Day14 用户画像&数据埋点 2019-06-26
image.png
什么是用户画像
用户画像是根据用户在互联网留下的种种数据，主动或被动地收集，最后加工成一系列的标签。
用户画像的应用
- 精准营销：运营从粗放到精细化的标志，将用户切割成更细的颗粒度，针对性的短信、推送、邮件等手段，进行激活、转化、挽回、激励等策略；
- 数据应用：很多数据产品的基础，常用的数据产品有推荐系统、广告系统，广告投放是基于一系列标签如性别、年龄、地域、兴趣爱好、学历、手机型号等等；
- 用户分析：了解用户的必要补充，比如了解核心用户等等；
- 数据分析：
根本问题在于：难以用好用户画像
深入理解用户画像
聪明的运营会设立一个新的标签，最近一次活跃距今天数，用户有六个月没有活跃，那么天数就是180天。这个比单纯的流失用户标签好，能凭此划分不同的距今天数，设立30天，90天，180天的时间节点。
这种业务前提下，预防性的减少流失用户比已经流失的标签更重要。
所以最好的标签的标签是用户流失概率，流失概率>距今消费天数>流失标签。
用户画像首先得是商业目的下的用户标签集合。
讨论和分析标签本身没有意义，重点在于标签背后如何影响用户决策，比如工资多少影响消费能力。
不是我有了用户画像，便能驱动和提高业务。而是为了驱动和提高业务，才需要用户画像。这是很容易犯的错误。
如何建立正确的用户画像?
从一个例子开始：
老王是一家互联网创业公司的核心人员，产品主营绿色健康沙拉，老王和绿色比较搭嘛。这家公司推出了APP专卖各式各样的沙拉，现在需要建立用户画像指导运营。
公司现阶段在业务层面，更关注营销和销售：如何将沙拉卖得更好。下图是老王简单梳理的运营流程。
image.png
- 通过邮件地址获取相关用户属性
- 流失用户建模：所谓建模，最好要找到用户开始不消费的时间点之前的关键因素，可以是行为，可以是属性。
用户画像的架构
不同业务的画像标签体系并不一致，这需要数据和运营目的性的提炼。
用户画像一般按业务属性划分多个类别模块。除了常见的人口统计，社会属性外。还有用户消费画像，用户行为画像，用户兴趣画像等。具体的画像得看产品形态，像金融领域，还会有风险画像，包括征信、违约、洗钱、还款能力、保险黑名单等。电商领域会有商品的类目偏好、品类偏好、品牌偏好，不一而足。
image.png
用户画像作为平台级的应用，很多运营策略及工具，都是在其基础上构建的。
image.png
基于营销和消费相关的标签，新客、老客、用户的流失和忠诚、用户的消费水平和频率等，都是构成CRM（客户关系管理）的基础，可能大家更习惯叫它用户/会员管理运营平台。
