深入了解用户画像的含义，掌握用户画像的搭建方法

在互联网大数据时代，用户必须赢得世界。依托庞大的用户数据，构建一套完整的用户肖像。借助其标签、信息和可视化属性，是企业实现个性化推荐和精准营销的有力前提。由此可见，深入了解用户画像的含义，掌握用户画像的构建方法尤为重要。用户肖像是真实用户的虚拟模型。关于“什么是用户肖像”的问题，交互设计之父Alancoper首先给出了明确的定义。他认为:Persona(用户肖像)是真实用户的虚拟代表，是基于一系列真实数据的目标用户模型。敲黑板，画重点:真实，数据，虚拟。如果将真实用户和虚拟模型与两个平行点进行比较，则数据是建立在河流上，连接彼此的桥梁。企业利用目标用户群挖掘每个用户的人口属性、行为属性、社交网络、心理特征、兴趣爱好等数据，不断叠加更新，抽象完整的信息标签，组合构建三维用户虚拟模型，即用户肖像。“标签”是用户肖像的核心部分。所谓“标签”，是一系列具有特定含义的词汇，用于描述真实用户自身的属性特征，方便企业进行数据统计分析。由于受众群体不同，企业不同，目的不同，给用户贴上标签往往各有侧重点，具体问题要具体看待。但是，有些标签适用于所有情况，应该理解和掌握。我把常见的标签分为两类：相对静止的用户标签和变化中的用户标签。相应地，静态标签形成的肖像为2D用户肖像；静态标签 构建动态标签的是3D用户肖像。静态用户信息标签和2D用户肖像人口属性标签是用户最基本的信息元素，通常是自己的标签，不需要太多的建模，构成了用户肖像的基本框架。人口属性包括人类的自然属性和社会属性特征：姓名、性别、年龄、身高、体重、职业、地区、教育、婚姻、星座、血型。自然属性是先天性的。一旦形成，它将始终保持稳定的状态，如性别、地区和血型；社会属性是后天形成的，处于职业、婚姻等相对稳定的状态。心理现象包括心理和个性两大类，也具有先天性和后天性。对于企业来说，研究用户的心理现象，特别是需求、动机和价值观，可以窥探用户注册、使用和购买产品的深层动机；了解用户对产品的功能和服务需求；了解目标用户的价值标签和群体。具体的心理现象属性标签包括但不限于：来源：“心理现象”百度百科全书由于人口属性和心理现象具有先天性质，整体处于稳定状态，共同形成用户肖像最表面、最内部的信息素，形成稳定的2D用户肖像。2D用户肖像动态用户信息标签和3D用户肖像网站行为属性，主要讨论网站内外用户的一系列操作行为。常见的行为包括：搜索、浏览、注册、评论、喜欢、收集、评分、加入购物车、购买、使用优惠券。这些行为在不同的时间和场景中不断变化，都属于动态信息。企业可以通过捕捉用户的行为数据(浏览次数和是否进行深入评论)对用户进行深度分类，区分活跃/不活跃用户。社交网络行为是指发生在虚拟社交软件平台(微博、微信、论坛、社区、贴吧、twitter、Instagram）上述一系列用户行为包括基本访问行为（搜索、注册、登录等）、社会行为(邀请/添加/关闭好友、加入群、新建群等)、发布信息(添加、发布、删除、留言、分享、收藏等)。给用户贴上不同的行为标签，可以获得大量的网络行为数据、网站行为数据、用户内容偏好数据、用户交易数据。这些数据进一步填充用户信息，与静态标签形成完整的三维用户肖像，称为3D用户肖像。企业必须在开发和营销中解决用户需求问题，明确回答“用户是谁——用户需要/喜欢什么——哪些渠道可以接触到用户——哪些是企业的种子用户”。更了解你，就是为了更好地为你服务！可以说，正是企业对用户认知的渴望促进了用户肖像。用户肖像是真实用户的缩影，可以给企业带来很多好处。在过去传统的生产模式中，企业始终坚持“生产什么就卖给用户”的原则，指导产品研发，优化用户体验。这种闭门造车的产品开发模式，往往会导致“用户根本不买东西”的情况。如今，“用户需要生产的企业”已经成为主流，许多企业把用户的真实需求放在了最重要的位置。在以用户需求为导向的产品研发中，企业通过获取大量的目标用户数据、分析、处理、组合、初步构建用户肖像、用户偏好、功能需求统计，设计和制造更符合核心需求的新产品，为用户提供更好的体验和服务。实现精准营销精准营销具有很强的针对性，是企业与用户之间的点对点互动。它不仅能使营销更加高效，还能为企业节约成本。以活动为例：当企业做活动时，他们放弃自己的用户资源，选择外部渠道。换句话说，他们放弃了自己准确的种子用户，选择了对自己品牌一无所知的活动对象。因此，他们以几倍于预算的成本获得了新用户。这是不准确造成的资源浪费。包括我前面提到的，网上购物后的商品推荐和品牌商定的节日营销都是精准营销的成功示范。数据是实现精准营销最不可缺少的存在。基于数据，建立用户肖像，使用标签，使系统智能分组，获得不同类型的目标用户组，为每个组规划和推动有针对性的营销。可以简单地做相关的分类统计，借助用户肖像的信息标签，可以计算出“有多少人喜欢某种东西”、“25到30岁的女性用户占多少”等等。在用户肖像数据的基础上进行相关数据挖掘，通过相关规则计算，A可以联想到B。沃尔玛的“啤酒和尿布”故事是用户肖像相关规则分析的典型例子。数据来源：百度百科全书“相关规则”，我们认识到用户肖像的极高价值。让我们来看看如何构建用户肖像。如何构建用户肖像用户肖像准备阶段-数据挖掘和收集SDK埋藏网站和活动页面。也就是说，提前设置要获得的“事件”，让程序员在前/后端模块中使用Java//Python/PHP/Ruby语言开发，编写代码，将“事件”埋在相应的页面上，用于跟踪和记录用户的行为，并将实时数据传输到后台数据库或客户端。所谓“事件”，是指数据收集者(产品经理、运营商)对用户作用于产品和网站页面的一系列行为进行描述，使其成为特定的字段标签。以“网站购物”为例，为了捕捉用户的人口属性和行为轨迹，在做SDK埋藏点之前，首先预设用户购物的可能行为，包括：访问主页、注册登录、搜索商品、浏览商品、价格比较、加入购物车、收集商品、提交订单、支付订单、使用优惠券、查看订单细节、取消订单、商品评估等。用程序语言描述这些行为，嵌入网页或商品页面的相应位置，形成接触点，让用户直接生成网络行为数据（登录次数、访问时间、激活率、外部接触、社交数据）和服务行为数据（浏览路径、页面停留时间、访问深度、唯一页面浏览次数等）。数据反馈给服务器，存储在后台或客户端，这是我们想要获得的用户基本数据。然而，在大多数情况下，使用埋点获取的基本数据范围较广，用户信息不够准确，无法进行更详细的分类。比如只知道用户是男人，不知道他是哪个年龄段的男人。在这种情况下，为了获得更详细和不同的数据，我们可以使用A/Btest。A/Btest是指将两个或两个以上不同的产品/活动/奖品推送给同一/批人，然后根据用户的选择获取进一步的信息数据。为了知道男性用户是哪个年龄段的，借助A//Btest，我们利用抽奖活动在奖品页面上埋设SDK后，选择了适合20~30岁和30~40岁的礼物。最后，用户选择了前者，所以我们可以得出结论：这是一个20~30岁的男性用户。以上是获取数据的方法。有了相关的用户数据，下一步就是做数据分析处理-数据建模。用户肖像成型阶段-数据建模1、定性与定量相结合的研究方法是确定事物的性质和描述性；定量研究方法是确定对象的数量特征、数量关系和数量变化，这是可量化的。一般来说，在用户肖像中，定性方法是总结产品、行为和用户个人的性质和特征，形成相应的产品标签、行为标签和用户标签。定量方法是在定性的基础上对每个标签进行特定的权重，最后通过数学公式计算总标签权重，形成完整的用户模型。因此，用户肖像的数据建模是定性和定量的结合。2、数据建模-给用户的行为标签加权重。我们可以用4w来表示用户的行为:WHO（谁）；WHEN(何时)；WHERE（在哪里）；WHAT(做了什么)，具体分析如下: WHO（谁）：定义用户，明确我们的研究对象。主要用于用户分类和用户群体划分。网络上的用户识别包括但不限于用户注册的ID、昵称、手机号、邮箱、身份证、微信微博号等。WHEN（时间）：这里的时间包括时间跨度和时间长度两个方面。“时间跨度”是以天为单位计算的时间，是指行为发生到现在的时间间隔；“时间长度”是为了识别用户在某个页面上的停留时间。行为标签权重越早，近期权重越大，这就是所谓的“时间衰减因子”。WHERE（在哪里）：指用户行为的接触点，包含内容 网址。内容是指用户作用的对象标签，如小米手机；网站是指用户行为的具体位置，如小米官方网站。权重加在网站标签上，比如买小米手机，在小米官网买权重计1，在JD.COM买0.8，在淘宝买0.7。WHAT(做了什么)：这意味着用户发生了什么样的行为，并根据行为的深度增加权重。例如，用户购买权重计为1，用户收集0.85，用户只浏览0.7。当确定上述单个标签权重时，可以使用标签权重公式计算总用户标签权重：标签权重=时间衰减因子×行为权重×网站权重为栗子：A用户今天在小米官方网站上购买了小米手机；B用户七天前在京东浏览了小米手机。从而获得单个用户的标签权重，并贴上“是否忠诚”的标签。通过这种方式对多个用户进行数据建模，可以更广泛地覆盖目标用户组，并给他们贴上标签，然后根据标签进行分类：总重量超过0.9的被归类为忠实用户，ta购买了产品。这样，企业和企业就可以根据相关信息进行更准确的营销推广和个性化推荐。关于用户肖像的介绍到此结束。鉴于能力有限，很多地方表达不到位或没有提及。如果您有任何意见或建议，请留言！