用户研究:如何做用户画像分析
用户画像就是根据用户特征、业务场景和用户行为等信息,构建一个标签化的用户模型。简而言之,用户画像就是将典型用户信息标签化。
在金融领域,构建用户画像变得很重要。比如金融公司会借助用户画像,采取垂直或精准营销的方式,来了解客户、挖掘潜在客户、找到目标客户、转化用户。
以某P2P公司智投产品搞的投资返现活动为例,通过建立用户画像,来避免大量烧钱的运营行为。经过分析得知,出借人A的复投意愿概率为45%,出借人B的复投意愿概率为88%。为了提高平台成交量,在没有建立用户画像前,我们可能会对出借人A和B实行同样的投资返现奖励,但分析结果是,只需激励出借人A进行投资,从而节约了运营成本。此外,我们在设计产品时,也可以根据用户差异化分析去做针对性的改进。
对产品经理而言,掌握用户画像的搭建方法,即了解用户画像架构,是做用户研究前必须要做的事情。
一、收集数据
收集数据是用户画像中十分重要的一环。用户数据来源于网络,而如何提取有效数据,比如打通平台产品信息,引流渠道用户信息,收集用户实时数据等,这也是产品经理需要思考的问题。
用户数据分为静态信息数据和动态信息数据。对于一般公司而言,更多是根据系统自身的需求和用户的需要收集相关的数据。
数据收集主要包括用户行为数据、用户偏好数据、用户交易数据。
以某跨境电商平台为例,收集用户行为数据:比如活跃人数、页面浏览量PV、访问时长、浏览路径等;收集用户偏好数据:比如登录方式、浏览内容、评论内容、互动内容、品牌偏好等;收集用户交易数据:比如客单价、回头率、流失率、转化率和促活率等。收集这些指标性的数据,方便对用户进行有针对性、目的性的运营。
我们可对收集的数据做分析,让用户信息形成标签化。比如搭建用户账户体系,可自建立数据仓库,实现平台数据共享,或打通用户数据。
二、行为建模
行为建模就是根据用户行为数据进行建模。通过对用户行为数据进行分析和计算,为用户打上标签,可得到用户画像的标签建模,即搭建用户画像标签体系。
标签建模主要是基于原始数据进行统计、分析和预测,从而得到事实标签、模型标签与预测标签。
标签建模的方法来源于阿里巴巴用户画像体系,广泛应用于搜索引擎、推荐引擎、广告投放和智能营销等各种应用领域。