如何更好地发挥用户画像的价值?


发挥用户画像的价值,不仅在于要深入理解用户画像,更重要的是团队成员能够从业务层面出发,结合业务场景和实际需求,以用户画像为基础去驱动业务发展,解决实际问题。

如何更好地发挥用户画像的价值?

用户画像这个词在大数据行业变得越来越受关注。目前来看,主要应用于产品典型用户的分析与研究、业务方APP精细化运营、商业化广告精准投放、数据变现等方面。在公司业务的发展中,如何更好的发挥产品用户画像的价值?文本将带着这个疑问与您共同探讨。

在笔者实际的工作中,对用户画像工作的理解更多的是从数据产品经理的角度出发:

产品研发团队主要需要在业务体系梳理、数据埋点接入、标签维度设计、业务对接推广等多方面进行发力,而工程研发团队主要是通过标签数据挖掘、平台建设等方面提供支持。

一、对用户画像的理解

关于用户画像,通常有两类定义:User Persona 和User Profile

  • User Persona:是从用户群体中抽象出来的典型用户。例如,通过用户调研的形式了解用户的基础特征信息,区别不同用户之间的共性与差异点,构建产品典型用户形象。
  • User Profile:是根据用户在某个具体产品中的行为数据,产出描述用户行为特征的事件或信息,抽象出一个标签化的用户模型。例如,通过构建画像体系,了解用户的性别年龄、浏览内容、社交活动、兴趣爱好、消费行为等。

二、用户画像的构建

理解产品用户画像,最直接的方式便是将画像信息标签化。信息标签化是用户画像系统用信息化手段刻画用户全貌的手段,也是用户画像系统中最核心的环节之一。我们通过构建丰富的标签纬度,获取相关的标签数据,应用于实际业务的分析过程。

1. 构建画像标签体系的主要目的

  • 标签体系化:刻画和洞察用户群体的倾向、兴趣和需求的维度
  • 业务场景化:信息标准化处理,容易跟实际应用场景接轨,落地到具体的业务目标

2. 构建画像标签体系的主要方式

方式一:结构体系化构建(常用)。通过划分标签类别和维度,从刻画用户的完整维度出发构建维度体系。这样的划分方式结构清晰、逻辑性强,能够比较全面的梳理出所有的信息维度,但受限于实际数据,落地较困难。

方式二:场景效果化构建。结合人群定向的实际需求,通过用户在不同行业领域或信息载体上进行决策的关键因素,对客户用户的心理需求和倾向性进行描述。这种方式目的性强,人群定向也较为精准,跟实际数据结合较好,但标签会跟随消费趋势、娱乐热点等的变化波动。

3. 画像标签维度的设计思路

标签维度设计上不仅需要清晰直观,还需要考虑多个场景化使用需求,同时兼顾多种产品运营需求及商业化投放需求。

标签设计上需要在了解业务方规划前提下,对标签的使用上有前瞻性的设计。

画像数据的来源一般有:用户调研、用户行为数据获取、客户端/服务端数据内容上报、第三方数据平台、基础数据及爬取第三方数据等。

ps:此处需要特别关注以下两个方面:

  1. 标签粒度。粒度过粗不利于运营使用推广,很容易脱离业务本身,对行为数据进行过度提炼造成信息丢失;而粒度过细则会导致标签覆盖率过低、耦合运营业务推广。
  2. 标签数据。标签数据的获取直接关系到实际使用价值,需要在可获取的数据范围内进行,扩宽数据源难度较大,通常需要优先进行数据可行性的统计。

4. 画像标签体系的基础框架

不同业务的画像标签体系并不相同,需要我们针对性的提炼出来。

有一种比较简易的方式是:我们可以先找出一些通用类画像标签,然后再根据实际场景和需求补充业务类画像标签。这样得到的标签体系会相对比较完整,也能够随业务变动及时调整优化。

通用类画像标签体系(参考):

如何更好地发挥用户画像的价值?

业务类画像标签体系(以美图公司部分业务线为例,参考):

通过用户画像信息标签化,能更好的根据实际需求去获取相关的用户画像数据。

我们作为业务方,不仅要理解用户画像标签的构建方式、思路及框架(如上所述),还要学会如何选择合适标签,有目的性的提炼关键标签,再结合具体业务目标进行分析。

因为产品用户画像的分析并不是要用到所有的标签数据,并且越是完整的标签体系,落地是越是困难。

但同时,更大的难度在于如何精准描述用户特征。因为只有用户特征描述越精准,我们得到的用户画像才会越清晰,在实际应用过程中的帮助越大。

本文暂不讨论用户标签的数据挖掘、算法模型、数据集成、存储方式等方面的内容。

三、用户画像的应用

用户画像的应用主要体现在以下几个方面:

1. 用户分析与研究(用户特征分析)

产品早期发展阶段,产品经理通常会采用用户调研和访谈的形式去了解用户——对产品的目标用户群有一个基础认知。当用户量不断增加时,则会辅以用户画像配合研究。

数据产品在实际的用户画像分析工作中,通常会从产品用户基础属性(用户是什么样的?)和用户行为属性(用户如何使用我们的产品?)两个层面展开。主要分析的数据指标有(参考):

如何更好地发挥用户画像的价值?

这是笔者当前阶段应用用户画像最多的领域,也是用户画像分析最基础的应用层面。实际去做可以从这个思路出发,提供有价值的画像分析报告。对于用户的分析与研究,核心思路是:

第一阶段:明确具体的业务目标

我们在用户画像的价值探索过程中,首先要明确具体的业务目标。

例如,我们对于一款摄影影像类的拍照软件(美图秀秀),大盘用户有什么样的特征?活跃用户有怎样的拍照行为和习惯?什么样的用户更喜欢人像美容/图片美化功能等等,想要了解用户,必然需要分析用户特征。

第二阶段:结合实际需求进行画像分析

用户画像的核心目标和价值是:提供较为丰富的标签维度和高质量的标签数据,进行业务分析。当我们明确要解决的问题后,就需要定位到具体的画像标签数据,梳理出用户画像分析所需要展开的维度,解决实际业务问题。

2. 精细化运营(消息推送、个性化推荐、精准搜索)

产品层面,对用户群体的分析研究是基础的应用。而在运营层面,用户画像更多的应用于精细化的运营手段。

从粗放式的运营到精细化的运营,将用户群体根据其特征划分成更细的粒度,通过运营手段,执行用户激励与用户回流等策略。如短信触达、消息推送(app push)、个性化内容推荐及精准的搜索推荐等。

精细化运营模式的关键点在于:根据用户特征,对具有不同特征的用户群体采用更加聚焦的运营服务模式,能够很大程度上提高各项指标的转化率。

例如:在笔者的实践经验中,结合用户画像的基本信息,消息推送(app push)策略曾尝试过场景化的推送模式,即根据用户画像收集到的地理位置信息(常驻地)和时间维度的交叉,进行针对性的推送,对我们点击率的提升带来了较大帮助。

此外,内容社交类的诸多产品,也会更多的应用用户画像进行个性化的内容推荐与内容搜索推荐,帮助用户更快更精准的推荐图片/视频。精细化运营已经成为公司运营的重要手段。

3. 画像服务平台(用户画像可视化后台)

如果每个阶段都需要我们抓取标签数据来进行分析,其实执行起来会比较麻烦。这时平台方与业务方之间就需要积极配合,将产品的画像数据打通(公司战略层面/项目层面),建立通用的信息交流平台,如:用户画像平台。

业务方可以随时在该系统中查询、检索相关的用户标签数据,以便于更加快捷地进行分析和决策。

作为平台方,一方面要进行基础功能的完善,另一方面也要做好业务方面的拓展,不断完善标签体系及平台应用能力。

4. 商业化广告投放

我们对用户画像的使用,其实很多是以数据产品为基础。多数互联网公司的商业模式都包含商业化化广告的运作,基于系列用户画像标签,为不同的用户推荐更相关的广告内容获得更高的点击转化,或匹配更精准的商业化标签,为用户推荐更精准的营销内容。

5. 行业分析(竞品比对)

在激烈的市场竞争中,用户画像在竞品对比分析的过程中也起着重要的作用,不仅可以对比竞品之间的用户差异性或重合度比例,还可以根据画像反馈出的用户特征,针对性去做产品功能的比对和优化迭代。

此处大多会通过第三方平台或行业相关的分析报告获取数据来分析,对我们理解产品的用户,能够带来更多的维度和视角,其价值也是不容小觑。

四、写在最后

发挥用户画像的价值,不仅在于要深入理解用户画像,更重要的是团队成员能够从业务层面出发,结合业务场景和实际需求,以用户画像为基础去驱动业务发展,解决实际问题。(比如:实现获取新用户、提升用户体验、挽回流失用户等明确的业务目标)。

本文阐述的内容仅作为个人工作的总结和思考,如有疑问,欢迎与我讨论交流。感谢阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发表评论

登录后才能评论