發(fā)布時(shí)間:2026-05-04 19:37:20 瀏覽:534 次
什么是用戶(hù)用什用用戶(hù)畫(huà)像?
簡(jiǎn)而言之,用戶(hù)畫(huà)像是畫(huà)像根據用戶(hù)社會(huì )屬性、生活習慣和消費行為等信ヽ(′ー`)ノ息而抽象出的其作一個(gè)標簽化用戶(hù)模型。構建用戶(hù)畫(huà)像的離下核心工作即是給用戶(hù)貼“標簽”,而標簽是個(gè)方通過(guò)對用戶(hù)信息分析而來(lái)的高度精煉的特征標(′?ω?`)識。
舉例來(lái)說(shuō),用??戶(hù)用什用如果你經(jīng)常(chang)購買(mǎi)一些玩偶玩具,畫(huà)像那么電商網(wǎng)站即可根據玩具購買(mǎi)的其作情況替你(ni)打上標簽“有孩子”,甚至還可以判斷出你孩子大概的離下年齡,貼上“有5-10歲的個(gè)方孩子”這樣更為具體的標簽,而這些所有給你貼的用戶(hù)用什用標簽統在一次,就成了你的畫(huà)像用戶(hù)畫(huà)像,因此,其作也可以說(shuō)用戶(hù)畫(huà)像就是離下判斷一個(gè)人是(′▽?zhuān)?)什么樣的人(ren)。
用戶(hù)畫(huà)像的作用
羅振宇在《時(shí)間的朋友》演講里舉了這樣一個(gè)例子:當一個(gè)壞商家??掌握了你的購買(mǎi)數據,他就可以根據你平常購買(mǎi)商品的偏好來(lái)決定是給你發(fā)正品還是假貨以提高利潤。且(′▽?zhuān)?)不說(shuō)是否存在這情況,但這也說(shuō)明了利用用戶(hù)?畫(huà)像可以做到“精準銷(xiāo)售”,當然,這是極其錯誤的用法。
其作用大體不離以下幾個(gè)方面:
精準營(yíng)銷(xiāo),分析產(chǎn)品潛在用戶(hù),針對特定群體進(jìn)行營(yíng)銷(xiāo);用戶(hù)統計,比如中國大學(xué)購買(mǎi)書(shū)籍人數 TOP10,全國各城市奶爸指數;數據挖掘,構建智??能推薦系統。利用關(guān)聯(lián)規則計算喜歡紅酒的人通常喜歡什么運動(dòng)品牌;進(jìn)行效果評估,完善產(chǎn)品運營(yíng),提升服務(wù)質(zhì)量。其實(shí)這也相當于市場(chǎng)調研、用戶(hù)調研;對服務(wù)或產(chǎn)品進(jìn)行私人定制,即個(gè)性化的服務(wù)某類(lèi)甚至某位用戶(hù)(個(gè)人認為這是目前的發(fā)展趨勢,未來(lái)的消(xiao)費主(′▽?zhuān)?)流)。比如,某公司想推出一款面向5-10歲兒童的玩具,通過(guò)用戶(hù)畫(huà)像進(jìn)行分析,發(fā)現形象=“喜羊羊”、價(jià)格區間=“中等”( ?° ?? ?°)的偏好比重最大,那么就給新產(chǎn)品提供類(lèi)非常??客觀(guān)有效的決策依據。業(yè)務(wù)經(jīng)營(yíng)分析以及競爭分析,影響企業(yè)發(fā)展戰略。構建流(liu)程
數據收集
數據收集大致分為網(wǎng)絡(luò )行為數據、服務(wù)內行為數據??、用戶(hù)內容偏好數據、用戶(hù)交易數據這四類(lèi)。
網(wǎng)絡(luò )行為數據:活躍人數、頁(yè)面瀏覽量(liang)、訪(fǎng)問(wèn)時(shí)長(cháng)、激活(huo)率、外部觸點(diǎn)、社交數據等服務(wù)內行為數據:瀏覽路徑、頁(yè)面停留時(shí)間、訪(fǎng)問(wèn)深度、唯一頁(yè)面瀏覽次數等用戶(hù)內容便好數據:瀏覽/收藏內容、評論內容、互動(dòng)內容、生活形態(tài)偏好、品牌偏好等用戶(hù)交易數據(交易類(lèi)服務(wù)):貢??獻率、客單價(jià)、連帶率、回頭率、流失率等當然,收集到的(°□°)數據不會(huì )是100%準確的,都具有不確定性,這就需要??在后面的階段中建模來(lái)再判斷,比如某用戶(hù)在性別一欄填的男,但通過(guò)其行為偏好可判斷其性別為“女”的(′ω`)概率為80%。還得一提的是,儲存用戶(hù)行為數據時(shí)ヽ(′ー`)ノ最(zui)好同時(shí)儲存發(fā)生該行為的場(chǎng)景,以便更好地進(jìn)行數據分析。
行為(′▽?zhuān)?建模
該階段是處理收集(ji)到的數據,注重大概率事件,??通過(guò)數學(xué)算法??模型(╬?益?)盡可能地排除用戶(hù)的偶然行為,進(jìn)行?行為建模,抽象出用戶(hù)的標簽。
在這個(gè)階段,需要用到很多模型給用戶(hù)貼標簽。
用戶(hù)汽車(chē)模型根據用戶(hù)對“汽車(chē)”話(huà)題的關(guān)注或購買(mǎi)相關(guān)產(chǎn)品的情況來(lái)判斷用戶(hù)ヽ(′ー`)ノ是否有車(chē)、是否準備買(mǎi)車(chē)用戶(hù)忠誠度模型通過(guò)判斷+聚???類(lèi)算(′?`)法判斷用戶(hù)的忠誠度身高體型模型根ヽ(′ー`)ノ據用戶(hù)購買(mǎi)服裝鞋帽等用品判斷文藝青年模型根據用戶(hù)發(fā)言、評論等ヾ(?■_■)ノ行為判斷用戶(hù)是(′?`*)否為文藝青年用戶(hù)價(jià)值模型??判斷用戶(hù)對(╬?益?)于網(wǎng)站的價(jià)值,對于提高用戶(hù)留存率非常有用(電商網(wǎng)站一般使用RFM 實(shí)現)還有消費能力、違約概率、流失概率??等等諸多模型。用戶(hù)畫(huà)像基本成型
該階段可以說(shuō)是第各二階段的深入,把用戶(hù)的基本屬性(年齡、性別、地域)、購買(mǎi)能力、行為特征、興趣愛(ài)好、心理特征和社交網(wǎng)絡(luò )等大致地標簽化。
為什么說(shuō)是基本成型?因為用戶(hù)畫(huà)像永遠也無(wú)法100%地描述一個(gè)人,只能做到不斷地去逼近。因此,用戶(hù)畫(huà)像既應根據變化的基礎數據不斷修正,又要根據已知數據來(lái)抽象出新的標簽使用戶(hù)畫(huà)像越來(lái)越立體。
一般采用多級標簽、多級分類(lèi)進(jìn)行“標簽化”,比如第一級標簽是基本信息(姓名、性別),第二級是消費習慣、用戶(hù)行為;第一級分類(lèi)有人口屬性,人口屬性又有基本信息、地理位置等二級分類(lèi),地理位置又分?工作地址和家庭地址的三級分類(lèi)。
數據可視化分析

您的當前位置: