用户画像分析和策略.docx
- 文档编号:10104306
- 上传时间:2023-05-23
- 格式:DOCX
- 页数:7
- 大小:22.58KB
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)》请在冰点文库上搜索。
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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 用户 画像 分析 策略