如何做用戶畫像分析？
我們經(jīng)常在淘寶網(wǎng)購物，作為淘寶方，他們想知道用戶是什么樣的，年齡、性別、城市、收入、購物品牌偏好、購物類型、平時(shí)的活躍程度等，這樣的一個(gè)用戶描述就是用戶畫像分析。
在實(shí)際工作中，用戶畫像分析是一個(gè)重要的數(shù)據(jù)分析手段，幫助產(chǎn)品策劃人員對(duì)產(chǎn)品功能進(jìn)行迭代，幫助產(chǎn)品運(yùn)營人員做用戶增長。
作為產(chǎn)品策劃人員，需要策劃一個(gè)好的功能，獲得用戶最大的可見價(jià)值與隱形價(jià)值、必須價(jià)值與增值價(jià)值，那么了解用戶并做用戶畫像分析，是數(shù)據(jù)分析師幫助產(chǎn)品策劃做更好的產(chǎn)品設(shè)計(jì)重要的一個(gè)環(huán)節(jié)。
作為產(chǎn)品運(yùn)營人員，比如針對(duì)用戶的拉新、挽留、付費(fèi)、裂變等的運(yùn)營，用戶畫像分析可以幫助產(chǎn)品運(yùn)營人員去找到他們的潛在用戶，從而用各種運(yùn)營手段去觸達(dá)。因?yàn)椋?dāng)我們知道群體特征時(shí)，也基本可以判定潛在用戶也是類似的一群人，這樣才可以精準(zhǔn)地尋找新用戶，提高ROI。
總的來說，用戶畫像分析就是基于大量的數(shù)據(jù)，建立用戶的屬性標(biāo)簽體系，同時(shí)利用這種屬性標(biāo)簽體系去描述用戶。
用戶畫像分析的作用
用戶畫像分析的作用主要有以下幾個(gè)方面（見圖1）。
圖1
（1）廣告投放
在做用戶增長時(shí)，我們需要在一些外部渠道投放廣告，吸引可能的潛在用戶，比如，B站在抖音上投放廣告。
我們在選擇平臺(tái)進(jìn)行投放時(shí)，有了用戶畫像分析，就可以精準(zhǔn)地進(jìn)行廣告投放，比如，抖音中主要的用戶年齡為是18～24歲，那么廣告投放時(shí)就可以針對(duì)這部分用戶群體，提高投放的ROI（見圖2）。假如我們沒有進(jìn)行用戶畫像分析，那么可能會(huì)出現(xiàn)投了很多次廣告，結(jié)果沒有人點(diǎn)擊的情況。
圖2
（2）精準(zhǔn)營銷
假如某個(gè)電商平臺(tái)需要做一個(gè)活動(dòng)，給不同層次的用戶發(fā)放不同的券，就需要利用用戶畫像分析對(duì)用戶進(jìn)行劃分，比如，劃分成不同付費(fèi)次數(shù)的用戶，然后根據(jù)不同付費(fèi)次數(shù)發(fā)放不同的優(yōu)惠券。給付費(fèi)次數(shù)在1～10次的用戶發(fā)放10元優(yōu)惠券，依此類推（見圖3）。
圖3
（3）個(gè)性化推薦
個(gè)性化推薦即精確的內(nèi)容分發(fā)，比如，我們在音樂類APP中會(huì)看到每日推薦，這是因?yàn)檫\(yùn)營人員在做點(diǎn)擊率預(yù)估模型（預(yù)測給你推薦的歌曲會(huì)不會(huì)被點(diǎn)擊）時(shí)，會(huì)考慮用戶畫像屬性，這樣才有可能推薦用戶喜歡的類型。比如，根據(jù)你是“90后”，喜歡傷感的音樂，喜歡周杰倫這些屬性，推薦類似的歌曲給你，這就是基于用戶畫像推薦。
（4）風(fēng)控檢測
風(fēng)控檢測主要是金融或者銀行業(yè)涉及得比較多，常見的問題是銀行怎么決定是否放貸給申請(qǐng)人。普遍的解決方法是搭建一個(gè)風(fēng)控預(yù)測模型，預(yù)測申請(qǐng)人是否有可能不還貸款。模型的背后就有用戶畫像分析的功勞。用戶的收入水平、教育水平、職業(yè)、是否有家庭、是否有房子，以及過去的誠信記錄，這些畫像數(shù)據(jù)都關(guān)系到模型預(yù)測是否準(zhǔn)確（見圖4）。
圖4
（5）產(chǎn)品設(shè)計(jì)
互聯(lián)網(wǎng)的產(chǎn)品價(jià)值離不開用戶、需求、場景這三大元素，所以在做產(chǎn)品設(shè)計(jì)時(shí)，要知道用戶到底是怎樣的一群人，他們的具體情況是什么，他們有什么特別需求，這樣才可以設(shè)計(jì)出對(duì)應(yīng)解決他們需求和痛點(diǎn)的產(chǎn)品功能。
在產(chǎn)品功能迭代時(shí)，我們需要分析用戶畫像行為數(shù)據(jù)，發(fā)現(xiàn)用戶的流失情況。典型的場景是用漏斗模型分析轉(zhuǎn)化情況，就是基于用戶的行為數(shù)據(jù)發(fā)現(xiàn)流失嚴(yán)重的頁面，從而優(yōu)化對(duì)應(yīng)的頁面。
比如，我們發(fā)現(xiàn)從下載到點(diǎn)擊付款的轉(zhuǎn)化率特別低，這可能是付款按鈕做得有問題，可以有針對(duì)性地優(yōu)化按鈕的位置等。
同時(shí)，還可以分析這部分轉(zhuǎn)化率主要是在哪部分用戶群體中低，假如發(fā)現(xiàn)高齡用戶的轉(zhuǎn)化率要比中青年的轉(zhuǎn)化率低很多，則有可能是因?yàn)樽煮w的設(shè)置及按鈕位置不顯眼等，或者操作不方便。
（6）數(shù)據(jù)分析
在進(jìn)行描述性數(shù)據(jù)分析時(shí)，經(jīng)常需要用戶畫像的數(shù)據(jù)，比如，描述抖音中某美食類博主的用戶群體特征，可以關(guān)注他們觀看其他抖音視頻的情況，關(guān)注其他博主的情況等（見圖5）。
圖5
簡單來說，用戶畫像分析可以幫助數(shù)據(jù)分析師更加清晰地刻畫用戶。
如何搭建用戶畫像
用戶畫像架構(gòu)如圖6所示。
圖6
（1）數(shù)據(jù)層
進(jìn)行用戶畫像分析的基礎(chǔ)是獲取完整的數(shù)據(jù)，互聯(lián)網(wǎng)數(shù)據(jù)主要是利用打點(diǎn)，也就是通常所說的數(shù)據(jù)埋點(diǎn)上報(bào)的。整個(gè)過程是數(shù)據(jù)分析師根據(jù)業(yè)務(wù)需要提交數(shù)據(jù)上報(bào)的需求，然后由開發(fā)人員埋點(diǎn)，獲得數(shù)據(jù)（見圖7）。
圖7
除了上報(bào)的數(shù)據(jù)，還有從數(shù)據(jù)庫中同步的數(shù)據(jù)，一般會(huì)存到Hive表中，按照數(shù)據(jù)倉庫的規(guī)范，根據(jù)主題來放置。其他數(shù)據(jù)，比如調(diào)研的數(shù)據(jù)，以Excel格式存在，就需要把Excel 數(shù)據(jù)導(dǎo)入Hive 表中。
（2）挖掘?qū)?/span>
有了基礎(chǔ)數(shù)據(jù)以后，就進(jìn)入挖掘?qū)樱诰驅(qū)又饕鰞杉虑椋粋€(gè)是數(shù)據(jù)倉庫的構(gòu)建，另一個(gè)是標(biāo)簽的預(yù)測，前者是后者的基礎(chǔ)。
一般來說，我們會(huì)根據(jù)數(shù)據(jù)層的數(shù)據(jù)表，對(duì)這些數(shù)據(jù)表的數(shù)據(jù)進(jìn)行清洗、匯總，然后按照數(shù)據(jù)倉庫的分層思想，比如按照數(shù)據(jù)原始層、數(shù)據(jù)清洗層、數(shù)據(jù)匯總層、數(shù)據(jù)應(yīng)用層等進(jìn)行表的設(shè)計(jì)（見圖8）。
圖8
數(shù)據(jù)原始層中的數(shù)據(jù)就是上報(bào)的數(shù)據(jù)，沒有經(jīng)過數(shù)據(jù)清洗處理，是最外層的用戶明細(xì)數(shù)據(jù)。
數(shù)據(jù)清洗層主要是數(shù)據(jù)原始層的數(shù)據(jù)經(jīng)過簡單清洗之后的數(shù)據(jù)，已去除“臟”數(shù)據(jù)等明顯異常的數(shù)據(jù)。
數(shù)據(jù)匯總層的數(shù)據(jù)主要是根據(jù)數(shù)據(jù)分析的需求，針對(duì)想要的業(yè)務(wù)指標(biāo)（比如，用戶一天的聽歌時(shí)長、歌曲數(shù)、歌手?jǐn)?shù)等），按照用戶的維度，把用戶行為進(jìn)行聚合，得到用戶的輕量指標(biāo)的聚合表。
數(shù)據(jù)匯總層的作用主要是可以快速匯總數(shù)據(jù)，比如，一天的聽歌總數(shù)、聽歌總時(shí)長、聽歌時(shí)長高于1小時(shí)的用戶數(shù)、收藏歌曲數(shù)多于100的用戶數(shù)等的計(jì)算。
數(shù)據(jù)應(yīng)用層主要面向業(yè)務(wù)方的需求進(jìn)行加工，可能是在數(shù)據(jù)匯總的基礎(chǔ)上加工成對(duì)應(yīng)報(bào)表的指標(biāo)需求，比如，每天聽歌的人數(shù)、次數(shù)、時(shí)長；搜索的人數(shù)、次數(shù)、歌曲數(shù)等。
按照規(guī)范的數(shù)據(jù)倉庫把表格設(shè)計(jì)完成后，就可以得到一部分用戶的年齡、性別、地域的基礎(chǔ)屬性數(shù)據(jù)，以及用戶瀏覽、付費(fèi)、活躍等行為數(shù)據(jù)。
有些用戶的數(shù)據(jù)無法獲取，以QQ音樂為例，我們一般無法獲取用戶的聽歌偏好屬性的數(shù)據(jù)，需要通過機(jī)器學(xué)習(xí)模型對(duì)用戶的偏好進(jìn)行預(yù)測（見圖9）。機(jī)器學(xué)習(xí)的模型預(yù)測都是基于數(shù)據(jù)倉庫的數(shù)據(jù)，完整的數(shù)據(jù)倉庫數(shù)據(jù)是模型特征構(gòu)建的基礎(chǔ)。
圖9
（3）服務(wù)層
有了數(shù)據(jù)層和挖掘?qū)右院螅脩舢嬒耋w系基本形成，那么就到了用戶畫像賦能的階段。最基礎(chǔ)的應(yīng)用就是利用用戶畫像寬表的數(shù)據(jù)，對(duì)用戶行為進(jìn)行洞察歸因，挖掘行為和屬性特征的規(guī)律。
另外，比較大型的應(yīng)用就是搭建用戶畫像平臺(tái)，其本質(zhì)是用戶畫像表的集成。
用戶提取：我們可以利用用戶畫像平臺(tái)，快速提取用戶數(shù)據(jù)，比如，提取18～24歲的女性群體，且聽過周杰倫歌曲的用戶。
分群對(duì)比：可以利用用戶畫像平臺(tái)進(jìn)行分群對(duì)比。比如，比較音樂類APP中VIP用戶和非VIP用戶在行為活躍和年齡、性別、地域、注冊時(shí)間、聽歌偏好上的差異。
功能畫像分析：可以利用用戶畫像平臺(tái)快速進(jìn)行某個(gè)功能的用戶畫像描述分析，比如，音樂類APP中的每日推薦功能，我們想要知道使用每日推薦的用戶是哪些用戶群體，以及使用每日推薦不同時(shí)長的用戶特征分別是怎樣的。
本文節(jié)選自《數(shù)據(jù)分析方法論和業(yè)務(wù)實(shí)戰(zhàn)（全彩）》，歡迎閱讀此書了解更多相關(guān)內(nèi)容。
數(shù)據(jù)分析的精髓在于能夠利用合理的數(shù)據(jù)分析方法來解決實(shí)際的業(yè)務(wù)問題，本書介紹了數(shù)據(jù)分析常見的思維和方法，并且呈現(xiàn)了這些分析方法在實(shí)際案例中的應(yīng)用。
同時(shí)也利用本書解答了大家對(duì)于想要從事數(shù)據(jù)分析行業(yè)的一些擔(dān)憂和困惑。
閱讀本書，你會(huì)對(duì)數(shù)據(jù)分析的工作內(nèi)容有更清晰、完整的了解，同時(shí)對(duì)常見的業(yè)務(wù)問題處理的方法和經(jīng)驗(yàn)有質(zhì)的提升。
陳友洋，畢業(yè)于香港中文大學(xué)和中山大學(xué)，騰訊前數(shù)據(jù)科學(xué)家，數(shù)據(jù)分析類公眾號(hào)“漁好學(xué)”主理人，分享多篇數(shù)據(jù)相關(guān)的干貨文章。在知乎（知乎賬號(hào)：漁好學(xué)）上分享的數(shù)據(jù)分析相關(guān)文章的全網(wǎng)閱讀量超2 000 000次，廣受好評(píng)。在數(shù)據(jù)分析、數(shù)據(jù)體系搭建、數(shù)據(jù)科學(xué)方面具有多年經(jīng)驗(yàn)，積累了豐富的數(shù)據(jù)分析項(xiàng)目經(jīng)驗(yàn)。
本書涵蓋了數(shù)據(jù)分析的系統(tǒng)知識(shí)和業(yè)務(wù)實(shí)踐，不僅涵蓋了數(shù)據(jù)分析的基本工具、思維和方法論，還包括具體的業(yè)務(wù)問題應(yīng)用，是市面上難得的理論與實(shí)際相結(jié)合的作品。本書內(nèi)容囊括了作者多年工作沉淀的豐富經(jīng)驗(yàn)，體現(xiàn)了作者在數(shù)據(jù)分析方面的深厚造詣，無論是對(duì)于入門者，還是互聯(lián)網(wǎng)從業(yè)者，都是一本難得的“武功”秘籍。
——趙猛，騰訊算法工程師
作者從實(shí)操角度切入，將數(shù)據(jù)分析經(jīng)典方法論與業(yè)務(wù)工作融會(huì)貫通，真實(shí)案例為引，以創(chuàng)新模式拓寬數(shù)據(jù)分析應(yīng)用的陽光大道，引人入勝、百看不厭。
——?jiǎng)⑼跸瑁袊苿?dòng)資深項(xiàng)目經(jīng)理
數(shù)據(jù)分析是一門藝術(shù)，既需要業(yè)務(wù)知識(shí)，也需要數(shù)據(jù)分析方法。本書從數(shù)據(jù)分析在行業(yè)內(nèi)的應(yīng)用出發(fā)，全面地介紹了漏斗分析、相關(guān)分析、RFM用戶分群、5W2H等多種常用的數(shù)據(jù)分析方法，從方法到實(shí)踐，由表及里，由淺入深，是一本不可多得的好書。
——李渝方，“數(shù)據(jù)萬花筒”公眾號(hào)主編 《數(shù)據(jù)分析之道——用數(shù)據(jù)思維指導(dǎo)業(yè)務(wù)實(shí)戰(zhàn)》作者，阿里巴巴前數(shù)據(jù)分析師
掃碼了解本書詳情！
如果喜歡本文 歡迎 在看丨留言丨分享至朋友圈 三連 精選留言獲贊最多的兩位 將獲得本號(hào)免費(fèi)贈(zèng)書 熱文推薦