用户画像怎么做才能更有业务价值?

1 评论 1.2万 浏览 52 收藏 9 分钟

编辑导语:用户画像,是基于用户在互联网上留下的种种行为数据,将这些数据主动或被动的收集后,通过数据加工分析,产生的一个个标签。用好用户画像,能够快速找到目标用户,利于产品设计。本文作者从用户画像的概念出发,对用户画像怎么做才能更有价值这个问题进行了分析解答,一起来看看~

这次想跟大家分享这个主题是基于以下2个原因:

  1. 大家都在说用户画像,于是很多领导也开始要求做用户画像,但做用户画像到底为了解决什么问题并不清楚;
  2. 搜索用户画像相关内容时大家都在讲概念、怎么操作,并没有结合实践去讲为什么要这么做。

希望这次分享让有需要的小伙伴们不仅知道用户画像的概念,还能清晰为什么要做用户画像,并能基于实际的案例去做相关分析

一、用户画像到底是什么?为什么要做用户画像?

我大学刚毕业时,初到一家互联网公司做数据运营,某天领导突然给我一个任务:做一个APP用户画像报告。当时我有点懵,一是我以前确实没接触过用户画像,概念不太清楚;二是接到领导的任务后我只知道要做一个用户画像,至于这个用户画像到底用来做什么我并不清楚。

在这个情况下,我查阅各种资料,问同学、问朋友,还找了一些高大上作图工具,最后总算是完成了任务,得到了公司认可。但用户画像报告到底给公司带来了什么价值、给运营决策起到了什么作用并不清楚,这其实就是典型的为了做而做。

1. 用户画像到底是什么?

百度词条描述的用户画像是虚拟的用户模型,基于个人运营经验及搜索相关资料,一般我们提到用户画像时通常包括两个层面:

其一是虚拟的用户群体画像:是基于目标用户群体特征提炼的,包括基础属性、行为偏好、消费习惯等,基于不同需求提炼不同属性。一般使用场景包括产品设计、活动内容策划、品牌宣导(流量置换)等,如拼多多的用户画像。

其二是真实的用户个人数据画像:是用户个人信息的标签化,同样包括基础属性、行为偏好、消费特征等。一般使用场景为用户精准运营,如基于用户标签系统做千人千面的内容推荐。因此我们搜索用户画像时,很多文章都在说如何做用户标签系统。

2. 为什么要做用户画像?

基于前面提到两类用户画像的一般使用场景,规整提炼了用户画像报告的三个主要目的:

1)品牌宣导:用于对外发布报告,让行业了解你的产品,便于合作(比如广告投放、流量置换等)。对于这类目的的用户画像,不需要太细,基本上是一些用户基本属性的统计,比如用户性别、年龄、地区、教育水平、收入水平等,因对外发布需要,这类画像应该做的高大上,整体来说做的思路比较简单。

2)产品设计、运营决策提供依据:与前一个目的不同,前者相对大而粗,而决策依据的用户画像不一定覆盖全面,但一定是具体的。对于这类目的的画像,在画像前一定要弄清楚,我们需要解决的问题是什么,且该问题一定是可以被驱动和衡量的。该类目的的画像分析相对复杂,因业务目标的不同分析方法也会不同,但背后的逻辑思路是相通的(本文重点拆解)。

3)用户精准运营:这是目前一个大的趋势,涉及的内容也比较多,包括标签系统、用户分群系统、内容推荐系统,光看到这几个系统就已经觉得很复杂了,确实也很复杂。

二、用户画像怎么做才能更有价值?

之前负责的一个产品,初期都是免费服务,包括工具服务和内容服务,随着产品成熟引入付费知识服务模块,于是我们进行了一次用户画像分析,以此实战作为案例从以下四个步骤拆解:

1. 明确业务目标

2. 提取数据

数据提取的关键是:

基于我们目标梳理清楚我们需要哪些数据,然后针对性的捞取数据:

3. 数据分析、提出策略

这一步需要一定的数据分析能力,所以很多时候数据分析都会由专门的数据运营人员来完成。在这里多说几句废话(肺腑之言):作为运营人员,建议人人都会一些数据分析,最起码excel工具应该熟练掌握,且一般情况excel可以解决90%以上的运营数据分析问题,我自己一般会在数据量太大时才会用到R语言或python。

1)数据处理与分析:像上面捞取的数据,只要我们思路清晰了,其实大部分都可以用excel做统计就可以完成,但内容分析(分词)、路径分析稍微复杂一点,这里作为用户画像思路的拆解就不对两块内容展开赘述了,如有可能后期我再单独整理这块内容。

(宝宝树内容分析)

2)报告输出:结论先行+数据支持。用户画像需要输出一份可视化的报告,因看报告的并不清楚数据分析思路,因此在报告呈现时一定要结论先行提高可读性,而不是单纯的摆数据。比如:晚上22-24点触达用户效果最佳(解决when的问题),下面再配上用户活跃时间段分布数据。

3)基于业务目标的策略输出:在输出报告的最后应该给出一套相对完整的策略方案总结。

4. 策略验证与优化

这里特别强调2点:

  1. 可衡量:就是在方案落地前我们要先想好通过什么指标来衡量我们的策略,包括目标(如活跃用户付费率)、观察指标(漏斗转化、留存分析、不同用户付费对比分析等);
  2. 可调整:我们很难确保最开始的策略就一定有效的,需要小步快步不断地基于指标调整,在方案落地前就需要想好有哪些可能的调整方向。

经过这四步的拆解,不仅有了一份完整的画像分析报告,还能跟进其在业务目标上的价值,当然需要实践操作才能慢慢熟悉。

到这里这次分享就结束了,下回见~

 

本文由 @运营小羊 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自pexels,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 很棒,学习了!

    回复