正文

用戶畫像分析模型（用戶畫像分析模型PPT）

發(fā)布時間：2023-05-28 07:12:01 稿源：創(chuàng)意嶺閱讀： 137

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于用戶畫像分析模型的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，有小程序、在線網(wǎng)頁版、PC客戶端和批量生成器

官網(wǎng)：https://ai.de1919.com。

本文目錄:

如何進行準確的用戶畫像分析
什么是用戶畫像？如何分析用戶畫像？

用戶畫像分析模型（用戶畫像分析模型PPT）

如何進行準確的用戶畫像分析

一個標簽通常是人為規(guī)定的高度精煉的特征標識，如年齡段標簽：25~35歲，地域標簽：北京，標簽呈現(xiàn)出兩個重要特征：語義化，人能很方便地理解每個標簽含義。這也使得用戶畫像模型具備實際意義。能夠較好的滿足業(yè)務(wù)需求。如，判斷用戶偏好。短文本，每個標簽通常只表示一種含義，標簽本身無需再做過多文本分析等預處理工作，這為利用機器提取標準化信息提供了便利。人制定標簽規(guī)則，并能夠通過標簽快速讀出其中的信息，機器方便做標簽提取、聚合分析。所以，用戶畫像，即：用戶標簽，向我們展示了一種樸素、簡潔的方法用于描述用戶信息。3.1 數(shù)據(jù)源分析構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。對于用戶相關(guān)數(shù)據(jù)的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學英語的人，一種是不學英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產(chǎn)品生命周期分為，投入期、成長期、成熟期、衰退期…所有的子分類將構(gòu)成了類目空間的全部集合。這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補充遺漏的信息維度。不必擔心架構(gòu)上對每一層分類沒有考慮完整，造成維度遺漏留下擴展性隱患。另外，不同的分類方式根據(jù)應用場景，業(yè)務(wù)需求的不同，也許各有道理，按需劃分即可。本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù)、動態(tài)信息數(shù)據(jù)兩大類。靜態(tài)信息數(shù)據(jù)用戶相對穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數(shù)據(jù)。這類信息，自成標簽，如果企業(yè)有真實信息則無需過多建模預測，更多的是數(shù)據(jù)清洗工作，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點。動態(tài)信息數(shù)據(jù)用戶不斷變化的行為信息，如果存在上帝，每一個人的行為都在時刻被上帝那雙無形的眼睛監(jiān)控著，廣義上講，一個用戶打開網(wǎng)頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等一樣都是上帝眼中的用戶行為。當行為集中到互聯(lián)網(wǎng)，乃至電商，用戶行為就會聚焦很多，如上圖所示：瀏覽凡客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發(fā)表關(guān)于鞋品質(zhì)的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯(lián)網(wǎng)用戶行為。本篇文章以互聯(lián)網(wǎng)電商用戶，為主要分析對象，暫不考慮線下用戶行為數(shù)據(jù)（分析方法雷同，只是數(shù)據(jù)獲取途徑，用戶識別方式有些差異）。在互聯(lián)網(wǎng)上，用戶行為，可以看作用戶動態(tài)信息的唯一數(shù)據(jù)來源。如何對用戶行為數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，分析出用戶標簽，將是本文著重介紹的內(nèi)容。3.2 目標分析用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標簽，以及該標簽的權(quán)重。如，紅酒 0.8、李寧 0.6。標簽，表征了內(nèi)容，用戶對該內(nèi)容有興趣、偏好、需求等等。權(quán)重，表征了指數(shù)，用戶的興趣、偏好指數(shù)，也可能表征用戶的需求度，可以簡單的理解為可信度，概率。3.3 數(shù)據(jù)建模方法下面內(nèi)容將詳細介紹，如何根據(jù)用戶行為，構(gòu)建模型產(chǎn)出標簽、權(quán)重。一個事件模型包括：時間、地點、人物三個要素。每一次用戶行為本質(zhì)上是一次隨機事件，可以詳細描述為：什么用戶，在什么時間，什么地點，做了什么事。什么用戶：關(guān)鍵在于對用戶的標識，用戶標識的目的是為了區(qū)分用戶、單點定位。以上列舉了互聯(lián)網(wǎng)主要的用戶標識方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標識信息有所差異。什么時間：時間包括兩個重要信息，時間戳+時間長度。時間戳，為了標識用戶行為的時間點，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時間戳即可。因為微秒的時間戳精度并不可靠。瀏覽器時間精度，準確度最多也只能到毫秒。時間長度，為了標識用戶在某一頁面的停留時間。什么地點：用戶接觸點，Touch Point。對于每個用戶接觸點。潛在包含了兩層信息：網(wǎng)址 + 內(nèi)容。網(wǎng)址：每一個url鏈接（頁面/屏幕），即定位了一個互聯(lián)網(wǎng)頁面地址，或者某個產(chǎn)品的特定頁面。可以是PC上某電商網(wǎng)站的頁面url，也可以是手機上的微博，微信等應用某個功能頁面，某款產(chǎn)品應用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關(guān)頁。內(nèi)容：每個url網(wǎng)址（頁面/屏幕）中的內(nèi)容?？梢允菃纹返南嚓P(guān)信息：類別、品牌、描述、屬性、網(wǎng)站信息等等。如，紅酒，長城，干紅，對于每個互聯(lián)網(wǎng)接觸點，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標簽。注：接觸點可以是網(wǎng)址，也可以是某個產(chǎn)品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車上賣3元，景區(qū)賣5元。商品的售賣價值，不在于成本，更在于售賣地點。標簽均是礦泉水，但接觸點的不同體現(xiàn)出了權(quán)重差異。這里的權(quán)重可以理解為用戶對于礦泉水的需求程度不同。即，愿意支付的價值不同。標簽權(quán)重礦泉水 1 // 超市礦泉水 3 // 火車礦泉水 5 // 景區(qū)類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網(wǎng)瀏覽紅酒信息，表現(xiàn)出對紅酒喜好度也是有差異的。這里的關(guān)注點是不同的網(wǎng)址，存在權(quán)重差異，權(quán)重模型的構(gòu)建，需要根據(jù)各自的業(yè)務(wù)需求構(gòu)建。所以，網(wǎng)址本身表征了用戶的標簽偏好權(quán)重。網(wǎng)址對應的內(nèi)容體現(xiàn)了標簽信息。什么事：用戶行為類型，對于電商有如下典型行為：瀏覽、添加購物車、搜索、、購買、點擊贊、收藏等等。不同的行為類型，對于接觸點的內(nèi)容產(chǎn)生的標簽信息，具有不同的權(quán)重。如，購買權(quán)重計為5，瀏覽計為1紅酒 1 // 瀏覽紅酒紅酒 5 // 購買紅酒綜合上述分析，用戶畫像的數(shù)據(jù)模型，可以概括為下面的公式：用戶標識 + 時間 + 行為類型 + 接觸點（網(wǎng)址+內(nèi)容），某用戶因為在什么時間、地點、做了什么事。所以會打上**標簽。用戶標簽的權(quán)重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為類型、網(wǎng)址決定了權(quán)重，內(nèi)容決定了標簽，進一步轉(zhuǎn)換為公式：標簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重如：用戶A，昨天在品尚紅酒網(wǎng)瀏覽一瓶價值238元的長城干紅葡萄酒信息。標簽：紅酒，長城時間：因為是昨天的行為，假設(shè)衰減因子為：r=0.95行為類型：瀏覽行為記為權(quán)重1地點：品尚紅酒單品頁的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁的0.7）假設(shè)用戶對紅酒出于真的喜歡，才會去專業(yè)的紅酒網(wǎng)選購，而不再綜合商城選購。則用戶偏好標簽是：紅酒，權(quán)重是0.95*0.7 * 1=0.665，即，用戶A：紅酒 0.665、長城 0.665。上述模型權(quán)重值的選取只是舉例參考，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模，這里強調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進而能夠逐步細化模型。

用戶畫像分析模型（用戶畫像分析模型PPT）

什么是用戶畫像？如何分析用戶畫像？

用戶畫像又稱用戶角色，作為一種勾畫目標用戶、聯(lián)系用戶訴求與設(shè)計方向的有效工具，用戶畫像在各領(lǐng)域得到了廣泛的應用。

目前市場是分為 To C 和 To B 兩類用戶畫像需求，網(wǎng)上傳播的用戶畫像一般以 C 端為主，它們模版多，方法全，RFM 模型成熟，并逐漸衍生出一些用戶洞察公司，幫助企業(yè)完善用戶畫像。但這些 C 端模版對于 To B 端的企業(yè)來說無法直接套用，并且兩者用戶畫像研究群體不同，導致在洞察方法上也略有差異。

此處我以制作 To B 用戶畫像為例進行闡述，希望可以解決你的疑問，它的的主要內(nèi)容包括：

1、用戶基本信息

用戶基本信息很好理解，B 端客戶一般為企業(yè)，它的基本信息就包括企業(yè)信息，組織架構(gòu)，公司特征等，這些信息對我們建構(gòu)用戶基本框架提供了很大的幫助。根據(jù)用戶基本信息，可以將用戶團隊規(guī)模大致分為 10 人以下、20 人～50 人、50 人以上等類型?；蛘呖梢愿鶕?jù)所在行業(yè)的核心關(guān)注指標來進行不同團隊的劃分。

此處，我們以 20 人～50 人的公司為例，模版中可以依次填入公司名稱、公司特征、組織架構(gòu)的信息。

完成基本信息的輸入，20～50 人創(chuàng)業(yè)公司的基本面貌就可以清晰地展現(xiàn)在我們面前，這種信息類似于 C 端用戶畫像的信息，很好地解決了“用戶是誰”這個問題，將一行行數(shù)據(jù)和文字具象化，讓產(chǎn)研人員可以感受到活生生的用戶，而不是陷入自我想象的循環(huán)圈。

2、購買決策鏈。

建立用戶基本輪廓后，我們可以繼續(xù)從用戶決策鏈下手。如果我們能充分了解決策鏈上各個角色的影響力，以及他們對產(chǎn)品的需求，那么才能提高獲得訂單的成功率，進而完成我們對用戶核心訴求的探索。

以藍湖一個 PM 畫像為例，Kevin 是產(chǎn)品負責人，在社區(qū)領(lǐng)域經(jīng)驗非常豐富。他們的產(chǎn)品節(jié)奏從來不以快為標準，而是以好為標準。目前，很注重流程的管理以及文檔沉淀，深知這些是保證高品質(zhì)輸出產(chǎn)品的關(guān)鍵。希望能有一個 All-in-one 工具能更便捷的使用。

人數(shù)不同的公司，決策鏈的長短也有區(qū)別，小公司 PM 的影響力可以占到 70%，而中大型團隊 PM 還有總監(jiān)、VP、CEO 等關(guān)鍵角色。所以你可以根據(jù)不同的公司情況，有針對性地進行補充其他關(guān)鍵用戶畫像，完善決策鏈。

3、用戶核心訴求。

在了解各個關(guān)鍵角色的用戶畫像之后，我們可以對決策者的核心訴求進行歸納總結(jié)；一方面，從使用者、決策者的雙維度出發(fā)，幫助產(chǎn)品不斷優(yōu)化和迭代；另一方面，為客戶精細化運營提供抓手和依據(jù)，實現(xiàn)產(chǎn)品增長目標，從而提高企業(yè)的市場占有率。

如果調(diào)研足夠深入，甚至還可以得到一些用戶的關(guān)鍵數(shù)據(jù)，例如 DAU、WAU 等，這部分數(shù)據(jù)對于你填充用戶畫像的最后一塊空白非常有幫助。

在搜集以上信息結(jié)束之后，你可以根據(jù)在調(diào)研中發(fā)現(xiàn)的差異點進行個性化補充，比如重新進行用戶分類，更改用戶的公司規(guī)模，增加關(guān)鍵人物畫像等。

洞察用戶進而輸出完整的用戶畫像報告這是我們每個人都必須了解的事情，無論你是產(chǎn)品、設(shè)計還是運營、銷售，了解用戶可以讓我們更有針對性地幫助他們達成目標。

這個模版我已經(jīng)上傳至藍湖的「超級文檔」，大家可以在創(chuàng)建文檔時直接選擇，希望你能喜歡！

以上就是關(guān)于用戶畫像分析模型相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。