如今，新冠疫情除了奪走了無數生命之外，還對全球經濟造成了巨大的影響，各行各業都被迫陷入了停滯狀態，由此帶來的業務縮減直接導致了一些公司瀕臨破產邊緣。
與此同時，我們所處的經濟環境也從之前三四十年的不斷增長的增量經濟轉化到存量經濟。因此，許多企業為了求生存不得不放棄之前大肆擴張的路徑，轉而開始向內削減各項開支與成本，修煉內功。
這其中就包括企業如何利用大數據來實現精細化運營和精準化營銷。而要做精細化運營，首先就需要建立企業的用戶畫像。
今天就來說說為什麼企業要重視用戶畫像？以及什麼是用戶畫像？企業該如何搭建一套有效的用戶畫像？
一、為什麼企業要重視用戶畫像？
1.降低營銷獲客成本
有時候我們經常不自覺的認為用戶的期望跟自己是一致的，並且還總打著 “為用戶服務”的旗號。這樣的後果往往是：精心設計了營銷活動，用戶並不買賬，甚至覺得很糟糕……
而用戶畫像能夠為企業提供基礎畫像表，展示用戶的喜好、爽點、文化、消費觀、價值觀以及生活方式等，幫助營銷人員快速找到精準用戶人群，從而實現企業與用戶之間點對點的營銷。
2.提高運營效率
用戶畫像可以理解為業務層面的數據倉庫，各類標籤是多維分析的天然要素，數據查詢平臺會和這些數據打通，共同輔助業務決策。
比如，用戶畫像與用戶行為分析相結合可以幫助企業找到更高質量的用戶人群，計算出諸如“喜歡某類東西的人有多少”、“處在25到30歲年齡段的女性用戶佔多少”等等。最終企業可以專門為這批用戶提供服務，實現運營效率的提升。
3.改善產品，優化用戶體驗
相比過去較為傳統的企業生產什麼就賣什麼，如今“用戶需要什麼企業就生產什麼”成為主流，於是許多企業把用戶真實的需求擺在了最重要的位置。
在用戶需求為導向的產品研發中，企業通過獲取到的大量目標用戶數據，進行分析、處理、組合。初步搭建用戶畫像，做出用戶喜好、功能需求統計，從而設計製造更加符合核心需要的新產品，為用戶提供更加良好的體驗和服務。
二、什麼是有效的用戶畫像？
用戶畫像的概念最早由交互設計之父Alan Cooper提出，是指真實用戶的虛擬代表，是建立在一系列屬性數據之上的目標用戶模型。
Personas are a concrete representation of target users.——Alan Cooper
隨著互聯網的發展，現在用戶畫像又包含了新的內涵——是根據用戶人口學特徵、網絡瀏覽內容、網絡社交活動和消費行為等信息而抽象出的一個標籤化的用戶模型。
它的核心工作主要是利用存儲在服務器上的海量日誌和數據庫裡的大量數據進行分析和挖掘，給用戶貼“標籤”，而“標籤”是能表示用戶某一維度特徵的標識，主要用於業務的運營和數據分析。
但用戶畫像包含的內容並不完全固定，根據行業和產品的不同所關注的特徵也有不同。對於大部分公司，可以從用戶特徵、業務場景和用戶行為三個方面構建一個標籤化的用戶模型。
三、企業該如何搭建一套有效的用戶畫像？
1.明確用戶畫像的目的
確認用戶畫像目的是非常基礎也是關鍵第一步，要了解構建用戶畫像期望達到什麼樣的運營或營銷效果，從而在標籤體系構建時對數據深度、廣度及時效性方面做出規劃，確保底層設計科學合理。
2.數據的收集與處理
在採集數據時，需要考慮多種維度，比如行業數據、全用戶總體數據、用戶屬性數據、用戶行為數據、用戶成長數據等等，並通過行業調研、用戶訪談、用戶信息填寫及問卷、平臺前臺後臺數據收集等方式獲得。
對於一般公司而言，更多是根據系統自身的需求和用戶的需要收集相關的數據。數據收集主要包括用戶行為數據、用戶偏好數據、用戶交易數據。以某跨境電商平臺為例，如圖所示，收集這些指標性的數據，方便對用戶進行有針對性、目的性的運營。
除此以外，就自身平臺採集到的數據，還可能存在非目標用戶、無效數據及虛假數據，因此企業還需要對數據進行清洗，之後我們可對收集的數據做分析，讓用戶信息形成標籤化。比如搭建用戶賬戶體系，可自建立數據倉庫，實現平臺數據共享，或打通用戶數據。
3.數據標籤化
在這一步企業將得到的數據映射到構建的標籤中，並將用戶的多種特徵組合到一起。標籤的選擇直接影響最終畫像的豐富度與準確度，因而數據標籤化時需要與產品自身的功能與特點相結合。
如電商類APP需要對價格敏感度相關標籤細化，而資訊類則需要儘可能多視角地用標籤去描述內容的特徵。
常見的標籤分成兩大類別：相對靜止的用戶標籤以及變化中的用戶標籤。相對應的，由靜態標籤搭建形成的畫像就是2D用戶畫像；由靜態標籤+動態標籤構建出來的即是3D用戶畫像。
還得一提的是，儲存用戶行為數據時最好同時儲存下發生該行為的場景，以便更好地進行數據分析。
（1）靜態的用戶信息標籤以及2D用戶畫像
人口屬性標籤是用戶最基礎的信息要素，通常自成標籤，不需要企業過多建模，它構成用戶畫像的基本框架。人口屬性包括人的自然屬性和社會屬性特徵：姓名、性別、年齡、身高、體重、職業、地域、受教育程度、婚姻、星座、血型……自然屬性具有先天性，一經形成將一直保持著穩定不變的狀態，比如性別、地域、血型；社會屬性則是後天形成的，處於相對穩定的狀態，比如職業、婚姻。
心理現象包括心理和個性兩大類別，同樣具有先天性和後天性。對於企業來說，研究用戶的心理現象，特別是需求、動機、價值觀三大方面，可以窺探用戶註冊、使用、購買產品的深層動機；瞭解用戶對產品的功能、服務需求是什麼；認清目標用戶帶有怎樣的價值觀標籤，是一類什麼樣的群體。因為人口屬性和心理現象都帶有先天的性質，整體處於穩定狀態，共同組成用戶畫像最表面以及最內裡的信息素，由此形成穩定的2D用戶畫像。
（2）動態的用戶信息標籤以及3D用戶畫像
比如這裡我們主要討論的是用戶在網站內外進行的一系列操作行為。常見的行為包括：搜索、瀏覽、註冊、評論、點贊、收藏、打分、加入購物車、購買、使用優惠券......在不同的時間，不同的場景，這些行為不斷髮生著變化，它們都屬於動態的信息。
企業通過捕捉用戶的行為數據（瀏覽次數、是否進行深度評論），可以對用戶進行深淺度歸類，區分活躍/不活躍用戶。社交網絡行為，是指發生在虛擬的社交軟件平臺（微博、微信、論壇、社群、貼吧、twitter、Instagram）上面一系列用戶行為，包括基本的訪問行為（搜索、註冊、登陸等）、社交行為（邀請/添加/取關好友、加入群、新建群等）、信息發佈行為（添加、發佈、刪除、留言、分享、收藏等）。
給用戶打上不同的行為標籤，可以獲取到大量的網絡行為數據、網站行為數據、用戶內容偏好數據、用戶交易數據。這些數據進一步填充了用戶信息，與靜態的標籤一起構成完整的立體用戶畫像，就是所說的3D用戶畫像。
4.繪製用戶畫像
（1）定性與定量相結合的研究方法
一般來說，定性的方法，在用戶畫像中，表現為對產品、行為、用戶個體的性質和特徵作出概括，形成對應的產品標籤、行為標籤、用戶標籤。定量的方法，則是在定性的基礎上，給每一個標籤打上特定的權重，最後通過數學公式計算得出總的標籤權重，從而形成完整的用戶模型。
（2）數據建模——給標籤加上權重
給用戶的行為標籤賦予權重。用戶的行為，我們可以用4W表示：WHO（誰）；WHEN（什麼時候）；WHERE（在哪裡）；WHAT（做了什麼），具體分析如下：
①WHO(誰)：定義用戶，明確我們的研究對象。主要是用於做用戶分類，劃分用戶群體。網絡上的用戶識別，包括但不僅限於用戶註冊的ID、暱稱、手機號、郵箱、身份證、微信微博號等等；
②WHEN(時間)：這裡的時間包含了時間跨度和時間長度兩個方面。“時間跨度”是以天為單位計算的時長，指某行為發生到現在間隔了多長時間；“時間長度”則為了標識用戶在某一頁面的停留時間長短。越早發生的行為標籤權重越小，越近期權重越大，這就是所謂的“時間衰減因子”；
③WHERE(在哪裡)：就是指用戶發生行為的接觸點，裡面包含有內容+網址。內容是指用戶作用於的對象標籤，比如小米手機；網址則指用戶行為發生的具體地點，比如小米官方網站。權重是加在網址標籤上的，比如買小米手機，在小米官網買權重計為1，在京東買計為0.8，在淘寶買計為0.7；
④WHAT(做了什麼)：就是指的用戶發生了怎樣的行為，根據行為的深入程度添加權重。比如，用戶購買了權重計為1，用戶收藏了計為0.85，用戶僅僅是瀏覽了計為0.7。
當上面的單個標籤權重確定下來後，就可以利用標籤權重公式計算總的用戶標籤權重：標籤權重=時間衰減因子×行為權重×網址權重。舉個栗子：A用戶今天在小米官網購買了小米手機；B用戶七天前在京東瀏覽了小米手機。由此得出單個用戶的標籤權重，打上“是否忠誠”的標籤。
通過這種方式對多個用戶進行數據建模，就能夠更廣的覆蓋目標用戶群，為他們都打上標籤，然後按照標籤分類：總權重達到0.9以上的被歸為忠實用戶，他們都購買了該產品......這樣一來，企業和商家就能夠根據相關信息進行更加精準的營銷推廣、個性化推薦。
四、小結
用戶畫像發展至今，可用性已經得到了一步步的提升。完全可以滿足企業想要再後疫情時代順利度過危機的需求。而且現在的很多傳統行業並不缺數據，差的只是用戶畫像這一層窗戶紙——現有的經銷商、供應鏈的數據與用戶層面相隔太遠，無法做到精確、快速、高效的獲取用戶需求，瞭解用戶意願，甚至洞悉用戶願望的目的。
閱讀更多 運營增長 的文章
