数极客首页

数据分析(5):用户画像分析法

前面几篇文章中作者梳理了对比分析法、多维度拆解法、漏斗观察法、分布分析法和用户留存分析法,本篇文章继续聊聊第6种数据分析方法:用户画像分析法。

数据分析(5):用户画像分析法

作为一枚产品汪,用户画像这个词你一定不陌生,那用户画像到底是什么呢?我们又该如何结合业务场景创建可用的用户画像呢?用户画像有什么作用呢?

大家可以先思考一下上面三个问题~

首先,我们来聊聊什么是用户画像。

一、什么是用户画像?

用户画像是通过对用户各类特征进行标识,通过标识给用户贴上各类标签,再通过标签把用户分为不同的群体,以便对不同的群体分别进行产品/运营运作。

数据分析(5):用户画像分析法

二、标签都有哪些?

这里呢我们把标签分为四大类:

第一类:基础属性

像年龄、性别、生日、星座、教育、身高、收入、职业等。

第二类:社会关系

婚姻、有无女孩、有无男孩、家里是否有老人、性取向等。

第三类:行为特征

行为特征又分为两块儿:

  1. 基本行为:注册时间、来源渠道、最近一次活跃的时间、最近一次支付的时间。
  2. 业务行为:是否买过特惠商品、是否曾获优秀学员,这些标识都会对产品的后期运营有所帮助。

第四类:业务相关

这一类跟其他类不太一样,就像第三类中的业务行为,它是通过业务行为产生出来的特征,而业务相关呢,它是积累了其他的业务不会去记录的一些数据,比如运动健身类的产品。

它会涉及到:胖瘦高矮、体脂率、BMI、在练胸或者练臀、日均10000步、收藏了多少份健身计划等等。

三、标签从哪儿来?

第一:直接填写

通过产品的一些特殊的步骤,让用户直接填写,比如注册页面,下图是某陌生人社交产品,通过用户注册让用户去填写年龄和性别。

数据分析(5):用户画像分析法

还有一些偏内容性的产品,可以通过让用户选择他感兴趣的话题,如下图:

数据分析(5):用户画像分析法

还有一些是运用借地打地的手段,比如一些电商、外卖类的产品和地图类的产品,首先是让用户填写地址,其次是让用户选择标签,表面上是提供一个工具,事实上让用户帮助产品获取结构化的工具,让系统知道,用户作为一个个体,他的家、公司、学校在什么地方。

数据分析(5):用户画像分析法

还有一些像装修类的产品,看上去是一个便捷的功能,平台方通过这个功能可以收集到大量跟业务相关的详情信息。

数据分析(5):用户画像分析法

随着用户的自我保护意识越来越强,而且呢用户又非常的懒,莫名其妙填一些信息用户也比较反感。那就有了第二种获取标签的途径。

第二:通过用户自己的已有特征推导

当然,这种方式的成本比较高,没有让用户直接填写来的简单方便,一般的产品不会经常去这样做,它适用的场景有以下几种:

(1)做活动时

相信大家都有做活动的经验,我们在做活动时会筛选一批用户出来做定向推广,比如说年龄、地区、新老用户。

举个栗子:你是某电商平台的产品经理,现在要做一个推广活动,面向的用户群体为在消费能力强的上海女性。现在需要向这个群体的用户去宣传这个活动,那怎么做?

首先,区分出来性别,即男、女。

用户如果没有填写性别,我们可以从他买过的东西去推,比如说买过女士衣服+化妆品。

其次,推算出在上海的用户。

假设大部分人买东西是给自己买,收货地址是上海市的,我们可以推算出此用户是上海市的。

最后,验证消费能力是否强。

消费能力如果从她历史消费的总金额推算,感觉有点不合理,但它也能验证一部分,我们可以再加一些条件,比如购买过进口的小商品,比如牙膏,一般消费能力不强的用户,很少会花将近百元去买一支进口的牙膏。

数据分析(5):用户画像分析法

上面是通过用户的业务特征做的推断。

但是,不是所有的用户都发生过以上的行为,通过以上业务行为筛选之后,可以给部分用户打上标签,还有一部分用户她没有标签,所以,我们再做进一步的推导。

  • 性别:除了通过从购买的商品推导以后,还可以通过她使用的是手机是否为美图手机;
  • 地区:可以用常用IP进行推导;
  • 消费能力:可以用使用的手机为最新款且价格在5000元以上的用户。

当然,这里面肯定会有误判,但是,就算是有误判我们也认了,因为很难做到百分百精准。

数据分析(5):用户画像分析法

(2)简单的个性化运营

比如说首页的某个推广模块,面对不同的用户群体推广不同的内容。

(3)业务分析

在做业务分析时,需要把用户拆分成不同的群体,看在业务中的表现情况,比如是否领取七天/15天的会员卡。

(4)用户研究

如果有用户标签的基础,做用户研究的童鞋的研究效果会更加的精准。

如果通过前面两种方式已经把80%的用户打标签了,还剩下的20%怎么办?这里我们就会运用到第三种推导方式:

第三:通过用户身边的人推断

首先,通过距离:基于某些属性,周围的人都具备,用户大概率也具备。

其次,是通过行为:通过协同过滤,找到行为相似的目标用户。

比如说,刚才我们通过买过女士衣服和化妆品的用户打上了女性的标签,但是这种方式有局限性,可能有些用户本身就不在你的平台上买衣服和化妆品,这里我们可以通过这种用户的其他行为,比如说买了卫生巾或者其他的女性用品,然后通过她购买的商品,再找到跟她购买过相似商品的用户打上女性用户的标签。

说在最后:

第三种的精确度是最低的,但是在一些场景中,不需要精确度那么高,当然,我们也可以通过此类用户的后期行为,迭代这些标签。至少我们通过这三种方式把所有的用户都分了群。

好啦,用户画像分析法到这里就完结啦。

那最后通过一张架构图来总结一下:

数据分析(5):用户画像分析法

下篇预告:数据分析(6):归因查找法,欢迎继续关注~

#推荐阅读#

数据分析方法(1)-对比分析法

数据分析方法(2)-多维度拆解法

数据异常如何分析?

数据分析方法(3) -漏斗观察法

数据分析方法(4) 分布分析法& 用户留存分析法

以「哔哩哔哩」为例,教你三步建立需求池

两个方面,带你画一份完美的业务流程图

 

本文作者:菜菜,公众号:菜菜唠产品(caicailaochanpin),欢迎关注~

本文由 @菜菜 原创发布,未经许可,禁止转载。

题图来自Unsplash,基于CC0协议。

数极客是新一代用户行为分析与数据智能平台,支持用户数据分析运营数据分析留存分析路径分析漏斗分析用户画像SEM数据分析等16种分析模型的数据分析产品,支持网站统计网站分析APP统计APP分析等分析工具,以及会员营销系统A/B测试工具等数据智能应用,支持SAAS和私有化部署,提升用户留存和转化率,实现数据驱动增长!

发表评论

评论已关闭。

相关文章