用户画像分析和策略.docx
《用户画像分析和策略.docx》由会员分享，可在线阅读，更多相关《用户画像分析和策略.docx（7页珍藏版）》请在冰豆网上搜索。
用户画像分析和策略
用户画像分析和策略
说到用户画像，很多运营者的第一反应是:
这不是产品经理需要了解的事吗?
其实不然。
甚至可以说，用户画像对于运营者的作用甚至更大于产品经理。
什么是用户画像？
用户画像：
就是与该用户相关联的数据的可视化的展现;—句话来总结就是:
用户信息标签化。
通过各个维度对用户或者产品特征属性的刻画，并对这些特征分析统计挖掘潜在价值信息！
可以简单理解成是海量数据的标签，根据用户的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型。
分析的维度:
可以按照人口属性和产品行为属性进行综合分析；统计打标签，用户信息标签化。
人口属性：
地域、年龄、性别、文化、职业、收入生活习惯、消费习惯等；
产品行为：
产品类别、活跃频率、产品喜好、产品驱动、使用习惯、产品消费等；
京东食品用户画像
・80后主力，80.90后•食品购买主力
•女性为主.占比明显超过全站
・■数■大的蓝领人詐更愛食品网口
・食品用户壽度■视购买评价，敏恿人E占比超出全站46%
为什么使用用户画像
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,如，可以做分类统计:
喜欢红酒的用户有多少？
喜欢红酒的人群中，男、女比例是多少？
也可以做数据挖掘工作：
利用关联规则计算,喜欢红酒的人通常喜欢什么运动品牌？
利用聚类算法分析,喜欢红酒的人年龄段分布情况？
大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够"理解"人。
当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度,提高信息获取的效率。
用户画像打标签
—个标签通常是人为规定的高度精炼的特征标识:
年龄段标签:
25-35岁地域标签:
北京
标签特性:
语义化：
能很方便的理解每个标签含义！
短文本：
每个标签只代表一种含义！
产品十定论
1.定人：
给谁
2•定时：
这个产品在什么时候、季节、节令里应用
3.定景：
如何考虑产品在场景变化中的需求结构。
4•定质：
质是质量标准，一定要考虑产品的质量标准是什么？
基于质量标准，会引发出到底你的采购，运营，技术需要什么样的安排?
5•定规：
我们做产品一定会强调规格运营经营什么样的产品。
6.定组：
在产品中，不同的品类中需要考虑组的结合比如我们的组有两个a品牌下的小组b品类下面的细分
7•定形：
形就是形状和物理状态
8.定名
9.定价
10.定销
如何创建用户画像
（一）
数据收集
基础用户注册信息性别，年龄，地区用户行为数据
浏览，关注，活跃度
用户评价
喜好，期望
历史数据
日志
如何创建用户画像
（二）
亲和图、确定类型
把大量收集到的事实、意见或构思等定性资料,品类或者数据聚类的过程
eg:
属丝、IT男、java、hadoop、技术宅
好友影响
按其相近性进行归纳整理的一种方法。
手动列出大标签,
如何创建用户画像（三）
用户画像模型框架
画像的模板
用户画像有很多特征，D那些必须包含，哪些可以包含？
需要一个用户画像的框架，依托框架让流程标准化！
如何创建用户画像（四）
用户画像的优先级排序确定用户画像优先级使用频率
市场大小
收益的潜力
竞争优势/策略等
如何创建用户画像（五）
完善用户画像
结合真实的数据,选择典型特征加入到用户画像中加入描述性的元素和场景描述，让用户画像更加丰满和真实
将用户画像框架中的范围和抽象的描述具体化
让用户画像容易记忆，比如用名字、标志性语言、几条简单的关键特征描述，都可以减轻读者的记忆负担。
举例：
会员画像
性别画像（性格的占比）
年龄分布画像（按标准年龄段的正态分布）
教育背景画像（教育背景）
职业分布画像（职业背景）
特征分布画像（多标签特征库，购物狂，游戏迷）
会员游客画像（详细信息画像）匿名用户画像（会员不详细用户画像）
用户来源画像来源分类（直接输入、搜索引擎、本域来路、夕卜域来路）
来源网站（网站统计）
来源页面（网站链接）
直接访问（浏览器直接进去）
搜索引擎（具体的搜索引擎画像）
搜索关键词（热点关键词画像）
广告营销（通过广告进入）移动APP（移动数据入口）
APP画像
应用属性画像（名字、版本、设备信息、（核心软件、系统））
基础指标（累积启动次数、启动用户、新增用户、人均启动次数、平均使用时长）
在线分析（流量消耗、活跃用户）内容分析（页面，菜单使用热度）使用时段画像（均匀负载）使用间隔画像（用户使用频率）
错误画像（程序错误自动报告系统）
用户画像应用场景
（一）
社交用户画像
有很多社交的注册用户,为了增加用户之间的社交文化，对每一个用户进行画像，根据画像做好友推荐!
所在地:
故乡：
性别：
年龄：
在线：
附近距离：
用户画像应用场景
（二）
网站指标画像
网站的指标画像，对网站性能负载进行综合调整、评估、优化！
PV（PageView,浏览量）UV（uniquevisitor，独立访客）IP（独立ip）
PR（即PageRank）,网页的级别重要程度响应时间、各级页面平均停留时间
浏览量、跳出率、跳转次数、回头率
用户画像应用场景（三）
用户群体画像
对不同职业，不同技术的不同背景的用户群体分析画像
所在地
年龄阶段分类职业岗位分类消费群体分类薪资分类
目标客户细分
用户画像应用场景（四）
广告推荐
广告推荐核心技术是推荐引擎，角色（用户）画像是广告推荐引擎分一部分！
物品信息画像（对于内容的识别、关键字）用户对物品的偏好（评分、查看、购买等）协同过滤相似度推荐（画像标签相似度推荐）总量性指标（包括广告的费用与频次）
趋势性指标（企业投放力度的变化情况）
转化率指标（消费者对广告的投放点击率）访问者成本（总的广告费用除以独立访问者数量）进入页面的跳出率（进入广告直接退出）
用户画像应用场景（五）
电商类推荐
根据用户喜好推荐相关用户喜欢的产品
关键字（根据关键字匹配用户想找的物品）浏览量（关键词品类浏览热点）
销量（关键词品类销量画像）价格（关键词商品的价格排序）
用户购买喜好（用户购买聚类画像）活动推广商品画像（广告指标画像）
用户画像应用场景（六）资讯类推荐
根据用户主动订阅或者浏览次数频率，对用户喜欢画像，进行资讯推荐订阅：
热门推荐：
最新推荐：
浏览品类次数统计:
浏览的频率推荐：
关键词推荐：
用户画像应用场景（七）
视频类推荐
视频网站有大量的视频，怎样让用户找到用户感兴趣的视频，需要对用户喜欢做精确的画像
提高用户的体验!
基础画像（对用户注册信息画像）
用户播放历史画像（用户关键词，影片画像）播放指标画像（最新的，最热的，播放量）视频质量画像
（用户观看质量，观看时间）视频相关度画像（每个视频相关视频TOPN）推荐营销视频画像
用户热点画像
升级会员 