用户分群画像:抽样“猜想”让位于大数据“观察”

起点学院产品经理365成长计划,2天线下闭门集训+1年在线学习,全面掌握BAT产品经理体系。了解详情

小白叨一叨:虽然每个用户都会在互联网上投射出一个“我”,但遗憾的是,长久以来对于互联网用户的认知,仍靠的是“猜”。其实互联网用户真实的内心完全呈现在网络上,通过有效的方式可以观察出来。这意味着只要足够多、足够长的用户数据,就可以将那个面目模糊而内心真实的“我”勾勒出来。

u=888316810,588310368&fm=23&gp=0

虚拟与真实是互联网的一体两面。一方面,我们会自觉不自觉地掩饰自己,采用网名也好,对性别、年龄、职业、收入等等守口如瓶也好,都在下意识地让自己不为别人知晓。另一方面,我们的行为——浏览网页、观看视频、微博关注、搜索关键词,又将我们真实关注的兴趣点一一做了最详尽的展现。当两者结合,就是在互联网上面目虽然模糊,内心最接近真实“我”的投影。

可以“看到”何必再去“猜想”

虽然每个用户都会在互联网上投射出一个“我”,但遗憾的是,长久以来对于互联网用户的认知,仍靠的是“猜”。传统的媒体无论是综合性的还是垂直的,无论是基于PC的或者基于其他终端的,或是更传统的纸媒、屏媒、电视媒体,在定义媒体价值的时候,通常以传统受众人口学特征来做定义。以电视为例,统计收视率时,是通过每个城市的几千个样本户进行抽样调查去推及全国的收视率,并以此作为下一步推广、营销的基础。这样的抽样方式只能获取小部分用户的信息及行为,绝大多数用户是被这小部分用户“代表”了。即使这样,调查到的结果也往往是片面的,只能对用户进行粗线条、片段式描述,如年龄、性别、收入等,然后以此对偏好和消费意愿进行倒推。当用户在不同的时间、地点,状态下的实时特征、需求发生改变时,就无法跟进了。

但正如前文所言,互联网用户真实的内心其实完全呈现在网络上,通过有效的方式可以观察出来。互联网与传统媒体不同,能够对用户行为进行实时的、全流量的监测,这意味着只要足够多、足够长的用户数据,就可以将那个面目模糊而内心真实的“我”勾勒出来。第三方数据机构目前已推出网站用户分群画像解决方案。这一方案依托的DDMP平台平均每天跨网采集2亿网民、30亿条网民行为数据,为每个用户从人口属性、兴趣、产品行为等打上多维度的标签,再对不同维度的标签进行筛选、聚类,进行族群划分、标签描述、定性描述。

这样的应用,将让互联网媒体及相关的网络营销产业改变以往费劲心力“猜”用户的方式,而去“看”用户,并进一步研究用户、投其所好。

精准营销基于了解用户 

无论媒体提供资讯也好,企业提供产品、服务也好,所面对的主体都是用户,“用户导向”的口号也早已尽人皆知,但在无法对用户及需求识别进行细分、了解消费的偏好和意愿的时候,这样的口号也就只能是口号。

用户分群画像对于网络营销环境最大的改变,在于打破数据孤岛并真实了解用户。在只掌握一家数据的情况下,用户行为的偏差不可避免——现在的网络环境下,谁会只在一家网站、平台上完成所有活动?而在跨网数据的支持下,网站不仅知道用户在这里爱看什么,还知道用户在网站之外的行为、偏好、特征,从而全面了解消费者的购买行为、态度、生活形态和媒体接触习惯。如果说传统调研方法是找个体之间的共性,那么用户分群画像就是找到目标用户消费者的个体差异和偏好,而且这个差异好偏好还是实时的、动态的。

在了解真实用户的基础上,网络营销就可以实现在恰当的时间、恰当的渠道,恰当的形式传递给恰当的人。用户分群画像系统中的TGI(Target Group Index,目标群体指数),可以清晰反映目标群体在特定研究范围内的强弱态势,标示出媒体甚至广告位的商业价值所在,使媒体与广告主进行最适当的匹配。而通过对目标群体年龄、性别、地域、兴趣等的条件设定,还可以更精准预定目标人群、对媒体进行筛选。比如,某红酒类广告主进行广告投放,根据其原有数据认为爱喝红酒的是时尚类人士,因此选择了时尚网站进行广告投放。但是采用数据分析后发现,其爱买红酒的用户最爱看的是军事新闻,当广告投放由时尚网站转向军事网站后,用户转化率提升了17倍。

用户分群画像也可以更好地支持原生广告生产,实现精细化的“集体关注”营销。所谓“集体关注”营销不应只去迎合热点,而是要通过全网数据去精准预测、获取目标人群的关注点,在第一时间发现目标用户的集体关注点,将其与自身产品和服务进行有机拼接,从而使广告内容、形式更能为目标用户接受,让“关注”更顺畅地向消费转化。

如果说,以往的营销是从产品出发,去猜测受众在哪里并去那里等待“偶遇”。那么在大数据时代,用户的感受与偏好不用再去“猜”,而可以去“看”,然后提前抵达适当的地点、适当的时间,主动说一声“你要的就在这里”。

本文作者:@樊永梅;转载自:缔元信.网络数据 

您的赞赏,是对我创作的最大鼓励。

评论( 0

登录后参与评论
加载中