分享嘉賓：姚凱飛 句逗科技聯(lián)合創(chuàng)始人
導(dǎo)讀：做用戶，繞不開畫像！畫像不僅可以提升對(duì)用戶的認(rèn)知，還可以通過落地賦能業(yè)務(wù)。今天我們聊聊用戶畫像在用戶生命周期中的應(yīng)用，主要介紹用戶畫像在電商場(chǎng)景下如何驅(qū)動(dòng)產(chǎn)品鏈路優(yōu)化。將按照用戶生命周期，對(duì)用戶進(jìn)行劃分并采取相應(yīng)的措施；通過逆向的順序介紹用戶畫像在用戶的不同階段，如何在認(rèn)知定位、渠道優(yōu)選、個(gè)性化服務(wù)、再觸達(dá)以及營(yíng)收中發(fā)揮作用。宏觀上，AARRR模型，也稱海盜模型，是業(yè)內(nèi)常用的模型，能夠有效推動(dòng)業(yè)務(wù)發(fā)展與迭代，可以對(duì)用戶各個(gè)生命周期內(nèi)的行為進(jìn)行干預(yù)。微觀上，根據(jù)RARRA模型，落地到用戶側(cè)，則可以從認(rèn)知定位、渠道優(yōu)選、個(gè)性化服務(wù)、再觸達(dá)和營(yíng)收這五個(gè)維度內(nèi)對(duì)用戶的各個(gè)階段進(jìn)行認(rèn)知、分析、挖掘和干預(yù)。下面將圍繞上述幾點(diǎn)進(jìn)行案例展開。在用戶來(lái)之前可以進(jìn)行渠道優(yōu)選與新客引流，用戶來(lái)了之后可以對(duì)用戶進(jìn)行精準(zhǔn)推薦、展示，用戶來(lái)過走了之后可以對(duì)用戶進(jìn)行復(fù)購(gòu)引流，在每個(gè)階段，畫像都可以發(fā)揮重要作用。為了促使用戶畫像在業(yè)務(wù)中有更大的效能，必須同時(shí)具備技術(shù)思維和業(yè)務(wù)思維。目前，在畫像的業(yè)務(wù)應(yīng)用中面臨的問題是：技術(shù)人員對(duì)業(yè)務(wù)不夠了解，只是單方面的了解畫像的技術(shù)實(shí)現(xiàn)，因此對(duì)于畫像應(yīng)用方面會(huì)有思維局限；而業(yè)務(wù)人員有強(qiáng)烈的業(yè)務(wù)提升需求但是不清楚畫像在業(yè)務(wù)中能發(fā)揮何種作用，因此同樣思維受限。所以，要充分發(fā)揮畫像的業(yè)務(wù)效能就必須打通業(yè)務(wù)和技術(shù)。下面我們分別按階段展開，進(jìn)行應(yīng)用的介紹。2.1 走了以后：找漏洞，花錢測(cè)試買數(shù)據(jù)
逆向觀察RARRA模型，從用戶"走了以后"出發(fā)，對(duì)全鏈路業(yè)務(wù)進(jìn)行復(fù)盤，分析目前的產(chǎn)品是否存在問題，并對(duì)問題進(jìn)行定位和優(yōu)化。根據(jù)問題在細(xì)粒度的劃分之后，再針對(duì)不同用戶開展不同工作，如高價(jià)值客戶尋找、自定義客戶放大 ( 用戶look-like相關(guān)的工作 )、針對(duì)不同客戶群體采取不同營(yíng)銷和消費(fèi)激活策略、根據(jù)客戶群體分發(fā)優(yōu)惠券、激活休眠客戶和挽留流失客戶。對(duì)于已經(jīng)走了的用戶，一部分還會(huì)回來(lái)，還有一部分不會(huì)回來(lái)，對(duì)于這一部分不會(huì)回來(lái)的用戶，可以充分使用他們所留下的數(shù)據(jù)，幫助我們未來(lái)的業(yè)務(wù)發(fā)展給予指導(dǎo)作用；比如后續(xù)的召回操作無(wú)法挽回的用戶，對(duì)其在站內(nèi)的行為與被召回或未流失用戶進(jìn)行比對(duì)，可能可以洞察他們消費(fèi)的內(nèi)容是否符合其需求 ( 可以與搜索行為結(jié)合一起來(lái)看 ) 等。剛剛說到，要對(duì)用戶群進(jìn)行拆分，可以從多種不同維度出發(fā)，例如對(duì)現(xiàn)狀的統(tǒng)計(jì)，有PV、UV、GMV、回訪、留存等，對(duì)趨勢(shì)的統(tǒng)計(jì)如環(huán)比、同比、流動(dòng)趨勢(shì)等。具體的如何對(duì)用戶進(jìn)行拆分，要從業(yè)務(wù)出發(fā)，做到邏輯自洽，業(yè)務(wù)可解釋，比如根據(jù)性別、年齡段、設(shè)備平臺(tái)對(duì)用戶進(jìn)行拆分，這就涉及了粒度問題，比如年齡段是將15~25歲還是將15~30歲劃分為一個(gè)區(qū)間，安卓或iOS版本號(hào)如何劃分區(qū)間。以一個(gè)例子說明如何實(shí)現(xiàn)邏輯自洽：對(duì)于推薦系統(tǒng)中用戶冷啟動(dòng)問題，我們會(huì)分析不同用戶群在冷啟動(dòng)過程中，如男性與女性用戶或者iOS與安卓用戶，偏好的商品類目或者購(gòu)買的商品類目是否有大的不同。比如我們?cè)跇I(yè)務(wù)中發(fā)現(xiàn)男性和女性存在不同，喜歡用訂單或者轉(zhuǎn)化率來(lái)定義，則統(tǒng)計(jì)之后發(fā)現(xiàn)男性和女性最喜歡的1000個(gè)商品中有60%是不同的。換言之，性別粒度的劃分對(duì)于當(dāng)前的統(tǒng)計(jì)維度有明顯的區(qū)分度，因此使用性別標(biāo)簽是在實(shí)際業(yè)務(wù)中是具有可解釋性的。粒度的劃分同樣可以采取此類的思路來(lái)進(jìn)行決策。除了性別、平臺(tái)，還可以使用機(jī)型、地域、新老用戶標(biāo)簽、活躍度 ( 用戶活躍的天數(shù) ) 等維度進(jìn)行拆分。對(duì)用戶進(jìn)行劃分后可以繼續(xù)就具體問題進(jìn)行分析。2.3 畫像在投放業(yè)務(wù)中的應(yīng)用以一個(gè)投放業(yè)務(wù)中的例子說明。有兩個(gè)系列，一個(gè)是前一個(gè)月，一個(gè)是近30天的，統(tǒng)計(jì)投放的數(shù)據(jù)可以發(fā)現(xiàn)擴(kuò)量之后留存變差，用戶流失變得明顯。根據(jù)上文提出的思路，我們選擇按照平臺(tái)和年齡對(duì)用戶進(jìn)行劃分，劃分之后，在系列1、系列2比較中可以發(fā)現(xiàn)Android的用戶占比下降，iOS用戶占比上升，且20~30歲之間的用戶占比變高，我們猜測(cè)20~30歲的用戶/iOS用戶本身自然的留存情況會(huì)更好，這部分用戶占比的下降會(huì)帶來(lái)整體留存的下降。用戶流失的主要原因是用戶體驗(yàn)不夠好，用戶的需求沒有得到滿足。針對(duì)這一猜想，進(jìn)一步分析用戶的意圖。我們?cè)谒阉鲌?chǎng)景下對(duì)用戶意圖進(jìn)行分析，比如分析不同用戶群體Query匹配結(jié)果量的環(huán)比數(shù)據(jù)，統(tǒng)計(jì)搜索無(wú)結(jié)果出現(xiàn)的次數(shù)，分析不同全體對(duì)搜索詞的偏好，群體間的差異，以及搜索詞下行為的次數(shù)。分析之后發(fā)現(xiàn)兩個(gè)現(xiàn)象：- 一是在用戶留存率低的這部分用戶中搜索無(wú)結(jié)果的量增加了；
- 二是出現(xiàn)了一些奇怪的Query如BTS，這類詞匹配不到搜索結(jié)果。
進(jìn)一步在推薦場(chǎng)景線下排查用戶行為情況，統(tǒng)計(jì)之后我們發(fā)現(xiàn)用戶在推薦結(jié)果的類目展現(xiàn)維度上與大盤接近，說明用戶的偏好改變，但是在主動(dòng)意圖場(chǎng)景和非主動(dòng)意圖場(chǎng)景下的用戶需求都沒有得到滿足。依據(jù)觀察到的現(xiàn)象，我們進(jìn)行了一個(gè)實(shí)驗(yàn)，針對(duì)低流存用戶的意圖或者偏好進(jìn)行了專門的補(bǔ)貨，比如針對(duì)BTS ( 防彈少年團(tuán)組合 ) 進(jìn)行了周邊產(chǎn)品的補(bǔ)貨以及聚合觸達(dá)，之后用戶的轉(zhuǎn)化率有明顯提升，說明當(dāng)用戶找到需要的商品時(shí)，所能達(dá)到的轉(zhuǎn)化率比大盤要高。分析Query場(chǎng)景是分析用戶意圖的有效方法。在業(yè)務(wù)方面，通過統(tǒng)計(jì)Query場(chǎng)景下的流量和業(yè)務(wù)趨勢(shì)，可以發(fā)現(xiàn)用戶對(duì)于明星、品牌、品類的偏好，流量的集中程度可以有效的反映出用戶的偏好程度。同時(shí)用戶流量的集中程度可以驅(qū)動(dòng)我們?nèi)グl(fā)現(xiàn)供給端是否有問題，例如熱搜內(nèi)容無(wú)結(jié)果就屬于供給端出現(xiàn)問題。在用戶需求上，可以進(jìn)行環(huán)比的比較，如每周搜索量環(huán)比比較，例如連衣裙在搜索量環(huán)比增長(zhǎng)明顯，那么可以進(jìn)一步進(jìn)行某些梳理，判斷潛力品類在推薦等場(chǎng)景下進(jìn)行潛力產(chǎn)品推送。對(duì)于平臺(tái)商家、商品，結(jié)合用戶畫像標(biāo)簽，可以根據(jù)用戶搜索詞分析平臺(tái)內(nèi)商家、商品的影響力，對(duì)商家進(jìn)行劃分，找出比如特色商家、優(yōu)質(zhì)商家、黑產(chǎn)商家等，進(jìn)一步去分析平臺(tái)是否將優(yōu)質(zhì)的流量分配給了優(yōu)質(zhì)的商家。2.5 畫像在渠道優(yōu)選中的應(yīng)用在渠道優(yōu)選中畫像可以用于解決引流問題和商品定位問題。進(jìn)入站內(nèi)的用戶都可以稱為大盤用戶，其中有購(gòu)買行為的用戶稱之為成交用戶，成交量達(dá)到一定量級(jí)、留存高的用戶稱之為高價(jià)值用戶。以性別來(lái)對(duì)3類用戶進(jìn)行劃分，可以發(fā)現(xiàn)從下到上三類用戶中女性占比越來(lái)越高，對(duì)于平臺(tái)收益而言最重要的是高價(jià)值用戶，那么在用戶引流過程中我們期望結(jié)合用戶劃分分析結(jié)果能引流到更多的高價(jià)值用戶，如果當(dāng)前的高價(jià)值用戶中女性占比更高，那么在引流時(shí)，優(yōu)先考慮女性用戶更多的渠道進(jìn)行投放。同時(shí)可以進(jìn)一步分析商品定位是否有問題，如男性用戶比例降低是否是由于男性用戶被男性商品吸引進(jìn)入平臺(tái)，但在平臺(tái)內(nèi)男性商品占比很少或者是價(jià)格段不理想，結(jié)合畫像標(biāo)簽可以對(duì)站內(nèi)商品定位問題進(jìn)行進(jìn)一步的分析。根據(jù)已有用戶的數(shù)據(jù)，去指導(dǎo)對(duì)于新用戶的策略制定。
結(jié)合已有的畫像標(biāo)簽數(shù)據(jù)結(jié)果，和運(yùn)營(yíng)、投放或市場(chǎng)專家一起可以進(jìn)行渠道或者標(biāo)簽的優(yōu)選，例如對(duì)比Google和Facebook兩個(gè)不同渠道的投放效果，或?qū)Ρ菺oogle和Facebook的各自男性標(biāo)簽的投放效果，根據(jù)對(duì)比結(jié)果選擇更優(yōu)渠道。通常情況下，一個(gè)渠道的用戶群體不可能全部?jī)?yōu)于另一渠道，不同渠道往往在不同的用戶群上各有優(yōu)勢(shì)。數(shù)據(jù)分析的結(jié)果可以給投放師一定的指導(dǎo)，目前的AI在應(yīng)用中會(huì)面臨各種對(duì)接，如API對(duì)接等問題，實(shí)際的體驗(yàn)不夠好，但是AI在規(guī)?；暇哂忻黠@優(yōu)勢(shì)，作者認(rèn)為AI+運(yùn)營(yíng)+市場(chǎng)專家能夠達(dá)到更好的效果。一方面可以根據(jù)站內(nèi)高互動(dòng)率內(nèi)容標(biāo)簽、競(jìng)品、熱賣商品、以及站內(nèi)熱搜等去洞察用戶的需求，進(jìn)而驅(qū)動(dòng)平臺(tái)對(duì)于品類規(guī)劃的優(yōu)化。另一方面可以在投放前優(yōu)化用戶群體以及對(duì)應(yīng)商品的圈選，根據(jù)渠道內(nèi)用戶需求針對(duì)性的進(jìn)行投放，而非海量投放。用戶來(lái)了之后，需要快速反饋，不能只對(duì)已有用戶群體做文章，當(dāng)擴(kuò)展到某一個(gè)新的用戶群體，必然會(huì)有第一個(gè)用戶，第二個(gè)用戶，算法無(wú)法根據(jù)少量用戶給出結(jié)論，但是當(dāng)用戶達(dá)到1萬(wàn)，100萬(wàn)時(shí)需要快速的反饋出用戶體驗(yàn)不好或用戶流失的原因。新用戶來(lái)了之后，需要做好服務(wù)和用戶洞察。新用戶面臨著推薦中的冷啟動(dòng)問題，首先要幫助新用戶做好定位，選擇有區(qū)分度的標(biāo)簽對(duì)新用戶進(jìn)行劃分，區(qū)分度可以用不同群體偏好的交集來(lái)衡量，如男性女性最喜歡的1000個(gè)商品的交集，然后根據(jù)劃分的用戶群給新用戶推薦該用戶群體最喜歡的商品，再根據(jù)用戶實(shí)時(shí)行為獲知用戶的意圖，對(duì)推薦結(jié)果進(jìn)行調(diào)整。用戶進(jìn)入平臺(tái)后，有過搜索行為的用戶可以分為兩類，一類是強(qiáng)意圖用戶 ( 用戶搜索詞是某一個(gè)品牌具體的型號(hào)，具有明確的屬性信息，如iPhone 11 256G黑色 )；一類是弱意圖用戶 ( 搜索詞比較簡(jiǎn)單，如裙子 )，強(qiáng)意圖用戶進(jìn)入站內(nèi)后同類目商品的點(diǎn)擊比例衰減明顯慢于弱意圖用戶，弱意圖用戶則接近大盤用戶。根據(jù)這一標(biāo)簽可以去干預(yù)用戶推薦結(jié)果，更好的做好用戶服務(wù)，使用戶體驗(yàn)更好。做好新用戶服務(wù)的同時(shí)，要保證老用戶的體驗(yàn)不會(huì)變差。在內(nèi)容平臺(tái)的推薦場(chǎng)景下中，這類問題變得尤為明顯。在產(chǎn)品覆蓋用戶非常大的情況下，平臺(tái)必然會(huì)出現(xiàn)興趣偏好差異非常大的群體，針對(duì)不同群體，要考量其不同需求，在內(nèi)容上做好區(qū)隔。剛剛介紹了用戶畫像在用戶沒來(lái)之前、來(lái)了之后、來(lái)過走了各個(gè)階段的作用，進(jìn)一步來(lái)對(duì)整個(gè)流程進(jìn)行復(fù)盤。
5.1 花錢買數(shù)據(jù)高效測(cè)試，圈層外擴(kuò)引流的用戶中總是存在低留存的用戶，原因可能有多種：供給側(cè)沒有滿足用戶需求的商品，推薦沒有展現(xiàn)給用戶他所需要的商品，沒有做好內(nèi)容區(qū)隔等。使用這部分用戶在站內(nèi)的行為數(shù)據(jù)，如搜索數(shù)據(jù)，比如對(duì)二次元商品感興趣的用戶中同時(shí)具有搜索行為的用戶比不具有搜索行為的用戶的留存率是否更高，根據(jù)具體的點(diǎn)來(lái)對(duì)推薦進(jìn)行迭代。根據(jù)分析得到的結(jié)果，可以對(duì)這些低留存用戶進(jìn)行二次冷啟動(dòng)。5.2 全局優(yōu)化/多目標(biāo)問題/1+1＞2從全局優(yōu)化來(lái)講，構(gòu)建人群畫像體系可以獲知群體的需求，進(jìn)而優(yōu)化供需之間的匹配；進(jìn)一步可以在個(gè)性化層面進(jìn)行優(yōu)化，實(shí)現(xiàn)流量分發(fā)以及利潤(rùn)最大化，更優(yōu)的個(gè)性化也會(huì)帶來(lái)用戶體驗(yàn)的最大化；用戶畫像可以自動(dòng)化/智能化的實(shí)現(xiàn)物料投放和供需匹配結(jié)果；結(jié)合用戶畫像可以優(yōu)先去拓展與大盤群體相似的群體，能更好的實(shí)現(xiàn)規(guī)?；?，這里補(bǔ)充一點(diǎn)：電商場(chǎng)景下用戶具有長(zhǎng)尾效應(yīng)，但是平臺(tái)更希望流量具有一定的集中度，以便更好的優(yōu)化成本。使用閉環(huán)和飛輪的思想更好的迭代用戶畫像和整個(gè)系統(tǒng)。首先是以技術(shù)賦能解決冷啟動(dòng)，分析其他平臺(tái)上熱銷的商品，結(jié)合市場(chǎng)運(yùn)營(yíng)的指導(dǎo)來(lái)做初步的投放，根據(jù)初步的投放效果分析用戶的偏好用于指導(dǎo)站內(nèi)的需求預(yù)測(cè)，使得預(yù)測(cè)更精準(zhǔn)，有了初步的流量之后就可以不斷的進(jìn)行迭代。根據(jù)以上內(nèi)容可以總結(jié)出幾個(gè)點(diǎn)：- 拆著看：根據(jù)不同標(biāo)簽對(duì)用戶進(jìn)行拆分，拆分結(jié)果可以進(jìn)一步結(jié)合行為數(shù)據(jù)進(jìn)行分析；
- 不要只看均值：拆分之后還要進(jìn)一步分析同一群體內(nèi)的方差，分析該群體內(nèi)是否仍存在較大差異，如果存在明顯差異，還需要繼續(xù)拆分；
- 用戶和商品聯(lián)動(dòng)：分析結(jié)果要將用戶和商品聯(lián)動(dòng)，關(guān)注供給側(cè)是否滿足了用戶的需求，推薦展示是否滿足了用戶的需求，根據(jù)用戶畫像驅(qū)動(dòng)供給側(cè)、前端的優(yōu)化；
- 結(jié)合業(yè)務(wù)場(chǎng)景去分析：不同場(chǎng)景對(duì)于分析維度、用戶畫像標(biāo)簽的需求不同，要保證邏輯自洽與業(yè)務(wù)可解釋；
- 不要簡(jiǎn)單看畫像，一定要做對(duì)比：單純看分布是沒有太多信息含量的，要結(jié)合具體問題進(jìn)行對(duì)比，找出差異；
- 環(huán)比的對(duì)比：漏斗的每個(gè)環(huán)節(jié)都需要進(jìn)行環(huán)比分析；
- 數(shù)據(jù)閉環(huán)：一定要形成數(shù)據(jù)閉環(huán)，驅(qū)動(dòng)整個(gè)鏈路的優(yōu)化。
【leansoftX.com招賢令】你不必對(duì)DevOps和敏捷已經(jīng)具備很深的認(rèn)知。最難的恐怕是通過我們的面試，在整個(gè)面試過程中，對(duì)每一名面試者我們都將投入超過20小時(shí)的時(shí)間與你溝通，一同工作和討論未來(lái)發(fā)展方向。如果你能通過如此嚴(yán)苛的面試，就證明你已經(jīng)是同行中的佼佼者。我們也不會(huì)讓“專業(yè)”的HR來(lái)審核你的簡(jiǎn)歷，因?yàn)橐粋€(gè)不懂技術(shù)的人是無(wú)法判斷一個(gè)技術(shù)人員的能力的，和你進(jìn)行面試交流的都是業(yè)內(nèi)的技術(shù)大牛和專家。我們相信只有技術(shù)人可以懂得技術(shù)人。如果你已經(jīng)動(dòng)心了，就行動(dòng)吧！掃描下方??海報(bào)中二維碼，輸入關(guān)鍵詞：job
請(qǐng)發(fā)送您的簡(jiǎn)歷至：[email protected]
