浅谈所谓的产品「用户画像」.pdfVIP

浅谈所谓的产品 「用户画像」 2015上半年 ，我国网民已达到6.68亿 ，年底肯定能够顺 突破7亿 ，其中使用手机上网人群 占整体88.9%。不同于传统PC上网 ，每个家庭共用一台设备 ，手机上网存在着独特性、唯一 性和私密性的特点 ，每个人的手机都是一套独特的生态系统。因此 ，将有相同特征的用户抽 象成一个代表 ，可以极大方便开发者研究用户构成和分布 ，精准定义用户。这也是近些年所 谓的大数据、精准营销等概念爆火的原因。 中国在各方面都是很大的长尾市场 ，互联网很大程度上弥补了信息的不对称 ，移动互联网又让把信 息在精准送达到任意一个用户面前 ，且不论时间和地点。那么问题来了 ，如何才能将流量变现 ，实 现产品的商业价值呢 ？ 为了充分发挥 「大数据」的真正价值 ，第一步理应是整理数据。而整理数据的阶段目的是完成目标 用户或者是现有用户的 「画像」 ，只有得到了准确的用户画像 ，才能更好的达到流量变现的目的。 1. 什么是 「用户画像」 用户 ，指的是你的目标用户 ，或者是构成现有用户的大部分群体的统称。画像 ，是对一个事物的客 观的、准确的、可视化的描述。那么 「用户画像」就是能够客观、准确、可视化地描述目标用户的 工具或方法。 2. 如何建立 「用户画像」 做好 「用户画像」有两个重要原则 ，一是标签化 ，二是低交叉率。 标签化 所谓标签化 ，是指按产品需要 ，给不同的用户特征贴上合适的标签。 标签的维度需要按产品和业务需要进行划分 ，例如 「购买力」这个维度在电商产品、教育产品、纯 工具产品用户画像中的重要程度是完全不一样的 ，可能在电商产品中这是个除了基本特征之外最重 要的指标 ，但是在纯工具产品中可能完全不需要统计。 如果画像粒度需要再精细一点的话 ，可以再进一步对标签进行权重加成。比如同样打上了 「购买 力高」标签的用户 ，可以通过浏览记录再分为如奢侈品消费、电子产品消费、居家物品消费等等 ， 进而再根据目标用户属性和产品业务自身发展方向给用户贴上细分后的标签 ，同时对 「购买力高」 分配相应的权重。 标签化的目标其实是用电子化的方式将用户属性抽象出来 ，以方便数据统计的同事们构建数据集市 ，后续进行数据挖掘和聚合分析。 经过有效的数据挖掘之后的分类结果才是我们真正需要的东西 ，至于过程是什么 ，大家可以根据实 际情况进行调整。但是切忌不要拍脑门给用户贴标签 ，比如学生群体一般特征是盲目的、消费能力 有限、服装以运动品牌为主、喜欢新奇特的东西 ，我们的产品恰好是新奇特的东西 ，所以学生是我 们的目标群体。这个结论放佛并没什么问题 ，但实际是学生群体喜欢东西是有群体意志的 ，并非 盲目 ，而且不同阶段的学生消费跨度是非常大的 ，等等。所以一定要根据实际数据对用户进行分类 ，切忌拍脑门。 低交叉率 「用户画像」的目的是 ，用标签对现实中的用户进行数字化的聚合和描述。 聚合画像时 ，一定要注意低交叉率的原则。假如两组画像除了教育程度和年龄其余标签几乎一致 ， 那就可以初步理解为目标用户中 ，不同教育程度或者不同年龄跨度的用户对产品需求是相当一致的 ，如果没有明显业务区分 ，可以将二者合并为一个画像 ，同时弱化教育程度和年龄的差异。 刚才是反向表达此原则 ，正向的表达方式就是用户画像筛选尽量遵从MECE法则 ，即完整性和独 立性。 完整性保证了我们的 「用户画像」囊括了尽可能大的用户群体 ，独立性又保证了囊括的群体没有 重叠 ，防止盲目夸大市场结构、影响对市场的判断。这两点对于我们分析市场 ，优化产品业务都有 很大作用。 3. 用户标签的维度 虽然不能拍脑门定义目标用户 ，但是我们又需要根据产品特性定义标签维度。这时 ，注意一定要 客观 ，千万不要有 「得到了XX数据 ，就能证明XXXX 」的心态 ，这种心态是无法建立正确的用户画 像的。通常情况下 ，建立 「用户画像」的标签有以下几个维度 ： 自然特征O R基本属性 ： 如性别、年龄、体形、地域、职业、星座、教育程度等 ； 消费特征O R购买能力 ： 如婚否、收入、车、房、孩子、购物类型、品牌偏好、信用水平、购买周期等 ； 社会特征O R行为特征 ： 如婚姻状况、家庭构成、社交偏好、信息渠道等 ； 兴趣特征O R心理特征 ： 如兴趣爱好、使用A PP行为、浏览收藏内容、互动内容等 ； 标签的维度没有明确的要求 ，甚至上面的分类也是没有明确界限的。如何选择合适的标签来描述用 户特征 ，这才是我们需要真正思考的问题。 4 . 「用户画像」最终归宿 说了这么多如何建立 「用户画像」 ，那么这东西建立出来之后怎