2-1 用户画像

基本概念

定义

    用户画像，即用户信息标签化，是根据用户社会属性、生活习惯、消费行为等信息抽象出来的标签化用户标签

作用

    专注用户：明确知道用户真实的诉求点，可以使产品的服务对象更聚焦、更专注

    提高效率：为功能设计提供核心依据，提高决策效率

    精准营销：数据挖掘、用户推荐的底层支持

 

构建用户画像操作步骤

数据收集&挖掘

    数据收集方法包括：数据埋点（知道某商品浏览量）、产品后台统计数据、用户访谈、问卷调研

打标签

    包括静态标签、动态标签

    静态标签：建立用户画像的基础，从用户基本信息对用户划分，例如性别、年龄、婚姻、性格、学历等等

    动态标签：用户在互联网环境下的上网行为，能更好记录用户日常的上网偏好，例如搜索、浏览、评论、点赞、收藏、加入购物车、使用优惠券等

数据建模

    用户行为=用户标识+时间+行为类型+接触点（网址+渠道）

    即可以用4W框架（Who、When、Where、What）

    单个标签权重决定后，可以用标签权重公式计算得到总的用户标签权重，标签权重=时间衰减因子×行为权重×渠道权重

用户画像

 

实际案例

    社交产品中，频繁有用户投诉被人要微信QQ，加了之后就说故事要钱，给了钱就拉黑

    1.需要对这些人的行为统计分析，例如：短时间加很多人、在线时间很长、回复很快、主动发起聊天、同一IP有很多好友

    这些特点必须综合，特点要多，否则有可能“误伤”，例如确实有新用户短时间加很多人，跟很多人聊天，在线时间长，为了体验新产品

    2.数据收集&挖掘

    需要关注：

    基本信息（用户注册信息、自填信息，确认用户真实度）

    关系数据（被拉黑次数、拉黑人数情况，体现用户关系强弱）

    内容数据（原创动态，体现用户高危程度）

    行为数据（与好友互动信息，体现是否有诈骗行为）

    之后需要对这些信息做“量化”，例如：10句话中有8位以上数字，连续在线6h以上且同一IP下超过2个用户命中，等等，为了让开发可以操作

    3.数据建模

    可以对于上面的四部分数据，每部分设定不同的权重，之后进行计算，例如规定90分以上为高风险用户，便于开发操作

    4.筛选用户

    5.提出解决方案

    可以疏可以堵，例如封号、发出去收不到、每月加人次数、加群次数限制等等