用戶畫像分析與場景應用

• 2021 年 1 月 14 日
• 筆記
• 數據分析, 資料庫.存儲.管理, 數據洞察

一、用戶畫像

1、概念描述

用戶畫像，作為一種勾畫目標用戶、聯繫用戶訴求與設計方向的有效工具，用戶畫像在各領域得到了廣泛的應用。用戶畫像最初是在電商領域得到應用的，尤其在數字化營銷範疇之內，核心的依賴依據就是描述用戶畫像的豐富標籤。

在大數據時代背景下，用戶資訊充斥在網路中，將用戶的每個具體資訊抽象成標籤，基於標籤運用用戶畫像的方式了解用戶，利用這些標籤將用戶形象具體化，從而為用戶提供有針對性的服務。例如上述基於最簡單的用戶數據可以分析出來的用戶畫像資訊。

2、組成結構

用戶畫像的最核心工作是基於數據採集為用戶貼上標籤，隨著標籤的不斷豐富用戶的畫像也會越來越清晰，最終達到了解甚至理解用戶的能力。

在實際的用戶畫像體系中，對於標籤的分類分級遠遠不止這麼簡單，更加的細緻和精確：

• 基礎屬性：性別，年齡，消費能力，職業等；
• 行為屬性：活躍度，瀏覽，點擊查看，不感興趣；
• 現實場景：經常進入的商圈，電影院，景區等；
• 興趣描述：購物，影視，音樂，遊戲，讀書等
• 訂製化：通過機器分析，基於某些標籤組合判定；

通過用戶產生的多種場景數據，去分析或者推測用戶的並資訊標籤化，可視化的描述出來，通過用戶畫像，產品能自動化的深入理解用戶並服務用戶，例如很多資訊流的應用，會根據用戶的閱讀內容自動判斷推送用戶可能喜歡的內容。

3、畫像的價值

在用戶量大業務複雜的公司，都會花很高的成本構建用戶畫像體系，在各個業務線上採集數據做分析，不斷深入的了解用戶才能提供更加精準的服務和多樣化的運營策略。

用戶引流

通過現有用戶的畫像分析，在相關DMP廣告平台做投放，重點推薦其平台上具有相關類似標籤的用戶，為產品做用戶引流，這裡也是相似用戶快速擴量的概念類似。

新用戶冷啟動

快速分析新註冊用戶可能偏向的屬性和興趣偏好，實現服務快速精準推薦，例如用戶註冊地所在區域，可以通過該區域用戶的通用標籤推測該新用戶的特徵。

精準或個性化服務

這裡就是根據豐富的用戶畫像分析，理解用戶並提供精準服務或個性化服務。提供好的服務自然能做到用戶的深度沉澱。

多場景識別

這裡場景相對偏複雜，通過一個案例描述，例如在某個平台用手機號A註冊，之後該手機號A丟失，換用手機號B之後，通過相關行為去理解用戶是否手機號A的用戶，也可以根據同個手機序列識別不同用戶或者多個手機序列識別相同用戶。

沉默用戶喚醒

基於精細化的標籤和多個場景數據，對用戶的沉默程度做快速識別，基於畫像分析制定運營策略進行激活召回減少用戶流失。

二、人群分析

每次開發用戶群分析的案例，腦海都能響起一段話：獨生子女，傲嬌，溫室花朵，冷漠自私，精緻利己，想法清奇，個性張揚，缺乏團隊意識，非主流，垮掉。之前幾年這是很多長輩或者社會對90這代人貼的標籤，也有很多是90自我嘲諷的標籤，作為90後的一員我對這份畫像還是挺滿意的…

上述就是典型的人群畫像分析的非典型案例，實際上最近幾年對90人群分析報告已經非常多而且準確，很多數據公司都會從：社會屬性、消費能力、遊戲愛好、寵物、網路應用等多個熱門領域做深度分析。分析人群畫像可以在商業應用中產生非常高的價值。

三、深度應用

1、商圈分析

首先基於商圈區域圈用戶群，這裡很好理解用戶在某個商圈內產生數據，依次獲取用戶相關標籤做該商圈內用戶畫像分析。

其次分析商圈本身服務，例如美食領域人流、娛樂領域人流、購物領域人流等，對比不同商圈為商業圈的運營提供策略。

通過綜合商圈分析獲取的畫像，對商圈的構成、特點和影響商圈規模變化的各種因素進行綜合性的研究，即服務於企業合理選擇店址，也服務商圈精準引入豐富的品牌店鋪。

2、行業分析

行業分析畫像是非常複雜的一種報告，通常會考量：用戶體量、人群特徵、技術、營收規模、競爭力、競爭格局、行業政策、市場飽和度等多個要素。不同的角度看行業分析也是不同的概念，例如從行業產品角度看：基於行業分析判斷是否要做、如何做、如何做好、明確產品方向和運營策略等問題；從投行領域看則判斷新產品是否值得投資有沒有穩定高回報，風險控制等。

通過多個場景下數據構建用戶畫像，在應用到產品的眾多業務場景，進行商業化運營和管理，產生更高的價值。

四、源程式碼地址

GitHub·地址
//github.com/cicadasmile
GitEE·地址
//gitee.com/cicadasmile

數據洞察業務系列

推薦閱讀：編程體系整理