简易版用户画像,你需要掌握这3个数据处理方法

15天0基础极速入门数据分析,掌握一套数据分析流程和方法,学完就能写一份数据报告!了解一下>>

衡量用户价值主要有两大维度:忠诚度和消费能力。本文从这两方面进行了简易的用户画像,以此做出用户分析,并告诉大家具体的数据处理方法。

一、背景

某电商,已上线并稳定运营了一段时间,积累了一些用户数据。产品及运营想要了解平台用户的价值类型,以便针对性的采取不同运营策略。(以下方法同样适用于广告、SNS等领域,或用以确认内容价值)

二、目的

确认用户价值类型,对不同用户,针对性地采取不同运营策略,更深入的挖掘用户价值。

三、分析思路

电商平台,衡量用户的价值主要有两大维度:

  • 忠诚度(包括最近购买时间、购买频率、购买产品种类等);
  • 消费能力(平均每笔消费额、单次最高消费额等);

要知道这个用户是怎样的用户,就是要知道这个用户在这两个维度上的表现如何。所以我们给用户这两项数据分别打分,放到忠诚度和消费能力的坐标轴中,并分别以两项的均值(可做其他定义)为界,划分出4个象限。

  1. 第1象限是忠诚度较高、消费能力也高的最有价值用户:可进行差异化服务,进行专门重点维护;
  2. 第2象限是消费能力较高、但忠诚度较低的高价值用户:可为其提供高价值消费品,定制的高价值消费服务。可以的话,用更好的体验来试图提升其忠诚度,使其跃升为第1象限用户;
  3. 第3象限是忠诚度和消费能力都不算高的普通价值用户:可给用户提供感觉质量好、价格低的商品;
  4. 第4象限是消费能力不高、但很忠诚的传播价值用户:可采取低价促销的策略,其次运营可利用该类用户的特点,为平台提供传播增长价值。

以上,也可不拘泥于4个象限,划分出更多区域来进行更细化的运营。

四、具体数据处理

1. 获取数据

获取数据因素(并不全面,仅以此为例):

用户忠诚度数据:

确认用户价值的思路及方法,助你精准营销

用户消费能力数据:

确认用户价值的思路及方法,助你精准营销

2. 给用户的各项数据评分

确认用户价值的思路及方法,助你精准营销

用户数据多种多样,数值及跨度、单位可能大不相同。要怎么处理,使各项相加后不致于偏向某些数据呢?这里我们可以使用数据标准化方法来处理这些数据。

“数据标准化”:在数据分析中,经常用到数据标准化。数据标准化指的是将数据按比例缩放,使之落入一个小的特定区间。去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标进行比较和加权。

有两种非常重要的数据标准化方法:归一化和标准化

这里我们使用归一化方法。

归一化:通过对原始数据进行线性变换把数据映射到【0,1】之间,变换函数为:

确认用户价值的思路及方法,助你精准营销

其中max为样本数据的最大值,min为样本数据的最小值。

以购买频率为例,min=1,max=13,用户A的购买频率标准化=(3-1)/(13-1)≈0.2。

最近购买时间较为特殊,因为时间越短,忠诚度越高,所以要把计算公式改为(max-x)/(min-max)。

标准化公式算出的数据在【0,1】之间,将数据×10,即得到10分制评分。

确认用户价值的思路及方法,助你精准营销

同理可得到用户消费能力评分:

确认用户价值的思路及方法,助你精准营销

3. 评分加权

第1步我们已经得到了两个维度的各个因素的评分,可以加和算出两个维度的评分了。

但是,这些因素的重要性可能有所不同,为了得到更符合预期的数据,我们可以给这些因素加权。

那各项数据的权重如何确定呢?这里介绍一种矩阵分析法。

以忠诚度为例,有3个因素,我们确定权重的步骤如下:

  1. 简化为1/0式逻辑思维
  2. 专家投票表决,横行比纵列重要时填“1”,反之填“0”
  3. 将每行数字相加

确认用户价值的思路及方法,助你精准营销

因为合计中可能存在数值为0的情况,为了便于计算,可以人为将合计中每一项数值+1。

某因素权重=(某因素新的重要性合计得分/所有因素新的重要性合计得分)×100%。

例如:购买频率的权重=(3/6)×100%=50%。

确认用户价值的思路及方法,助你精准营销

有了各因素的评分和权重,即可得到各用户的忠诚度加权评分。

忠诚度加权评分=最近购买时间评分×17%+购买频率评分×50%+购买产品种类评分×33%。

确认用户价值的思路及方法,助你精准营销

同理可得到消费能力的加权评分,过程不再赘述。(若想得到用户忠诚度和消费能力的综合分数,也可先得到两者的权重,再加和,方法同上)

4. 数据可视化

上面我们已经得到了用户的忠诚度加权评分和消费能力加权评分,现在只需将数据放入横坐标为忠诚度、纵坐标为消费能力的坐标轴,并以均值或其他条件划分象限,即可得到我们想要的用户价值分类了。

五、扩展

以上忠诚度只列举了部分购买因素(最近购买时间、购买频率、购买产品种类),还有浏览因素(访问间隔、访问频率、平均停留时长、平均浏览页面数)等等,其中这两类因素也可做出一套象限图,从浏览数据和购买数据来区分用户类别:

确认用户价值的思路及方法,助你精准营销

也可以结合多维数据,来得到更立体的用户画像,帮助我们更好的进行精准运营,更深入的挖掘用户价值。

以上为《产品心经》部分章节的阅读后总结及思考,感谢闫荣大大。

 

本文由 @脱糖 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
5人打赏
评论
欢迎留言讨论~!
  1. 标准化那里不太懂,可以解释下吗,为什么是用这种公式就可以标准化?

    回复
  2. 归一法看懂了,矩阵分析法看不懂,能不能加以说明下

    回复
    1. 确认权重,就是确认每一项因素在所有影响因素里的重要性。那我们把每一项因素与其他因素做比较,如果这一项比其他的因素重要,就记1分(这个打分可以找一些研究这个领域的专家来评判)。比如有A、B、C、D 4个影响因素,A与B比较,A重要,就给A记1分,A与C比较,C重要,给A记0分,A与D比较,A重要,给A记1分;再比较B,B与C比较,C重要,给B记0分,以此类推,把所有因素比较一遍。然后把A、B、C、D的得分 分别统计下,因为可能有0分的因素(既然这个因素已经被列在影响因素里,它虽然没有其他因素重要,但也是需要有一定权重,只是权重较小而已),所以给每个因素的得分+1,就得到每个因素的最终得分。那计算每一项因素的权重,就是计算这项因素的得分占总比,比如 A的权重=A的最终得分/A+B+C+D的最终总得分*100%

      回复
    2. 有点感觉了,看来归一法才是常规方法,矩阵法测算权重有点像运营提需求把采集数据源筛选分析一样,因为运营会告诉你他要什么数据,这个数据里面哪些要素重要哪些不重要,不知道理解的对不

      回复
  3. 评分加权中的确定权重步骤没有看懂~主要是表格,看得很迷。能具体解释一下吗?

    回复
    1. 确认权重,就是确认每一项因素在所有影响因素里的重要性。那我们把每一项因素与其他因素做比较,如果这一项比其他的因素重要,就记1分(这个打分可以找一些研究这个领域的专家来评判)。比如有A、B、C、D 4个影响因素,A与B比较,A重要,就给A记1分,A与C比较,C重要,给A记0分,A与D比较,A重要,给A记1分;再比较B,B与C比较,C重要,给B记0分,以此类推,把所有因素比较一遍。然后把A、B、C、D的得分 分别统计下,因为可能有0分的因素(既然这个因素已经被列在影响因素里,它虽然没有其他因素重要,但也是需要有一定权重,只是权重较小而已),所以给每个因素的得分+1,就得到每个因素的最终得分。那计算每一项因素的权重,就是计算这项因素的得分占总比,比如 A的权重=A的最终得分/A+B+C+D的最终总得分 *100%

      回复