个标签的组合形成一个用户群组,方便执行。
用户画像作为平台级的应用,很多运营策略及工具,都是在其基础上构建的。

基于营销和消费相关的标签,新客、老客、用户的流失和忠诚、用户的消费水平和频率等,都是构成CRM(客户关系管理)的基础,可能大家更习惯叫它用户/会员管理运营平台。
它的作用在于,将数据化的标签,转换成产品运营策略。不同的标签对应不同的用户群体,也对应不同的营销手段。CRM的结构中会包含各类触达用户的常用渠道比如短信、邮件、推送等。也包含CMS(内容管理系统),执行人员通过其快速配置活动页、活动通道、优惠券等,靠营销活动拉动数据。
老王的沙拉业务要是做大,那么运营平台就会以图中的结构搭建。老王在CRM中组合标签,新客老客流失客的数据借助BI监控,然后通过CMS系统配置红包啊优惠券啊等等,再通过短或Push触达。

4、如何构建用户画像
说白了主要是对两类客户的认知和判断:
现存客户 (Existing Customer)- 我的现存客户是怎么样,喜欢什么,什么消费习惯,哪些客户最值钱等等
潜在客户 (Prospect Customer)- 潜在用户又分:认知客户和竞品客户,我的潜在客户在哪,他们喜欢什么,通过什么渠道获取,获客成本是多少等等
定性与定量相结合的研究方法
定性的方法,表现为对产品、行为、用户个体的性质和特征作出概括,形成对应的产品标签、行为标签、用户标签。
定量的方法,则是在定性的基础上,给每一个标签打上特定的权重,最后通过数学公式计算得出总的标签权重,从而形成完整的用户模型。
定性与定量必须结合在一起,但更重要的是以用户为中心,而不是以数据为中心。


5、营销人群的获得方法
一是自己通过SQL去设定规则然后提取人群并过模型;第二种就是基于已有行为数据给用户打上标签后,再用组合标签的形式圈定出一些人群,最后通过广告平台相应店铺或者商品就被推荐给了相应的人群。
说一下用标签和SQL去找人群的区别就是:由第二点也知道了,标签主要是对老客户和认知客户进行了打标签,对竞品客户却不能打标签。那么有一种情况就是:对于一个新的店铺如何去找到潜在的用户,去进行拉新和引流,这时竞品客户就显得很重要了,通常我们会人工去找一些与运营店铺风格、价位相似的店铺和竞品单品,然后通过SQL去找出部分竞品客户,因为对相似竞品感兴趣的客户很大可能对我们店铺同类型的商品也感兴趣。

6、如何建立用户画像
本质上看是两类问题:
对用户画像,打上标签。这是个聚类问题,将同一类用户通过算法聚合成一类。
对不同用户进行精准营销。这个问题是个预测问题,对用户行为建模,预测某一类用户会对什么更感兴趣。
先说第一类问题,聚类。这个成熟的算法很多,具体选择哪种就要看你的数据有什么了。既然叫做数据分析,那边必然是以你的数据为准基础的,看你的数据包含什么,如果能把用户映射到某一个空间里面,表示成向量(也就是高维空间的坐标),就可以kmeans,DBscan等等方法来进行聚类,如果只能给出两两用户的相似度,那么就是用基于层次聚类的算法。再重申一遍,关键是数据。
再就是对用户行为建模,同样因为不了解数据,就只能简单讲一讲普通的流程。精准营销这个问题可以规约为预测用户对什么商品感兴趣。这个建模流程简单来说应该包含下面几个过程:
a、选取特征,从历史数据中选择、构造出一些特征,假设这些特征和要预测的值之间的一个关系(这个关系也就是你的模型)。这一步是定性的过程。
b、确定模型中的未知系数,也就是定量的过程。
c、计算模型的置信度,根据测试集数据(从历史数据中选择一部分出来,分割方法很多,自行百度交叉验证)来判断预测准确性,如果符合要求,就可以用这个模型来预测用户喜欢什么,进行精准营销,如果准确性不满足要求,那么就再重复上述过程,构造更复杂的特征,或者收集更多数据,尝试其他模型。

7、四种划分用户并进行分析或测试的方法
精益数据分析的核心在于如何找到一个有意义的指标,然后通过试验改善它,直到令你满意;之后,转而解决下一个问题,或步入创业的下一个阶段。整个周期如图


8、强数据分析型创业公司所经历的生命周期

9、分析用户画像需要以下几个步骤:
01.数据采集:采集与目标用户相关的各种数据,包括但不限于:年龄、性别、地理位置、教育背景、职业、收入、婚姻状态、消费习惯等等。可以通过用户调研、社交媒体分析、网站流量统计、用户行为跟踪等途径获取数据。
02.数据治理:将收集到的数据进行分类整理,以便更好地了解用户需求以及兴趣偏好。可以借用数据分析工具或者手动整理数据。
03.用户行为分析:通过对用户数据进行分析,寻找用户的共性特点。例如,他们的年龄、性别、职业、地理位置等等。同时也要留意用户的差异性,例如,不同地理位置的用户可能有不同的文化背景和消费习惯。
04.创建用户画像:根据用户行为特点和需求创建用户画像。用户画像可以包括用户的基本信息、兴趣爱好、购买习惯、使用偏好、价值观等等。

文│来源:简书 整理
【数据分析·领地】星球一起学习财务分析、经营分析、商业分析、数据治理、数据资产~等数据分析相关资料~

- END -

附1:用户画像解说(16页 PPT)


····

(进星球领取完整版)

用户画像精细化运营(44页)

····

(进星球领取完整版)


附2:《用户画像学习指南》

包括用户画像概述、如何构建用户画像、用户画像系统构建、用户画像场景应用、案例···等内容,希望对于用户画像分析,并给做数据分析的人员提供一些思路,有任何问题都可以随时交流哦!

用户画像构建及应用场景(46页 PPT).pptx
互联网大数据分析之《用户画像分析》(60页).ppt
《用户运营的用户画像最全解析学习教程》(64页).pdf
用户画像(36页 PPT).pptx
用户画像标签体系与数据建模整体解决方案48页.ppt
用户画像体系:银行版.ppt
用户画像的标签体系30页.pptx
数据挖掘与用户画像方案.ppt
用户画像指导用户精细化运营.pptx
····进星球领取更多用户画像相关内容
数据分析·领地还整理了《各大汽车厂商用户画像应用案例包括新岚图梦想家小鹏G6、阿维塔11、理想L7、比亚迪···等用户研究报告··等报告,仅供参考~
新岚图梦想家用户报告(用户画像、购车、满意度等)
小鹏G6用户报告(用户画像、购车、满意度等)
阿维塔11用户研究报告(用户画像、购车、满意度等)
长安深蓝S7用户报告(用户画像、购车、满意度等)
吉利银河L7用户报告(用户画像、购车、满意度等)
比亚迪宋PLUS DM-i冠军版用户报告(用户画像、购车、满意度等)
极氪001用户研究报告(画像、购车、满意度等)
腾势D9用户报告(画像、购车、满意度等)
埃安AION Y Plus用户报告(用户画像、购车、满意度等).
理想L7用户研究报告(用户画像、购车、满意度等)
小米汽车产业链动态报告(用户画像、管理及战略、市场竞争、技术、供产销等)
····

····

(进星球领取完整版)

附3:《数据标签体系构建指南》《数据标签应用指南》

【应用案例】数据标签与指标在金融行业的应用.pptx【应用案例】科学构建用户标签体系--构建用户标签体系-助力企业精细化运营.pptx【应用案例】大数据客户标签管理系统.pptx【思路】数据标签的分类及实现.pptx数据标签的分类、设计及实现方法.pdf···

····

(进星球领取完整版)

获取全套资料,请在公号后台回复“8”,加入数据分析·领地知识星球,或扫描下方文末二维码进入星球下载。


「完」

版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。



(点击阅读原文进数据分析星球,领取统计学相关资料、数据指标搭建、案例、方案、方法相关资料等相关分析资料~)





#数据分析相关课程# 从零开始学数据分析25讲

#数据分析相关课程# 数据分析思维与实战23讲

   ···


#数据分析入门级别资料# 数据分析基础分享讲解(1-6)(附数据分析报告)

·····

····

    立即扫码
    扫码加入星友群
    即可各种数据分析思维、工具、课程、书籍、项目、运营、产品相关结构化体系资料~
    内容持续更新,期待你来


    在后续也会在【数据分析·领地】中,组织读书会,分享会等专项活动,读书会主要学习技术类的书籍领读,分享会主要以数据分析思维分享,案例复盘分享等~

    部分图片来源于网络,使用图片、文字等均不作为商业用途使用,如有侵权,请联系删除~

木木自由
《数据分析手记:72个数据分析问题精解》作者,这是运营对数据的漫谈理想之地,这有数据对运营的收藏之所,这为产品对运营的思索之位,明确学习方向、开拓视野、相互交流!
 最新文章