数据分析实战——07 | 用户画像：标签化就是数据的抽象能力

• 精细化运营将是长久的主题
  • 有数据，有数据分析能力才能让用户得到更好的体验
• 用户画像的准则
  • 
  • 用户唯一标识是整个用户画像的核心
    • 它把“从用户开始使用 APP 到下单到售后整个所有的用户行为”进行串联
    • 设计唯一标识可以从这些项中选择：用户名、注册手机号、联系人手机号、邮箱、设备号、CookieID 等
  • 其次，给用户打标签
    • 这里我总结了八个字，叫“用户消费行为分析”。我们可以从这 4 个维度来进行标签划分。
    • 用户标签：它包括了性别、年龄、地域、收入、学历、职业等。这些包括了用户的基础属性。
    • 消费标签：消费习惯、购买意向、是否对促销敏感。这些统计分析用户的消费习惯。
    • 行为标签：时间段、频次、时长、访问路径。这些是通过分析用户行为，来得到他们使用 App 的习惯。
    • 内容分析：对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，比如，金融、娱乐、教育、体育、时尚、科技等。
  • 当你有了用户画像，可以为企业带来什么业务价值呢？
    • 我们可以从用户生命周期的三个阶段来划分业务价值，包括：获客、粘客和留客。
    • 获客：如何进行拉新，通过更精准的营销获取客户。
    • 粘客：个性化推荐，搜索排序，场景运营等。
    • 留客：流失率预测，分析关键节点降低流失率。
• 按照数据流处理的阶段来划分用户画像建模的过程，可以分为数据层、算法层和业务层。你会发现在不同的层，都需要打上不同的标签。
  • 数据层指的是用户消费行为里的标签。我们可以打上“事实标签”，作为数据客观的记录。
  • 算法层指的是透过这些行为算出的用户建模。我们可以打上“模型标签”，作为用户画像的分类标识。
  • 业务层指的是获客、粘客、留客的手段。我们可以打上“预测标签”，作为业务关联的结果。
  • 所以这个标签化的流程，就是通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。
  • 
• 美团外卖的用户画像该如何设计？
  • 如何制定用户标识 ID
    • 如果希望大数据对各个部门都能赋能，一定要在集团的战略高度上，尽早就在最开始的顶层架构上，将用户标识进行统一，这样在后续过程中才能实现用户数据的打通
  • 制定用户画像
    • 用户标签：性别、年龄、家乡、居住地、收货地址、婚姻、宝宝信息、通过何种渠道进行的注册。
    • 消费标签：餐饮口味、消费均价、团购等级、预定使用等级、排队使用等级、外卖等级。
    • 行为标签：点外卖时间段、使用频次、平均点餐用时、访问路径。
    • 内容分析：基于用户平时浏览的内容进行统计，包括餐饮口味、优惠敏感度等。
  • 以及基于用户画像可以做哪些业务关联
    • 在获客上，我们可以找到优势的宣传渠道，如何通过个性化的宣传手段，吸引有潜在需求的用户，并刺激其转化。
    • 在粘客上，如何提升用户的单价和消费频次，方法可以包括购买后的个性化推荐、针对优质用户进行优质高价商品的推荐、以及重复购买，比如通过红包、优惠等方式激励对优惠敏感的人群，提升购买频次。
    • 在留客上，预测用户是否可能会从平台上流失。在营销领域，关于用户留存有一个观点——如果将顾客流失率降低 5%，公司利润将提升 25%~85%。可以看出留存率是多么的重要。用户流失可能会包括多种情况，比如用户体验、竞争对手、需求变化等，通过预测用户的流失率可以大幅降低用户留存的运营成本。
• 锻炼自己的抽象能力，将繁杂的事务简单化
  • 我们的最终目的不是处理这些数据，而是理解、使用这些数据挖掘的结果