一、用戶畫像的概述
什么是用戶畫像:它是對(duì)用戶進(jìn)行信息標(biāo)簽化處理,企業(yè)收集用戶的基本屬性、社會(huì)屬性、生活習(xí)慣、消費(fèi)行為等數(shù)據(jù),通過算法挖掘和分析用戶數(shù)據(jù),抽象出一個(gè)用戶的全貌屬性,作為實(shí)現(xiàn)商業(yè)場(chǎng)景和應(yīng)用的數(shù)據(jù)資產(chǎn)。用戶畫像的作用:它能夠為企業(yè)提供基礎(chǔ)畫像表,幫助營(yíng)銷人員快速找到精準(zhǔn)用戶人群,并深度挖掘用戶需求。
用戶畫像的應(yīng)用領(lǐng)域:
1.精準(zhǔn)短信群發(fā)營(yíng)銷:根據(jù)人群定向進(jìn)行營(yíng)銷活動(dòng),能使?fàn)I銷更優(yōu)效率,在相同的成本下得到更好的總體轉(zhuǎn)化效率。例如,向在校學(xué)生推送價(jià)格優(yōu)惠的酒店?duì)I銷活動(dòng),而沒有必要向白領(lǐng)IT從業(yè)者推送距離最近的酒店?duì)I銷活動(dòng)。
2.推薦系統(tǒng):用戶畫像、用戶行為分析師高轉(zhuǎn)化率個(gè)性推薦的極重要的數(shù)據(jù)基礎(chǔ)。例如,向有收藏酒店行為的情侶推送距離最近的情侶風(fēng)格酒店。
3.搜索排序:在細(xì)化場(chǎng)景,把人群定向與意圖分析相結(jié)合,精細(xì)提高轉(zhuǎn)化率的過程中,可以根據(jù)人群標(biāo)簽進(jìn)行有針對(duì)想的排序。例如,給大學(xué)生情侶推薦情調(diào)酒店。
4.篩選排序:在細(xì)化場(chǎng)景,精細(xì)提高轉(zhuǎn)化率的過程中,可以根據(jù)人群標(biāo)簽進(jìn)行有針對(duì)性的排序。例如,當(dāng)出差在外的商旅用戶篩選酒店時(shí),把離機(jī)場(chǎng)或者車站比較近的鐘點(diǎn)房排在前面。
5.用戶分析:把用戶畫像和用戶行為分析相結(jié)合,能夠發(fā)現(xiàn)更高質(zhì)量的用戶人群。例如,在冬天的時(shí)候,有很多北方人會(huì)到海南住家庭旅館。
6.商家分析:分析商家近期客戶的用戶行為與用戶畫像,能夠更好地幫助商家發(fā)現(xiàn)商機(jī)。
二.怎樣構(gòu)建用戶畫像特征?
用戶畫像一般可以按照行為特征、基本屬性、消費(fèi)特征、交易屬性、潛力特征、興趣偏好和預(yù)測(cè)需求等方面組織。當(dāng)然,因?yàn)闃I(yè)務(wù)的差異,可以根據(jù)自己業(yè)務(wù)的特點(diǎn)添加不同的特征構(gòu)建用戶畫像。
1.行為特征:主要用來記錄用戶的行為操作信息。例如,App的日啟動(dòng)次數(shù)、周啟動(dòng)次數(shù)、月啟動(dòng)次數(shù)、評(píng)論活躍度、最近瀏覽頁面及瀏覽時(shí)間等。
2.基本屬性:描述用戶的一些基本特征,用來反映用戶的通用信息。例如,用戶ID、昵稱、性別、年齡、手機(jī)號(hào)、城市、注冊(cè)時(shí)間、活躍度、流失傾向等。
3.消費(fèi)特征:主要用來記錄用戶的下單購買行為。此處可以用RMF模型記錄用戶的最近購買時(shí)間、消費(fèi)價(jià)格、消費(fèi)頻率等。
4.交易屬性:主要用來記錄一些交易的偏好。例如,訂單總數(shù)、交易額、支付時(shí)間間隔等。興趣偏好:主要是針對(duì)性的找一些興趣點(diǎn),用來區(qū)分用戶。興趣偏好往往結(jié)合日常營(yíng)銷推廣活動(dòng)設(shè)置。例如,品牌偏好、房型偏好、品類偏好、星級(jí)偏好、菜品口味偏好等。
5.潛力特征和預(yù)測(cè)需求:主要用來分析用戶的價(jià)格敏感度和目標(biāo)價(jià)位等。
通過上述內(nèi)容,我們了解到當(dāng)產(chǎn)品擁有了一個(gè)較完整的用戶畫像后,可以清晰的對(duì)使用該產(chǎn)品的用戶進(jìn)行認(rèn)知,使得產(chǎn)品在接下來的短信群發(fā)營(yíng)銷中不在完全依賴經(jīng)驗(yàn)進(jìn)行判斷,而是通過用戶畫像去做精準(zhǔn)推薦,并且進(jìn)而追蹤用戶反饋的信息,完成閉環(huán)優(yōu)化。