用户画像又称用户角色 什么叫做用户画像

什么是用户画像《用户画像与用户标签、标签、标签系统的关系》用户画像的应用如何制作用户画像参考资料？主要介绍用户画像的定义和应用以及如何做用户画像帮助业务发展适合对数据感兴趣的互联网人阅读。以下请欣赏:

在互联网的所有业务中无论是金融、电商、社交、新媒体还是新零售如何优化产品、提升服务才是最重要的。【/s2/】其中一个重点是了解用户。随着大数据技术的发展精准营销、广告、个性化搜索与推荐、风险控制、商业预测、体验优化、商业分析等。注重效率和质量的产品和服务正在逐步发展。基础的“用户画像”和“标签”应运而生。

1。什么是用户画像

一般来说用户画像就是给用户贴标签比如性别、年龄、兴趣爱好、行为偏好等。

但是在中文语境下用户角色和用户档案这两个概念混淆了都叫用户画像。其实还是不一样的。

(1)”用户角色”VS & # 8221用户资料”

人物:一个人的方方面面’他们向其他人展示的性格特别是当他们是真实的性格时是不同的(“一个人向其他人展示的特征特别是不同的特征”更强调的是特定情境中用户角色的概念)。

简介:提供有关某事或某物信息的简短书面描述。

根据定义用户配置文件是用户的画像用户角色将其翻译为用户角色更为合适。

(2)用户角色

用户角色的概念始于1997年。交互设计之父艾兰·库伯在《关于脸:交互设计的本质》

中提出“人物角色是目标用户的具体表征”,这是一种系统的产品设计和用户研究方法。

其中提出了两种构造用户角色的方法:

用户角色:基于对用户的观察、访谈、问卷调查等研究成果建立严谨可靠但耗时。比如在用户调研阶段产品经理通过问卷调查和客户访谈了解用户的异同并归纳为不同的虚拟用户。

临时角色:基于行业专家或市场调查数据对用户的理解快速但有偏差。

用户的角色大多出现在产品和服务的规划设计阶段。可以讨论场景、体验、目标站在用户角色的立场上思考用户需求、规划产品从而对目标用户保持清醒的认识避免产品偏离用户需求。

作为目标用户的集合用户角色不是指特定的人而是具有一个真实的人的各种特征

包括姓名、性别、年龄、城市、外貌、职业、爱好、生活习惯、行为偏好、婚姻状况、家庭情况、收入支出等。

图1:用户角色的例子

为了保持目标用户认知的一致性一个产品或服务一般只构建一个用户画像。

大型综合性产品可能会构建多个用户画像但一般只有一个主画像其他都是辅助画像。

(3)用户简介

用户简档是从用户属性、用户行为等数据分析中抽象出来的标签化用户模型。它的核心工作是给用户贴标签用一些高度概括、易于理解的特征来描述用户。

这不仅使人们更容易理解用户也便于计算机处理。这些标签越丰富标签越细致对用户的描述就会越准确。从这些标签的集合中可以抽象出用户信息的全貌。如图2所示它是某个用户的标签集合。

每个用户标签分别描述一个维度所有维度相互关联形成对用户的整体描述。

图2:用户配置文件示例

对比

用户角色

用户简介

阶段

产品和服务的规划设计阶段已经积累了一些成熟的用户数据

来源

主要主要是基于真实积累的用户数据结合具体的业务场景生成用户标签。

动作

它可以帮助我们直观地了解目标用户的行为特征并作为我们判断用户需求的依据。

构成了对一个用户的真实描述可以不断刻画用户优化产品提升服务。

随着互联网的发展产品和服务的运营发生了巨大的变化:由于产品开发成本高、时间紧、资源有限以“快速试错、迭代开发”为特征的精益创业方式开始传播。

而且随着时间的推移一个产品和服务的真实用户群体也在发生变化规划设计阶段虚构的用户角色也需要重新研究和想象。在这种情况下用户角色有时会落后。再加上大数据的发展原来的不确定性降低了。与用户角色观察、访谈和问卷调查等方法相比用户档案具有天然的技术优势互联网的更多业务转向了用户档案。

2。用户画像与用户标签、标签与标签系统的关系

(1)用户画像VS用户标签

用户画像和用户标签是整体和局部的关系。用户画像是一个整体比较抽象；用户的标签是局部的相对具体。而整体与整体的关系是通过“标签系统”来体现的。

比如一个人有四肢、五官、躯干但只有它们结合在一起才是人。

图3:用户画像、用户标签和标签的关系图

(2)标签系统

在建立用户画像的过程中对标签进行分层、分类、关联、组织然后形成一个系统即标签系统。

比如一个人的标签包括生日、性别、身高、体重、爱好、行为偏好等。每一个都是一个用户标签它们共同构成了一个标签系统。

图4:标签系统

(3)标签与用户标签

标签可以分为用户标签、内容标签、硬件标签、商品标签等。包含用户标签这是标签的一个类别。

3。用户画像的应用

建立用户画像通常需要大量的数据、时间和人力是一项高成本、长期的投入。

但是大部分互联网公司还是希望对用户进行全面准确的画像。

那么有哪些用户画像的应用让各家公司纷纷投身其中呢？

概括起来应用有以下几个方面:

精准营销:用户分组通过邮件、短信、App推送消息。同样的成本有更好的营销效果。

广告:基于一系列与用户属性和行为相关的标签向目标用户投放广告。

个性:用户画像和行为分析是高度转化的个性推荐和搜索的极其重要的数据基础。精细化场景下在结合特定用户和意图分析提高转化率的过程中可以根据人群标签进行针对性排序。比如向大学生情侣推荐情感酒店。

风险控制:通过常用设备、行为习惯、消费偏好、是否有危险伙伴、住所等用户标签进行信用判断控制风险。

体验优化:分析产品的受众了解用户的心理动机和行为习惯优化产品和服务质量甚至实现产品和服务的个性化定制。

商业分析:通过用户画像进行行业趋势分析、竞品分析、商品定价、网络规划等。发现商机做出商业决策。

图5:用户画像的应用

从上面可以看出用户画像的商业应用非常多。用户画像的属性、兴趣、行为、偏好等标签的应用可以优化产品改善服务增加企业利润。

4。如何做好用户画像

做用户画像的初衷可能很好但是容易堕落成形式主义。最终可能只有用户画像的报告比如性别、年龄、爱好、地域足迹、消费金额等。看着高大上却毫无作用。

(1)商业驱动

毕竟用户画像的目标是了解用户提升业务发展。所以构建用户画像的核心是和业务紧密相关的。需要和业务部门沟通需求然后进行标签建模。

首先业务部门需要有明确的业务模式和目标。然后数据人员了解业务的来龙去脉包括行业特点、业务场景、业务形态、业务需求以及用户的消费逻辑在充分考虑业务需求后开始建立用户画像。

我在这里没有提到数据、算法和模型是因为在大方向上商业比技术更重要。

一个好的用户画像不仅仅是一个数据生态系统更是一个商业和运营生态系统是一个复杂的交叉领域。

除了考虑业务需求还需要从更高维度考虑背景意义、综合成本、开发周期、业务脱钩、投入产出比等等。比如用户维度那么多如何选择一个标签？标签选择的原则是什么？如何维护和跟进？标签在什么情况下需要迭代？业务变了需要调整吗？

标签一旦设定如何评价用户画像的效果？效果不好怎么办？还有更多扩展的应用场景吗？如何平衡算法的精度、数据规模和更新速度？

这些都是用户画像在商业中经常遇到的问题。

(2)深入思考。

做好用户画像深入思考。

我们不能想当然的做一个全面准确的系统却忽略了用户画像的核心价值。

用户画像是商业目标下的用户标签集合。

一上来就猜用户性别籍贯常住地收入是否恋爱喜欢什么准备消费购物？这些毫无意义。

是男人或女人如何影响消费决策收入多少影响消费能力谈恋爱是否会带来新的营销场景如何精准推荐消费者购物用户决定买什么不买什么的原因和逻辑。这些都是用户画像背后的逻辑。

不是有了用户画像就可以优化产品提升业务。但是为了优化产品改善服务增加利润就需要用户画像。很容易忘记。

比如我们要追回流失的用户应该选择概率大于70%的用户还是50%的用户？要考虑商业挽回流失的用户是手段不是目的。如果实际目的是通过挽回流失的用户来增加利润那么阈值的选择就很容易解决。计算不同阈值下用户的投入、产出和ROI选择更优方案。

广义来说个性化推荐和广告有更复杂的维度、标签和特性本质是发现用户最近是否想购物或旅游。

在最合适的时间把最合适的信息推送给用户以获得更大的利益。

和名字一样在电商和消费行业除了物理上的性别标签还会建立消费模式上的性别标签。有些人虽然是男性但他们的购物行为是女性的这一点要加以区分。

这些例子是简化的。具体情况还需要深入思考里面的操作逻辑。

(3)持续优化

解决业务问题给出全面的用户标签体系可以吗？答案是否定的这有两个原因:

大多数情况下标签系统是开放的标签和标签值是有时效性的不可能一劳永逸。直播就是一个很好的例子:新的内容、类别、热点话题不断产生不断学习调整是必然的。

而且产品和服务的每个公司和用户都有自己的特点有了不同的数据源和算法只有根据结果不断迭代才有可能达到更好的效果。

简而言之用户画像要从实际业务出发解决实际业务问题根据业务目标和用户画像应用的反馈不断迭代进化达到更佳效果。