运营如何快速构建用户画像,实现大数据营销

中搜企悦 浏览次数: 2016-12-02 16:33

企业应该如何使用内部产生以及外部采集的数据,建立用户画像与会员体系,以数据驱动的方式进行精细化的生产,运营和销售?用户画像的核心工作是为用户打标签,'...

企业应该如何使用内部产生以及外部采集的数据,建立用户画像与会员体系,以数据驱动的方式进行精细化的生产,运营和销售?用户画像的核心工作是为用户打标签,打标签的重要目的之一是为了让人能够理解并且方便计算机处理。

来看看企悦小编的分享。

如果你走在大街上,看到迎面走来了一个前凸后翘、长发飘飘、五官精致、皮肤白皙、大腿修长的人,你内心肯定会一阵惊喜:“哇,美女!”。

假如你对这个美女产生了兴(性)趣,你想追求这个美女,那么你会想办法去了解这个美女,比如约她吃饭,出去玩以了解她的性格特征,从她闺蜜那打听她的兴趣、爱好等。当你对这个美女的外在和内在都做了详细的了解之后,你觉得的实时机差不多了,就开始了对美女的表白。

其实在你向美女表白前的一些列过程就是在对这个美女进行画像。你在表白前你肯定会对这个美女有了以下判断:

外在,她是一个美女。判断依据:前凸后翘,长发飘飘,五官精致,皮肤白皙,大腿修长

内在,她很温柔、贤惠、知书达理,她喜欢……判断依据:声音好听、细腻,举止优雅,会做饭,能持家,善解人意等

其实我们在做产品或者运营过程中的用户画像也是同样的道理和思路,前面是对单个人的特征描述。在做产品运营过程中的用户画像唯一不同的就是:我们需要对一群人做特征描述,是对一个群体的共性特征的提炼,说白了就是给用户群体打标签。所以用一句话概括:用户画像就是给用户打标签!

用户画像的思路

前面在用美女举例的时候,对美女从内在和外在两个方面进行了判断,用户画像的构建思路其实也是从这两个方面进行展开。在这里我们称之为:显性画像和隐性画像两个方面,具体的思路都是围绕这两个方面进行展开。

显性画像:即用户群体的可视化的特征描述。如目标用户的年龄、性别、职业、地域、兴趣爱好等特征

隐性画像:用户内在的深层次的特征描述。包含了用户的产品使用目的、用户偏好、用户需求、产品的使用场景、产品的使用频次等。

以下可做思路的参考:

一级纬度

二级纬度

举例

显性画像

基础特征

年龄

性别

职业

地域分布

兴趣爱好

网络使用习惯

上网时长

上网时间

上网影响因素

产品使用习惯

使用频次

使用时间

使用时长

行为特征

其他特征

了解产品渠道

注册时间

用户等级

活跃情况

用户分类

用户分级

隐性画像

目的

使用滴滴的目的就是打车

偏好

我更喜欢使用滴滴而不是Uber

我更喜欢打快车而不是专车

需求

使用滴滴为了快速打到车

场景

上班,去约会,去机场等

频次

我一周可能使用滴滴2-3次

用户画像构建步骤

为了让整个用户画像的工作有秩序,有节奏的进行,我们可以将用户画像分为以下三个步骤:基础数据采集,分析建模,结果呈现。

第一步:基础数据采集

数据是构建用户画像的核心依据,一切不建立在客观数据基础上的用户画像都是耍流氓。在基础数据采集方面可以先通过列举法先列举出构建用户画像所需要的基础数据。具体的思路如下:

一级维度

二级纬度

数据举例

数据来源

宏观层

行业数据

如:

用户群体的社交行为

用户群体的网络喜好

用户群体的行为洞察

用户群体的生活形态调研

行业研究报告

用户总体数据

如:

用户总量

不同级别用户分布

用户活跃情况

转化数据

前台和后台

第三方数据平台

研发导出

总体浏览数据

如:PV、UV、访问页面数

总体内容数据

如:

社区产品的用户发帖量(包含:主题数、回复数、楼中楼等数据)

不用级别用户发帖数据等

中观层

用户属性数据

用户终端设备

网络及运营商

用户的年龄、性别、职业、低于、兴趣爱好等分布

用户行为数据

用户的粘性数据:

访问频率

访问时间间隔

访问时段

用户的活跃数据:

用户的登录次数

平均停留时间

平均访问页面数

用户的留存数据

用户成长数据

网络使用习惯

产品使用习惯

用户成长数据

新老用户数据

用户的生命周期

用户的等级成长

访问深度

如:

跳出率

访问页面数

访问路径等

模块数据

产品各个功能模块数据

问卷调研

问卷调研过程中各个问题的情况反馈

调研和访谈

用户访谈

访谈用户的问题和需求反馈

微观层

用户参与度数据

如:

用户资料修改情况

用户新手任务完成情况

用户活动参与情况

数据后台

第三方数据平台

研发导出

用户点击数据

用户各个功能模块和按钮的访问和点击情况等

当然上面列举的数据纬度相对比较多,在构建用户画像过程中会根据需求进行相关的数据筛选。

在基础资料和数据收集环节我们会通过一手资料和二手资料获取相应的基础数据。

资料性质

资料类型

一手资料

问卷调研情况

用户访谈情况

产品前台反馈出的数据和用户行为

产品后台数据

二手资料

研究报告

文献资料

这些资料和数据会有三个方面的来源:

相关的文献资料和研究报告

产品数据后台

问卷调研和用户访谈

第二步:分析建模

当我们对用户画像所需要的资料和基础数据收集完毕后,需要对这些资料进行分析和加工,提炼关键要素,构建可视化模型。

接着可以对这些报告进行分析和关键词提炼,概括出整个95后群体标签,具体如下:

假如你是做社区产品的用户画像,那么通过用户等级数据、用户行为数据和用户贡献等数据进行分析并建立相应的用户模型,比如某K12领域社区用户分布和需求模型:

我们在做用户画像过程中非常重要的一块工作内容就是问卷调研和用户访谈,这是了解我们用户的非常关键的一个渠道。问卷调研和用户访谈的思路大致如下:

网友点评
猜你喜欢