新闻

得用户者得天下,如何解读用户画像,百发百中?

发布时间: 2020-10-30

来源:创略科技 时间: 2020-10-30

一年一度的“双11”大战又拉开了帷幕,如何实现产品的用户增长?再次成为企业的头等大事,也是悬在营销人头上的"天问"。在移动互联网趋势下,过去粗放式推荐模式越来越会受到掣肘,企业将更加依赖精细化的用户增长策略和产品用户体验的细致打磨。

 

现如今,当用户打开App首页时,多数看到的早已经心仪许久的物品。各类产品、咨询、新闻等信息之所以能够精准、快速、高效的推送到受众用户面前,其重要原因无疑是搭建了丰富而庞大的用户画像体系。

 

什么是用户画像?

用户画像是对现实世界用户信息的数学建模。简单理解,是根据用户基本特征、网络浏览内容、网络社交活动和消费行为等信息,通过大数据技术和机器学习过程而抽象出的标签化用户模型。 

 

用户画像产品“个像”,拥有包含属性标签、兴趣标签、场景标签等数百种用户标签,结合电商APP自有数据可构建出一套数据维度足够全、用户标签细分程度高、与公司品牌契合度高的用户画像,让客户轻松具备电商个性化推荐、预测营销、动态定价等核心能力。

 

用户画像的价值有哪些?

用户画像可以使用户行为、需求标签化,可视化。用户画像一旦形成,在数据分析统计、产品分析以及广告投放、消息推送等方面都将得到巨大的提升,用户精准度也会随之提高。企业基于用户画像可以更全面的了解客户,优化产品设计、营销策划、互动体验、关系维系和服务运营相关的策略。

 

1.降低营销成本

 

在策划一些营销活动的时候,误认为客户和企业的想法一样,这会导致精心设计的营销活动,用户并不买账,最后让活动的价值无法体现,还可能会让用户产生抵触心理。

 

而用户画像能够为企业的管理人员、运营人员准确的了解用户喜欢的购物方式、促销方式等,可以快速找到精准用户人群,通过个性化的推送,从而实现不同人群的不同形式活动,减少骚扰提高体验。

 

2.提高运营效率

 

用户画像根据企业业务场景需求,设计不同的标签和数据分析,再应用到营销上,用户画像与行为分析相结合后对用户进行分群,比如“喜欢某产品的人群”、“什么时间段购物的人群”、“喜欢用优惠券购物的人群”等。最终企业可以专门为这些用户提供服务,实现运营效率的提升。

 

3.改善产品,优化用户体验

 

相比过去较为传统的企业生产什么就卖什么,如今“用户需要什么企业就生产什么”成为主流,于是许多企业把用户真实的需求摆在最重要的位置。

 

在用户需求为导向的产品研发中,企业通过获取到的大量目标用户数据,进行分析、处理、组合。初步搭建用户画像,做出用户浏览、搜索等行为判断其喜好、需求。比如提供推荐搜索调用,针对不同用户属性特征、性格特点或行为习惯在用户搜索或点击时展示符合该用户特点和偏好的商品,提供给用户友好舒适的购买体验,很大程度上提高了用户的购买转化率甚至重复购买,对提高用户忠诚度和用户粘性有很大帮助;比如基于用户画像的量身定做咨询应答策略,快速了解用户意图、针对性商品评测或商品推荐、个性化关怀等,为用户提供更加良好的体验和服务。

 

以用户画像在电商中的运用为例,基于对这些数据的分析而得到的用户基本属性、购买能力、行为特征、社交网络、心理特征和兴趣爱好等方面的标签模型。据专注于电商行业用户行为分析公司的不完全统计,一个用户在选择一个产品之前,平均要浏览5个网站、36个页面,在社会化媒体和搜索引擎上的交互行为多达数十次。如果把所有可以采集的数据整合并进行衍生,一个用户的购买可能会受数千个行为维度的影响。

 

正是这些购买前的行为信息,可以深度地反映出潜在客户的购买心理和购买意向。而商家由此可以绘制用户画像,形成运营策略。

 

如何从0-1构建有效的用户画像体系?

在打造用户画像体系的过程中,CDP平台可以帮助品牌方整合全渠道用户数据,通过对不同触点的用户数据进行数据拉通、数据清洗、数据分析等过程,基于One ID形成统一用户画像。

 

  1. 数据采集

采集数据时,需要根据用户画像的构建目标采集多维度的数据,像用户的基本信息数据、社会属性数据可通过用户访谈、用户信息填写及问卷等方式获取,而用户的人口统计学数据和行为数据需要通过埋点等方式获得,数据充分的咨询和梳理后,将一、二、三方数据通过技术手段接入到CDP平台。

 

 

2、数据预处理

数据预处理包括数据清洗、数据结构化处理、数据合并等基础工作,数据清洗主要过滤无效或者虚假数据,针对特定的业务系统如用户画像而言,还包括过滤掉非目标数据;而数据结构化处理、数据合并等需结合具体业务和应用场景,整合出用户信息雏形。CDP通过用户触点数据治理过程,将碎片化的用户信息进行拼接,整合成更加完整的用户One ID。

 

3、数据标签化,并赋予权重

通过One ID,以特定的标签体系,为用户打标签,形成个体用户画像。这一步是将得到的各项用户信息映射到对应的标签上,且赋以各个标签相应的权重,而权重值的计算是用户画像标签体系得以构建的关键。通过对用户旅程、用户行为的分析、归因及预测,细分出不同的用户人群后根据用户管理方面的特定需求,制定针对性的用户触达策略。

 

精准和个性化最主要的目的是让不同的人去做合适的事,以此来降低成本、提高效率和减少因信息爆炸而流失的用户,这也是数据驱动想要达到的结果。而用户画像是一个需要不断打磨和迭代的基础性数据产品,只有精准开发用户行为标签,绘制用户画像,凭借运营商大数据解析用户的消费习惯,进行针对性的营销,才能高效运营。