用户画像如何构建?本文对此进行了分析,来看看这篇文章了解一下吧。
相信你很难想象,在一个运营了10年+的业务中,我是第一个建立用户画像体系的人。我所定义的用户画像,是从用户分组得出的。
根据前面章节数据分析维度,对用户数据做切片,得出与财务效率强相关的维度,且便于所有团队理解用户是谁(因此称为画像),且每个画像下可以提出什么增长策略应该是显而易见的。
一、我为什么不会采用动态维度
我不太理解,之前的负责人,为何按照用户行为分组,例如下单,且纳入BI体系中。由于没有其他分组方式,实际也就只有这一种运营方式。
过程结果,则是按前置关键行为来分。例如是否安装,是否注册,是否加购等。
一般特征有10个+,分别看效率的分布(参考前面章节)的波动性(可以暂定用标准方差)。例如设备型号,性别,年龄,甚至APP版本。
找到比较显著的几个,例如类目偏好,城市。这两个特征都是很容易做出差异化策略的,喜欢女装的和喜欢汽配的,明显不是一类人嘛。住在北京和上海的,对内容/产品的偏好差异也很大,因为交集的部分可能甚至小于10%。
关键是经过多个时间段抽查核验,这个规律是稳定的。例如你按照12个月份,分别得出结论,确实是有一致性的。且城市级别的行为规律性极为明显,物流的一致性可以达到90%概率。
那么现在就有两个主干的维度了。我最终选择了以类目偏好作为第一维度,因为它在波动性上,更明显一些,且更容易理解。
所以在项目启动测试阶段,我只用了两个小的类目:宠物用品和户外用品。尝试去推断这两类用户的跨类目需求。效果是非常炸裂的。随后紧急纳入了美妆和服装行业。
也是在这个时候,我开始做更深入的分析和线下的观察。有两组数据对我产生了极大的启发:
当然还有很多其他数据,无法一一列举了。
我希望用一个逻辑串通所有事实,所以提出了“人类不可逆生命轨迹”的概念。就是性别+婚恋状态+孩子的状态。
也是把商场运营逻辑延续在互联网业务里。就是一个虚拟商场(如果非电商换一个词即可),每一层都是为不同画像准备的。
我听到太多人讲“人货场”,没有一个能真正落地的。就是因为他们连用户画像都没搞清楚。有的采用engagement频次做画像(电商就是order,游戏就是充值、观看广告次数等),有的还在研究“小镇青年”。
本文由 @达太 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Unsplash,基于CC0协议
该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务
上一篇:大病保险如何报销?官方详解来了
下一篇:美媒:“拜登经济学”为何不管用