如何打造用戶畫像系統?

什麼是用戶畫像?簡單來說,用戶畫像就是使用總結性的語言(標籤)來描述用戶的特徵,需要說明的是這裡的標籤不僅可以是各種描述性的詞彙,還可以是被賦予特殊意義的數值,比如,使用信用分對用戶的誠信度進行描述。進行用戶畫像的目的,通常是為了將用戶甄別開來,進行差異化管理、服務、價值挖掘,以最大化用戶價值。

用戶畫像根據所描述的對象不一樣,所描述的特徵內容也不一樣。通常,一個互聯網平臺,其用戶根據使用服務的類型不同,可分為:生產端用戶和消費端用戶兩類。比如,一個C2C的電商平臺,在平臺購物的買家即消費端用戶,在平臺銷售商品的商家即生產端用戶。再比如,一個內容分發平臺,入駐平臺的自媒體作者便是生產端用戶,閱讀信息內容的讀者便是消費端用戶。完整的用戶畫像,應同時包括生產端用戶畫像和消費端用戶畫像。可能,大部分產品經理接觸到的用戶畫像多是指消費端用戶畫像。實際上,生產端的用戶畫像也是很常見和重要的,產品工作中也常有涉及,只不過大多可能並未意識到其工作實質是給生產端的用戶畫像。舉個簡單的例子,電商平臺要開展節日促銷活動,確定可參加活動的商家資格。通常這個時候,就會使用到能反映商家的服務質量、服務態度、運營能力等各項指標對商家進行篩選,這些可反映商家能力或運營特徵的指標,就是對商家的畫像,對商家篩選也就是對商家進行差異化管理。還有,在商家、商品搜索中,也常用到對商家的畫像。

筆者曾在一家使用算法對商家及商品進行畫像,向消費者提供消費指南服務的導購電商平臺從事用戶畫像系統搭建工作。這裡主要根據自己工作中的經歷,以及自己對用戶畫像的一些思考進行分享。限於控制文章篇幅,本文主要分享消費端用戶畫像系統的搭建思路。且筆者假設各位讀者已擁有搭建消費端用戶畫像系統所需的數據,即本文不涉及數據採集或者說埋點方案的介紹。若讀者對數據收集方法及生產端用戶畫像感興趣,可在讀完本文且認為本分享有價值的前提下,進行評論告知,筆者會根據讀者反響熱烈程度(主要是不想做無用功),考慮是否進行數據收集及生產端畫像方法總結分享。

需要說明的是,本文介紹的消費端用戶畫像系統的搭建思路,所涉及到的數據不僅僅是零售電商平臺的數據,還包括其他各類線上平臺的數據。各家公司現有的用戶畫像系統所描述的用戶特徵只是用戶的一個側面,但出於最大化用戶價值的考量,可能在某一天,各公司之間會找到一種利益共享方案,達成類似百度廣告同盟的一種數據分享同盟,從而描述出最完整的用戶特徵。鑑於本文的內容,通常會被歸入為大數據應用的範疇,這裡插一句題外話:大部分人對大數據都存在一定的誤解,大數據的核心特徵,並不是數據量大,而是數據全面。數據全面到不需要採用老式的統計方法——用樣本去估計整體,全面到可以從各個方面進行交叉驗證結論的正確性。實際上,消費端用戶畫像所用到的數據量級,絕對稱不上大。用好大數據,其核心也不在算力(算力只是基礎而不是關鍵)及常見的數據清洗、挖掘和處理算法(比如聚類,決策樹,神經網絡算法等)。如果使用常見的統計算法就能應用好大數據,不僅統計學家早就統一了科學界,而且現在市場上一定會出現一家處理大數據的超級巨無霸公司。現實是科學界百家爭鳴,市場上也沒有處理大數據的超級巨無霸公司。這說明,應用好不同類的數據,除了一般的統計學知識,還需要相關學科的專業知識。說到這裡,需要明確一下本文介紹的消費端用戶畫像方法的適用領域。鑑於,筆者只具有經濟學相關的專業知識,而經濟學是一門關於行為選擇的學科,本文涉及到的消費端用戶畫像更確切的說是與消費選擇相關的用戶特徵畫像,只適用於精準營銷領域。

進行消費端用戶畫像,其實和日常生活中評價一個人差不多,那些可以定義一個人是誰的特徵,都可以是消費端用戶畫像需要描述的特徵。其中的原理可以這麼理解,你是誰決定了你的需求集,而精準營銷說白了就是根據用戶的需求進行有針對性的定向營銷。消費端用戶畫像可以從四大維度展開:身份特徵、偏好、消費能力、消費慾望。每個方面又可以分為若干個細分領域,這裡我們將一一展開討論。

如何打造用戶畫像系統?

首先,我們說一下人的身份特徵。關於身份特徵,我們將對照下面的身份特徵圖進行說明。通常消費與區域氣候、地理特徵、文化相關。比如,生活在四川的人民,因為當地潮溼多雨而喜歡吃辣。所以,關於身份特徵,我們需說明用戶是哪裡人,對應圖中的"國籍"、"出身地"、"所在地"信息項。人的不同成長階段,所需要的消費服務不同,"年齡"不僅反映了人所處的成長階段,而且還反映用戶可能所屬的年齡文化群體。"性別"、"民族"是最常見的區分人群的方式,自然也需要說明。人作為生物體,其需求特別是生理需求與人體的生理構造、機體特徵有很大的關聯,因此人的機體特徵也是不得不描述的。機體特徵主要包括三個方面:體貌特徵、機能狀態、特殊體徵。體貌特徵是指人正常的外形特徵,包括:身高、體重、臂展、膚色、臉型、眉型、胸圍、髮型、髮量等方面,基本上所有的體檢指標都可以歸入此項,當然商業需要的體徵描述可能比體檢詳細的多。人的體貌特徵是相對變化的,可能隨著年齡或其他因素的變化而變化,這一特徵數據每隔一段時間便需要更新,我們可以根據需要只收集一些相對穩定的體貌特徵。機能狀態是指人的各大組織、系統、器官整體對外呈現出的狀態,當然這種狀態不僅包括生理狀態,還包括心理狀態。根據人的機能狀態是否運行正常,可分為健康、亞健康、機能異常三種狀態,亞健康、機能異常根據具體的異常表現,又可以進行細分,所包含的具體細分項詳見機體特徵分類圖。人體的機能狀態更加的不穩定,可能今天病者,明天就好了,對該畫像指標的使用時效性更強。特殊體徵可以理解為因病變等因素已經固化的體貌特徵或機能狀態。比如,受基因、年齡、環境等因素影響,一個人髮量變的特別稀少,形成了"禿頂"的特殊體徵,再比如,一個人受到意外傷害,缺失了一隻手,有了手部殘疾。其實,從上面的機體特徵分類可以看出有些特徵可以歸為多類,關於人的特徵畫像分類並沒有嚴格的界限,因為這個世界本就是連續變化著的,只是出於理解的需要我們按照一定標準進行了劃分。這樣也有一個好處,就是很多特徵都可以進行交叉驗證,比如"禿頂"和通過"髮量"來驗證,這也正是大數據的優勢所在。

如何打造用戶畫像系統?

如何打造用戶畫像系統?

人所扮演的角色也是其身份的一部分,為扮演好不同身份的角色,或者說維持人設,也會產生不同的需求。人的角色根據所承責的對象不同,可以分為家庭角色和職業角色。家庭角色即對與其有緊密血緣、情感關係的對象所承擔的角色。家庭角色根據不同的評價側面,有可打上不同的標籤。比如,一位已婚生子的成年女性,根據所處的家庭關係,可打上母親、妻子的標籤,作為一名母親、妻子其對其所承擔的角色有其觀點、態度,又可以據此打上標籤,比如丁克、虎媽、賢妻良母等。根據其所扮演角色的時長、經驗,則可以打上新手媽媽、新婚妻子等標籤。根據其角色地位又可以打上小媳婦或女王等標籤。關於家庭角色的詳細細分方法見身份特徵圖。職業角色即一個人參與社會資源分配所承擔的市場角色,職業角色分類的詳細細節見角色分類圖,不進一步展開說明。

如何打造用戶畫像系統?

人的經歷無疑也是其身份的一部分,作為情感動物,回望過去不僅僅紀念曾經的輝煌或艱辛,也是通過回望總結,更好的展望未來,這也會產生一部分的精神需求。對消費選擇有影響的成長履歷主要可分為兩個方面:生活大事件和工作大事件,生活大事件包括各種有重大意義的紀念日,工作大事件則是工作中經歷的重大時刻和事件,這裡將學習視為工作的準備,也歸入工作大事件之中。人生經歷標籤分類的詳細細節見成長履歷分類圖,不進一步展開說明。

如何打造用戶畫像系統?

說完了身份特徵,接下來說用戶偏好。經濟學中的偏好並不是指用戶喜好產品A或產品B,而是指用戶對產品A和產品B的需求急切程度。比如,讓用戶在牛肉和青菜之間選擇,並不是說用戶更喜好吃牛肉,就會買牛肉。而是看在當時的消費環境下,是對牛肉的需求更緊迫,還是對青菜的需求更緊迫。假如用戶彼時生病了,吃葷腥油膩的食物對病情恢復不利,此時用戶在牛肉和青菜之間可能會選擇青菜。消費選擇是一個複雜的行為,受到收入水平等各種因素限制,很多時候還需要平衡當下消費和未來消費之間的關係。簡單來說,用戶進行滿足基礎生理需求的消費選擇,是最迫切需要什麼選什麼(根據身體信號來),而不是喜好什麼就買什麼。在可滿足用戶需求的待選產品選擇中,受到收入水平限制的用戶,優先考量的是產品價格,而不是個人的偏好。大多數時候,用戶都不能僅憑喜好任性選擇。只有在產品滿足的需求功能類似,價格差不多時,用戶偏好才對消費選擇發生作用。也就是說,用戶的偏好,僅僅表現在不滿足實用功能(生理需求)的精神層面上。因此,有記錄意義的用戶偏好(這只是個人意見)包括:感官偏好、偶像偏好、價值偏好。感官偏好即人的感覺器官對感官刺激的偏好,主要包括視覺、味覺、嗅覺、聽覺、觸覺等五感的刺激偏好,詳細的分類方法見下面的偏好分類圖。偶像偏好即對社會各界楷模的偏好,詳細的分類方法見下面的偏好分類圖。價值偏好即對各類文化的偏好,這裡也不展開說明,詳細的分類方法見下面的偏好分類圖。

如何打造用戶畫像系統?

用戶的消費能力即用戶有能力支付的消費水平。直接反映用戶的消費能力的指標當然是用戶的收入狀況。但在缺乏用戶的收入狀況數據時,也可以從用戶的消費結構大致推斷用戶的消費能力。經濟學中有一個指標叫恩格爾係數,該指標主要統計的是食物佔個人消費的比重,一般越窮的人食物等滿足基本生理需求的商品所佔的比重越大。而相對富裕的人群,在生理需求得到滿足後,會追求精神上的愉悅和滿足,對文化及興趣的消費投入較大。用戶的消費能力也會在用戶對價格的敏感性上反映出來,通常消費能力越差的用戶,對價格越敏感,選擇商品時考量價格的因素越多。

用戶的消費慾望即用戶對某一商品的需求急迫程度。用戶的消費慾望可以從用戶瀏覽商品的時間長短,瀏覽同類商品的數量,瀏覽商品的種類多少等方面體現出來。通常,用戶瀏覽商品越仔細,瀏覽時間越長,瀏覽的同類商品數量越多,瀏覽聚焦度越高(瀏覽的商品種類越少,若瀏覽的商品種類很多,有可能只是日常的瞭解商品行情隨筆逛逛),對瀏覽商品的消費慾望越高。關於用戶的消費慾望,分析用戶的瀏覽記錄、搜索記錄、收藏記錄等歷史數據可以掌握,在具體應用時至少可以抽象出10來個指標反映用戶的消費慾望,且可利用這些指標相互驗證,提高預測的準確性,這裡不做詳細介紹,留給大家自己思考。


分享到:


相關文章: