<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          臥槽!用戶畫像詳解來了

          共 9397字,需瀏覽 19分鐘

           ·

          2022-02-12 21:57

          導(dǎo)讀:今天主要和大家分享明略對于用戶畫像的認識,包括如何理解用戶畫像,為什么需要用戶用畫像,以及明略在建設(shè)和應(yīng)用用戶畫像過程中總結(jié)的方法論,讓大家了解如何構(gòu)建好的用戶畫像。
          01
          什么是用戶畫像
          首先來看用戶畫像的定義。
          1. 用戶畫像的定義
          上圖是百度百科中的定義。這個定義有兩個重點,一是勾畫目標客戶,二是行為、屬性。這個定義強調(diào)了用戶畫像的本質(zhì)是對目標客戶的一種勾畫或描繪,這種勾畫比我們平時在馬路上看到的快速肖像畫要豐富得多,多出了行為、屬性。
          那么換一種技術(shù)化的視角,畫像的定義是什么?
          引用這個定義是為了引出標簽的概念,以及標簽在畫像中的作用,或者說標簽和畫像之間的關(guān)系。標簽可以理解為對用戶各種類型數(shù)據(jù)的提煉總結(jié),可能就是用一個詞或者說是用一個短語來表達用戶在某個方面的一項特征。用戶有各種各樣的特征,因此需要有海量的標簽去完整地描述一個用戶。這樣做的好處在于能夠可視化表征用戶特征,讓我們更加便捷清晰的了解我們的客戶,這是用戶畫像的意義所在:用戶畫像其實就是對用戶關(guān)聯(lián)數(shù)據(jù)去進行可視化的展現(xiàn)。
          一句話總結(jié)一下,用戶畫像的技術(shù)特點就是把用戶的信息標簽化
          2. 常見用戶畫像維度
          到現(xiàn)在為止對用戶畫像進行了多種角度的定義,但還是停留在概念層面,不夠直觀。下面舉幾個例子加深理解。
          首先看一個人物畫像,它其實是由各種標簽來構(gòu)成的,文靜、可愛、善解人意、活潑等等,都是對用戶某些屬性的描述,非常直觀。在這張圖上也可以發(fā)現(xiàn),標簽被分成了幾個類型,有基本屬性類的,有消費購物類的,還有網(wǎng)絡(luò)社交類,其實還會有更多的分類,在這里沒有一一列舉。之所以會形成對標簽的分類,一是便于對標簽的管理,另一個重要的原因是在不同的場景中,這些標簽可以幫助我們實現(xiàn)不同的目標。場景和目標是非常重要的。
          結(jié)合這張圖:藍色的像年齡、性別、所在的區(qū)域,都是一些比較通用的基本屬性,可能在多個場景中使用到。這類標簽通常是會再去配合其他標簽去使用。而左上角黃色的消費購物類的標簽,可能在電商場景中會用的比較多。根據(jù)用戶的標簽,比如消費偏好領(lǐng)域為服貿(mào),我們判斷用戶可能購買服裝類的物品會比較多,因此在進行推薦或者是促銷的時候,可以優(yōu)先挑服裝鞋帽等品類推送給用戶。但如果不考慮這些標簽,而去給用戶推薦一些3C電子類的產(chǎn)品,用戶可能會完全不感興趣,也就起不到促進購買的作用。
          再比如“偏好價格區(qū)間”是“200到500”。雖然我們偶爾也會不太在乎價格的購買一些非常心儀的東西,但大多數(shù)的購買其實還是會在一個范圍區(qū)間之內(nèi),這個區(qū)間可能用戶自己都不能直接的量化出來,但是通過用戶畫像,可以將其框定在某個范圍之內(nèi)。這就是“畫像比你自己更了解你自己”的點之一。通過對于偏好價格區(qū)間的標簽化,企業(yè)就可以針對性的進行后續(xù)的推薦和促銷,效果也會更加顯著。
          最后我們來看網(wǎng)絡(luò)社交類的標簽,左下角紫色的部分,基本都是和我們?nèi)粘J褂蒙缃痪W(wǎng)絡(luò)相關(guān)的,圖例中都是和微博相關(guān)的,比如說粉絲數(shù)、關(guān)注數(shù)、互動數(shù)等等。在進行社交輿情分析的時候,網(wǎng)絡(luò)社交相關(guān)的標簽對我們的分析會非常有幫助。
          3. 金融產(chǎn)品常見用戶畫像
          前面列舉了用戶畫像在營銷和輿情分析場景中的應(yīng)用,其實還有一個非常早就開始應(yīng)用戶畫像來助力其日常業(yè)務(wù)的領(lǐng)域,那就是金融領(lǐng)域。而金融領(lǐng)域里面最常見的一個場景就是信用評分畫像。
          在這個場景中,可以看到用戶的標簽都是和個人信用相關(guān)的,和前一個例子的標簽集合差異比較大。跟個人信用相關(guān)的標簽包括,如用戶在平臺的注冊年限,是不是修改過注冊信息,是不是在其他平臺有過逾期行為,還是一向都表現(xiàn)良好,也包括用戶的個人信息,比如婚姻狀況,有沒有小孩兒,以及在社交媒體上的表現(xiàn),比如粉絲數(shù),活躍度等等。這一系列的信息都可以綜合起來,幫助我們判定用戶的信用評分及信用等級,輔助業(yè)務(wù)部門去做出決策。這又提出了一個非常重要的概念,就是輔助決策,后面我們也會提到這一點。
          4. 群體維度常見的畫像
          除了可以對單個用戶去進行畫像之外,也可以對某個群體來進行畫像。
          前面在定義階段,我們說畫像其實是一種可視化的展現(xiàn),但是這個展現(xiàn)的形式不是單一的。舉個例子,對微博上某個車評人的粉絲情況的分析,和剛剛單一用戶的畫像就很不一樣。單一用戶畫像,更多的是把每一個屬性進行分類和排列,幫助我們了解某一個單獨對象的信息。而針對群體的畫像,更多的是將單一標簽類型匯聚在一起,去展示統(tǒng)計信息(也就是標簽、標簽值的分布),比如說性別里面男女各占多少比例,地區(qū)里每個省份所占的比例,或者是每個省份的熱度是多少等等。而在處理連續(xù)的值,或者說比較多的離散值的時候,我們也可以去進行分段,比如說右上角年齡,可以針對典型的年齡段進行劃分,至于具體怎么去劃分,則是業(yè)務(wù)強相關(guān)了。
          02
          為什么要做用戶畫像
          前面對于用戶畫像進行了理論上的定義和直觀上的認識,那么,我們?yōu)槭裁匆?gòu)建用戶畫像,構(gòu)建出來有什么用?下面和大家分享一下我個人的一些看法。
          1. 為什么要做用戶畫像
          我們從業(yè)務(wù)和技術(shù)兩個角度進行理論分析。
          業(yè)務(wù)層面,我們通過用戶畫像可以去構(gòu)建具象的認知,構(gòu)建戰(zhàn)略和戰(zhàn)術(shù)方向,同時也可以去探索用戶足跡,形成以用戶為導(dǎo)向的一個方向。在對核心用戶達成統(tǒng)一而且具象的認識之后,我們后續(xù)的投入才能方向明確,有的放矢。
          在為用戶設(shè)計產(chǎn)品的時候,要以用戶為導(dǎo)向,清楚地知道目標用戶是什么樣的,有什么樣的行為、屬性特征。根據(jù)用戶畫像信息來做產(chǎn)品設(shè)計,才可能為公司提供一種戰(zhàn)略和戰(zhàn)術(shù)層面上的指導(dǎo)。
          探索用戶的足跡,形成用戶走向,是指在詳細了解真實用戶是如何和產(chǎn)品及其相關(guān)內(nèi)容進行互動之后,我們才能進一步的去深化產(chǎn)品。當(dāng)我們?yōu)橛脩暨M行畫像的時候,一定是要從這種業(yè)務(wù)場景出發(fā)的,帶著業(yè)務(wù)場景的目標去解決實際的業(yè)務(wù)問題。比如要去進行畫像,要么就是去獲取新用戶,要么就是去提升用戶體驗,再或者可能是為了挽回流失的用戶,總之一定是有非常明確的目標在先。
          技術(shù)層面上講,我們通過用戶畫像的構(gòu)建,可以幫助構(gòu)建底層數(shù)據(jù)基礎(chǔ),來服務(wù)上層應(yīng)用,同時也方便對于信息的處理。
          其實用戶畫像除了可以做比較直觀的展示之外,更多時候是服務(wù)上層應(yīng)用,比如在推薦系統(tǒng)里面,用戶畫像作為推薦系統(tǒng)非常重要的一環(huán),能夠提升推薦效果;另外像前面提到的金融領(lǐng)域的應(yīng)用,用戶畫像也可以在風(fēng)控應(yīng)用,作為一些規(guī)則特征而存在,用于量化用戶的信用等級。
          有標簽之后,計算機可以方便地處理一些量化的需求,比如去做分類統(tǒng)計,或者去做深入的數(shù)據(jù)挖掘,喜歡買榴蓮的用戶,通常喜歡什么服裝品牌,經(jīng)常又買咖啡又買大蒜的用戶的年齡段分布大概是什么樣子等等,基于畫像,我們可以做一系列量化分析。
          總之,用戶畫像可以完美地抽象出一個用戶的信息全貌,是企業(yè)應(yīng)用大數(shù)據(jù)的根基,可以幫助企業(yè)為用戶提供個性化的產(chǎn)品和服務(wù)。對于給客戶提供服務(wù)的企業(yè)而言,我們最終的目的都是,在用戶使用企業(yè)提供的產(chǎn)品、打開APP或者網(wǎng)站的時候,可以看到的內(nèi)容和體驗都是針對他來設(shè)計的,或者說是符合用戶的調(diào)性的,這就是所謂的千人千面,這樣用戶的體驗才會有真正的提升。
          2. 示例:畫像支撐業(yè)務(wù)應(yīng)用
          接下來,結(jié)合明略的用戶畫像和營銷自動化產(chǎn)品,來給大家舉一個畫像支撐業(yè)務(wù)應(yīng)用的例子,非常淺顯易懂。
          例如,我們想要舉行一場營銷活動,但是不希望直接面向所有用戶群體,而是針對某一類具有一定特征的用戶來去進行。首先我們就會用到用戶畫像產(chǎn)品,根據(jù)目標用戶的標簽來去進行人群圈選。目標用戶的標簽,指的是,根據(jù)業(yè)務(wù)上確定的條件,在畫像產(chǎn)品里面通過輸入條件來把目標人群圈選出來。比如說通過消費行為的標簽,可以把360天之內(nèi)都沒有進行過購買的用戶,篩選出來。下一步,真正去做營銷的時候,就可以將上一步中篩選出來的用戶群體作為活動的目標人群,輕松的實現(xiàn)定向營銷。
          以上,我們將畫像視為一個整體,討論了它的作用、存在的必要性,也談到了標簽,畫像和標簽之間存在著緊密的聯(lián)系。下面我們來具體來談一談標簽的重要性,標簽到底有什么樣的作用。
          3. 標簽的作用
          • 標簽可以將數(shù)據(jù)及其含有的信息轉(zhuǎn)化成帶有明確的可決策行為的指導(dǎo)。

          • 人參與決策越多的地方,越需要將信息數(shù)據(jù)進行標簽化,以提升人對數(shù)據(jù)的理解和處理效率,實現(xiàn)人機協(xié)同。

          下面討論這兩點的具體含義。觀察一下所謂的數(shù)據(jù)產(chǎn)品,比如營銷領(lǐng)域的DMP、CDP,或者一些通用的數(shù)據(jù)產(chǎn)品,BI、DASHBOARD等等,它們的共同之處在于,關(guān)注如何用數(shù)據(jù)讓人去產(chǎn)生快速的理解。
          比如說在當(dāng)今疫情環(huán)境下,有一個大家日常經(jīng)常會遇到的標簽,體溫超過37度,可能就是發(fā)燒需要去看醫(yī)生了,這個發(fā)燒點就是一個重要的標簽。再比如駕車過程中,如果時速超過120,導(dǎo)航上的顯示就變成紅色,這也是一個非常明確的標簽,說明已經(jīng)超速,該松油門降速了。所以我們在日常生活中其實總是能遇到一些特別典型的標簽,指導(dǎo)我們?nèi)プ鰶Q策。
          我們再從另一個角度來去看一下,為什么我們需要去做標簽。以各種新聞類或者短視頻類的APP為例,其背后普遍有非常好的推薦能力,這些推薦能力可能不需要標簽,因為它有大量的用戶反饋數(shù)據(jù)去幫它做決策,就可以自己不斷的去進行刷新,去訓(xùn)練提升它的模型。但是如果說某些場景環(huán)境需要人來參與做決策,人參與決策的地方越多,就越需要將數(shù)據(jù)和信息進行標簽化。因為人處理信息不可能像機器那樣,通過大量的運算來決策。人類能夠處理的信息其實是有限的,為了提升處理效率,最終實現(xiàn)人機協(xié)同,我們要把大量數(shù)據(jù)和數(shù)據(jù)演算的結(jié)果,通過信息的標簽化,變成人可以快速理解快速去做決策的形式。
          下面我們來舉一個例子看看標簽的作用,如何通過下面這4個步驟將數(shù)據(jù)轉(zhuǎn)化為標簽,并且最終指導(dǎo)決策。
          第一步:數(shù)據(jù)在線
          數(shù)據(jù)在線指的是通過數(shù)字化轉(zhuǎn)型,將業(yè)務(wù)流程在線化,這樣業(yè)務(wù)流程中產(chǎn)生的數(shù)據(jù)也就跟著實現(xiàn)了在線化,具備了進一步處理的先決條件。比如以前我們都在超市里買東西,其實很難去統(tǒng)計哪個用戶買了什么東西,后續(xù)的分析也就很難進行。現(xiàn)在很多人都在電商購物,購物記錄實現(xiàn)了數(shù)據(jù)在線。未來,隨著越來越多的業(yè)務(wù)流程在線化,可以分析的內(nèi)容也會越來越豐富。
          第二步:數(shù)據(jù)信息轉(zhuǎn)換
          用戶數(shù)據(jù)轉(zhuǎn)換為信息,這個信息指的是,在我們業(yè)務(wù)場景下能夠解讀出來的內(nèi)容。比如用戶姓名王二妮,是一個女性化的名字,當(dāng)然,可能并不是所有的轉(zhuǎn)化都這么直接。從數(shù)據(jù)到信息的過程中,需要基于對業(yè)務(wù)場景的理解,我們不僅需要直接的分析數(shù)據(jù),轉(zhuǎn)換數(shù)據(jù),還需要賦予數(shù)據(jù)新的信息,這就是所謂的信息轉(zhuǎn)換,信息增益。
          第三步:信息標簽轉(zhuǎn)換
          我們可以通過一些規(guī)則,將信息轉(zhuǎn)化為標簽。舉個例子,當(dāng)我看到這信息(用戶名叫王二妮)的時候,我們就可以判斷,大概率90%以上,這個用戶是一位女性,就可以給用戶一個性別標簽,這是一種預(yù)測性的標簽,所以這個標簽是帶有權(quán)重的,比如90%。
          第四步:標簽指導(dǎo)決策
          根據(jù)標簽如何產(chǎn)生決策?在電商場景,用戶購買了一款嬰兒奶粉產(chǎn)品,接下來該如何去跟他互動?我們結(jié)合性別女的標簽,去判斷,用戶大概率是一個媽媽,就應(yīng)該是適用媽媽型的溝通方式和稱呼。這個當(dāng)然也有可能會有錯,比如用戶是幫別人買的,送人的。因此可能會要結(jié)合多種標簽應(yīng)用,幫助我們決策用什么方式去和用戶進行溝通。在這個環(huán)節(jié)中,并不要求決策百分之百正確。因為大多數(shù)業(yè)務(wù)只是需要一個可以嘗試的推薦。接下來每一條數(shù)據(jù)都是這樣的,比如通過數(shù)據(jù)在線,獲得了收貨地址,東城區(qū)特別貴小區(qū)302,通過信息增益補充了房價信息,然后再結(jié)合收入和房價模型,就能大概推斷出用戶的大概收入水平,生成收入水平標簽。有了收入水平標簽后,能進一步指導(dǎo)決策:對于收入水平比較高的用戶,推薦更高端的產(chǎn)品系列。這就是一個典型的,通過數(shù)據(jù)轉(zhuǎn)化為標簽,最終指導(dǎo)決策的過程。
          03
          如何構(gòu)建用戶畫像
          明略在用戶畫像構(gòu)建,標簽體系構(gòu)建,標簽生成方面,不僅有成熟的產(chǎn)品,例如CDP、DMP,也有非常專業(yè)的實施服務(wù)團隊和方法論。下面,結(jié)合明略自有的方法論和通用的方法論,和大家聊一聊如何構(gòu)建用戶畫像。
          1. 數(shù)據(jù)在線
          畫像構(gòu)建流程的第一步是數(shù)據(jù)在線,也就是數(shù)字化轉(zhuǎn)型,應(yīng)用系統(tǒng)打通,終端埋點建設(shè)等等,技術(shù)層面內(nèi)容這里就不一一展開了。
          這里說一下我們比較關(guān)注的兩類數(shù)據(jù),一開始在定義階段就提到過的屬性和行為,具體包括靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。
          (1) 靜態(tài)數(shù)據(jù)
          靜態(tài)數(shù)據(jù)是用戶相對穩(wěn)定的一些信息,如人口屬性、商業(yè)屬性等,這類信息通常自成標簽。如果說企業(yè)有真實的信息,就可以直接進行轉(zhuǎn)換,不需要建模或預(yù)測,更多的是數(shù)據(jù)清洗的工作,但如果某些靜態(tài)信息不準確或者缺失,可能需要進行建模預(yù)測,后面也會提到這幾種情況。
          (2) 動態(tài)數(shù)據(jù)
          動態(tài)數(shù)據(jù)是用戶不斷變化的行為信息。我們可能會更多地聚焦在用戶在互聯(lián)網(wǎng)上的行為,比如在瀏覽了某品牌的網(wǎng)頁,瀏覽了某一個品類的一個單品頁,或是發(fā)了一條微博等等這些信息,這種就是動態(tài)數(shù)據(jù)。
          這兩類數(shù)據(jù)對構(gòu)建標簽非常重要,也非常有用。
          2. 標簽體系建設(shè)
          數(shù)據(jù)有了之后,在構(gòu)建標簽之前,我們先聊一聊標簽體系的建設(shè)。
          所謂標簽體系,是基于我們既有經(jīng)驗預(yù)設(shè)好的,用數(shù)據(jù)解決問題的模型。我們在設(shè)計標簽體系構(gòu)的時候,參考了通用的數(shù)據(jù)解決問題的方法論,即:
          • 第一步:明確問題和目的是什么,用數(shù)據(jù)解決問題也不例外;

          • 第二步:梳理現(xiàn)有條件,從中鎖定問題的關(guān)鍵點;

          • 第三步:確認分析的維度,即確定分析的對象以及分析角度;

          • 第四步:確定分析方法,例如,求解一道三角形相關(guān)的幾何體,明確分析對象是三角形,下一步應(yīng)該考慮用哪個定理去分析它;

          • 第五步:圈選,圈定數(shù)據(jù)來得到結(jié)果,把思路都理順之后,只需把題干中條件數(shù)往公式定理中一帶,就能得出最后的結(jié)論,算出答案。

          以上五步,就是用數(shù)據(jù)去解決問題的通用途徑。制定標簽體系設(shè)計路徑的時候,也是類比通用路徑,因此也有五個步驟。
          • 第一步:明確帶目標的場景。所謂帶目標的場景,指的是,設(shè)計標簽體系要解決的是什么場景下的問題。不僅要知道場景,還需要知道具體的目標。比如廣告投放是一個場景,這個場景里面可能會有多種不同的目標,可以是在固定投入的情況下,觸達到更多的人,或者是在固定觸達人數(shù)的情況下,盡可能減少預(yù)算;如果要選媒體,那么在不同的目標之下的情況可能也是大不相同的。

          • 第二步:明確場景中的流程和角色。比如廣告投放的場景,角色可能會有哪些?比如要選媒體,選媒體點位,選完點位之后,需要確定投放的素材,確定完素材之后,還需要確定時間。考慮時間的時候,還要考慮每個媒體提供的不同的時間的人流量表現(xiàn)是不一樣的。這個過程中就包含很多的角色,這些角色在不同的環(huán)節(jié)中完成不同的工作,他們的關(guān)注點也是不一樣的,我們需要了解每一個角色在這個過程中需要去解決的問題是什么。

          • 第三步:明確場景中需要被標簽化的對象,也就是要去給誰打標簽,比如剛剛提到的場景中,我們做廣告投放的時候,如果說目標是要去觸達到更多的用戶,那么用戶可能就是打標簽的對象。

          • 第四步:明確我們不同對象在場景中需要的標簽類型,例如,是基本屬性標簽,還是消費偏好表現(xiàn),是動態(tài)標簽,還是靜態(tài)標簽,是預(yù)測標簽,還是行為標簽,等等。

          • 最后:確定了類型之后,需要列舉出標簽的值,比如人口屬性標簽中的年齡段標簽,需要進一步確定出“0-15歲”,“16-18歲”,“18歲以上”等具體的值。

          以上是我們構(gòu)建標簽體系的比較通用的方法論,適用于各種用戶畫像構(gòu)建過程中設(shè)計標簽體系。
          3. 標簽與權(quán)重
          用戶畫像的最終形態(tài),就是通過對用戶行為的分析為用戶打上標簽,以及標簽的權(quán)重。那么,標簽與權(quán)重,具體是什么樣子?
          以這兩個標簽為例:李寧0.8,小米0.6。標簽的部分,表征用戶對哪些內(nèi)容有興趣、愛好或者需求,權(quán)重則表征了愛好或者需求的指數(shù),也可能是需求度、可信度、概率等。
          4. 標簽建模方法
          下面對標簽建模方法做進一步討論。標簽是對用戶標識、時間、行為類型、接觸點(網(wǎng)址、內(nèi)容)的聚合,即,因為用戶在什么時間什么地點干了什么事,所以我們才需要給用戶打上一個某某標簽。進一步的,從整體思考和建模,可能需要加入權(quán)重方面的設(shè)計。例如,在某些場景下,我們需要定義時間衰減因子,即時間越長,可能性或者說概率就越低,權(quán)重也就越低。
          舉例說明:某用戶,前天在天貓李寧官網(wǎng)上瀏覽了一雙鞋,昨天在天貓超市買了一個杯子,我們可以比較輕松地提取出來幾個標簽,李寧運動鞋、杯子,以及相關(guān)時間,昨天發(fā)生,前天發(fā)生。我們再做一個簡單的假設(shè),重要性每天可能會有百分之十的衰減,就是前一天可能是今天的0.9。
          對于行為類型的標簽,不同行為權(quán)重不同,比如購買行為權(quán)重是1,瀏覽權(quán)重只是0.5,也可能引入地點的權(quán)重,例如品牌官網(wǎng)的權(quán)重可能會重一些,天貓超市可能稍微低一些。
          所以計算標簽的時候,需要把以上所有內(nèi)容都考慮進去,時間衰減、行為類型、地點等等,計算出標簽以及權(quán)重值。
          上面講的這些方法和例子僅供參考,當(dāng)我們真正去設(shè)計標簽的時候,首先需要根據(jù)業(yè)務(wù)需求進行建模,然后才能明確標簽、權(quán)重的值到底應(yīng)該是怎樣設(shè)定,并且要不斷的迭代和優(yōu)化。
          5. 標簽分類
          下面我們從另外一個角度去看一下標簽的分類,如圖所示,分成了四層:
          底層:其實不是標簽,而是原始數(shù)據(jù),是我們通過數(shù)據(jù)在線從各個渠道中采集匯聚回來的數(shù)據(jù),通過這些數(shù)據(jù)進行簡單的分析就可以得到第一類標簽-事實標簽。
          事實標簽:是從一些簡單的事實中提煉出來的,甚至是不用提煉直接就能形成的標簽。例如原始數(shù)據(jù)里面已經(jīng)有了用戶的注冊信息,其中有用戶的性別,可以直接構(gòu)建標簽,也有的可能需要經(jīng)過簡單的統(tǒng)計,比如通過累加,我們能得到產(chǎn)品購買的次數(shù),投訴的次數(shù)等等,這些都是一些基于事實直接可以拿到的標簽。
          模型標簽:如果標簽不可直接獲得,通常就需要通過建模計算來生成,比如通過對歷史購物行為的建模分析獲得用戶的產(chǎn)品購買偏好:對于哪個品類或者哪個品牌的標簽權(quán)重是多少等等。
          預(yù)測標簽:這類標簽的生成更多是依賴算法。例如在電商場景中,可以通過用戶購買的商品、年齡、性別,預(yù)測用戶的人群屬性:年輕的媽媽,或者高收入白領(lǐng)等。
          以上,就是關(guān)于標簽分類的討論。
          6. ID打通
          討論了數(shù)據(jù)在線、標簽體系設(shè)計、標簽生成之后,我們來說一說構(gòu)建畫像過程中另外一個比較精彩的部分,通過Super ID的構(gòu)建來實現(xiàn)ID的打通。這里暫且不討論具體的技術(shù),重點分享為什么需要實現(xiàn)打通。我們前面討論的構(gòu)建畫像的過程其實是簡化了的:假設(shè)來自不同場景的數(shù)據(jù)都可以直接和用戶產(chǎn)生關(guān)聯(lián)。而在實際場景中,企業(yè)可能構(gòu)建了多種渠道觸達用戶,可能是直接提供服務(wù)的渠道,也可能是廣告營銷的渠道,渠道的多樣化就導(dǎo)致了用戶行為的碎片化。如何將復(fù)雜的碎片歸一化,認知用戶特征,最后形成用戶畫像,挖掘用戶需求,這一系列的解決方案是很重要的需求,也是大多數(shù)企業(yè)今天面臨的挑戰(zhàn)。
          在明略的解決方案中,我們圍繞用戶構(gòu)建了一個SuperID,通過一些確定性的綁定關(guān)系和一些不確定性的匹配關(guān)系,將這些多種渠道獲得的ID圍繞Super ID形成連接,最終實現(xiàn)多個渠道多個ID的打通,這樣就可以將多個渠道獲得的用戶行為數(shù)據(jù)進行連接,來支撐模型標簽和預(yù)測標簽的計算。
          7. 用戶畫像示例
          最后結(jié)合我們的用戶畫像產(chǎn)品,舉一個簡單的例子。當(dāng)今很多企業(yè)可能會有多個觸點來獲得用戶行為,在左邊的圖中,有四個觸點,因此形成的用戶的多個碎片化的信息:可能是關(guān)注了公眾號,通過一次廣告點擊進入到了活動主頁,然后在小程序里面進行了一些咨詢,最后線下購買。我們通過不同渠道,獲得了用戶的行為。當(dāng)我們把這些行為串聯(lián)起來去看的時候,可以直接從行為中提取一些事實標簽,例如關(guān)注了公眾號,那就是“xx公眾號的讀者“,使用愛奇藝,可能是“xxAPP的使用者”,關(guān)注了新品,因此是“xx新品的關(guān)注者”,這些都是比較直觀的解析。通過這些直觀的解析,再經(jīng)過模型的計算,我們就可以得到一些深層次的標簽,例如,商務(wù)白領(lǐng)。怎么推斷出來的?用戶在南京西路商圈活動,同時還在這個地方消費。假如用戶只是去看一看,不買,我們可能也推斷不出來,但用戶既在附近活動,又消費,我們就能做一個推斷,用戶是一個商務(wù)白領(lǐng)等等。結(jié)合這種行為解析,就可以產(chǎn)生高層次標簽。
          其實剛才的例子少了一個步驟,如何將從多個渠道獲得的用戶數(shù)據(jù)打通?建立Super ID。通過第一個渠道,我可以把用戶的deviceID或者openID連接起來。第二個渠道可以把手機號和openID連接起來。通過引入一個Super ID作為唯一標識,就可以把所有渠道里獲得的信息進行串接,打通。完成這部分之后,我們就把整個用戶的屬性進行了歸一化;通過標簽生產(chǎn),還可以進行人群分類。比如我發(fā)現(xiàn)用戶是一個商務(wù)白領(lǐng),同時年齡是在20到35歲之間,可能就可以把它分到年輕白領(lǐng)人群里面去。這是我們對于用戶分群的支持。
          通過前面這幾個步驟的工作,包括數(shù)據(jù)來源,從數(shù)據(jù)中直接提取一些基本標簽,用戶的行為軌跡追蹤,ID打通,以及基于客戶特征的分群等等,我們拼成了一個真正的用戶的樣子,能看到這張圖就不再是碎片,而是形成了完整的360度的用戶畫像。
          04
          精彩問答
          Q1:在標簽建模的過程中,如何為新登錄的用戶打標簽,如何為具有較少行為的用戶打標簽?
          A:這個問題其實可以理解為怎么針對用戶做冷啟動的問題:當(dāng)用戶行為比較少的時候,怎么去標識他。其實就是我剛才提到的,當(dāng)你從這一個渠道里獲得用戶的信息不多的時候,就要去嘗試如何能夠獲得數(shù)據(jù)在線的能力,從多個渠道獲得更豐富的信息,然后再來對用戶進行(建設(shè))更全面更豐富的標簽的過程。
          Q2:明略科技更多是乙方的角色,為很多企業(yè)(甲方)搭建了用戶客戶畫像、落地了很多項目,想請教一個問題,我們觀察到,市場上很多用戶畫像沒有發(fā)揮出應(yīng)有的價值,可否幫忙從乙方的角度總結(jié)一下,你覺得一般來說,會有哪些因素制約用戶畫像的落地效果?
          A:結(jié)合之前方法論提到的一點,構(gòu)建畫像的第一步,應(yīng)該去鎖定帶目標的場景。可能很多乙方在給甲方服務(wù)的時候,會強調(diào),我有很多經(jīng)驗。經(jīng)驗有好的,也有很多不好的地方,比如一味的重落地,忽略了甲方的實際目標是什么。沒有透徹的理解甲方的場景,就把經(jīng)驗、標簽鋪上去,這時候,經(jīng)驗反而成為了絆腳石。明略這邊非常注重第一個步驟:重視客戶端場景和業(yè)務(wù)目標。如果第一步?jīng)]有做好,往往就事倍功半了。
          Q3:建立SuperID時,出現(xiàn)多對多的情況,應(yīng)該怎么處理?
          A:有不同的處理方法。當(dāng)出現(xiàn)多對多的時候,可能有幾種場景,一種是您剛才說的,一個人有多個device id。這種是合理的業(yè)務(wù)場景,需要存多個。技術(shù)選型就不在這里討論。另外就是在不同渠道拿到不同的信息,比如,從某個渠道拿到用戶的信息自稱性別是男,另外一個更加靠譜的渠道,比如從身份證信息中拿到用戶的更高權(quán)重的信息,性別是女,這種從業(yè)務(wù)場景上來看,是不可能存在多個的,我們需要選擇可信度更高的。
          今天的分享就到這里,謝謝大家。
          ·················END·················

          推薦閱讀

          1. 我在字節(jié)做了哪些事

          2. 寫給所有數(shù)據(jù)人。

          3. 從留存率業(yè)務(wù)案例談0-1的數(shù)據(jù)指標體系

          4. 數(shù)據(jù)分析師的一周

          5. 超級菜鳥如何入門數(shù)據(jù)分析?


          歡迎長按掃碼關(guān)注「數(shù)據(jù)管道」

          瀏覽 67
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  无码三级片在线观看 | 日本一级操逼视频 | 日韩小电影在线观看 | 日本极品无码巨乳在线播放视频 | 九九成人视频 |