三步构建用户画像

一、什么是用户画像?

男,29岁,未婚,互联网从业者,吃货,旅游爱好者!

这一串描述就是一个用户画像的案例。一句话描述就是:将用户信息标签化。如下图:

图片来自百度

什么是标签

标签是用户特征中某个表现,或者说是用户的某个特征表示。通过将用户的特征定义成碎片化的标签,再将所有用户的标签进行整理后,即可已说单个标签就代表了一类人群,也可以通过对多个标签的整理来定义某一类人群。

二、如何构造用户画像

为什么要构建用户画像?

1、系统的梳理用户群体,尽可能的找到精准目标用户,让产品的服务对象更聚焦。

2、为产品成型和优化,提供方向,防止产品和技术自嗨

3、便于后期的数据挖掘,了解目标用户潜在需求

4、便于对不同类型的用户,采用精细化运营

如何构建用户画像?

不同的平台和产品,其用户画像也不相同,但构建的思路确实一样的,可以通过下面的三个阶段来构建用户画像。

1、数据收集并分析

构建用户画像是为了将用户信息还原,构建一个用户数据模型。因此这些数据是基于真实的用户数据。

用户数据可以分为几类:用户基本属性、用户行为数据、用户的接触点、用户商业属性等。通过对用户数据的分类,可以将其归为两类:静态信息数据和动态信息数据

用户信息数据

其中静态信息是用户相对稳定的数据信息,这类信息,只要真实,建模时无需过多考虑,更多是后期的数据清洗工作。

动态数据则是不断变化的信息,也更有利于构建和完善用户画像。

2、行为规模

通过数据的收集与分析,为每个用户打上标签以及对应标签的权重。举例来说,我去看“火锅英雄”是因为网友好评 4分,陈坤 3分,白百合 2分 宣传 1分

标签:表现了用户特征,即用户对此内容的兴趣、偏好和需求等

权重:表征了指数,用户的兴趣、偏好指数,也可能表征用户的需求度,可以简单的理解为可信度,概率。

同时对用户的动态行为数据分析,也可以将用户行为定义为在什么用户在什么时间、什么地点发生了什么事情。

什么用户:是指用户的标示,比如用户的ID、微博、微信、cookie等等

用户标识

什么时间:用户在平台中停留时间或两个操作之间的间隔时间。该时间精确到秒即可

什么地点:用户接触点,包含网址/模块或者内容

什么事情:用户在平台中做了什么。以电商网站举例,即:浏览、添加购物车、搜索、评论、购买、点击赞、收藏 等等。

以上针对每个点来综合计算权重,从而将用户画像标签数据化。

3、构建用户画像

通过前两步将用户特征标签化,并给每个标签设定权重值后,还要用户的静态信息数据大致的标签化,并赋予权重。当然用户的信息是不断在变化的,因此其对应数据也需要不断的修正。

当一切数据标签化并赋予权重后,即可根据构建用户画像的目的来搭建用户画像模型了。综合上述所说的,用户画像的数据模型可以概况为:用户标识 + 时间 + 行为类型 + 接触点(网址+内容),即某用户在某个时间在某个地点做了某件事情,因此给这个用户设定一个标签。随着时间的变化,这个标签的权重也会发生变化,给这个变化加上一个时间变量,因此这个标签的权重可以用下面这个公式来表示:

标签权重=时间变量*行为类型权重*接触点权重

举例来说,新版小米手机5.20开售,用户A,4月8日登陆小米官网预购页面,开启了抢购提醒。

标签:米粉

时间:4月8日

行为:开启抢购提醒  权重记为1

接触点:小米官网预售页面  权重记为 1.2

时间变量:显然,随着手机开售日期的到来,该用户的急切心也就越强,因此此次的时间变量可以定义为1.2(此处时间变量的大小值可以根据随着时间变化对该用户行为的影响来定义)

即该用户画像中米粉标签权重为 1*1.2*1.2=1.44

此处中的权重参考值仅用于举例和说明,具体的模型和权重值需要根据业务目标来定。

三、总结

用户运营越来越趋向精细化运营和个性化运营,而这离不开大数据的支持。而用户画像模型的搭建,恰恰是为了收集并整理用户数据,为运营个性化运营提供数据支持。

以上的内容,仅是我对用户画像的整理和理解,不足之处还望不吝指教。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343

推荐阅读更多精彩内容