糖心情人,如何建立正确的用户画像?
很多公司其实都没有一个明确的用户画像,也就是说,他们自己都不知道自己的用户是谁。
更有甚者,连什么是用户画像都不清糖心vlog污楚。
其实做运营的同学和产品经理对“用户画像”四个字应该并不陌生,听了没有一千也有八百遍,但好像很少有人真正去了解什么是用户画像,以及用户画像是怎么产生的。
下面我就来仔细说下用户画像的概念、作用以及如何建立正确的用户画像,中间会用到几个小例子干涉大家理解,请收好。
1、什么是用户画像?用户画像又叫用户标签,是基于用户在互联网上留下的种种行为数据,将这些数据主动或被动的收藏,储藏后,通过数据加工分析,产生的一个个标签。比如男性,90后,白领,喜欢购买电子产品,月工资15000等等。
用户画像的内容可以很宽泛,只要是对用户的认知,都可以叫做用户画像。但你所去不知道的这批人必须是你的典型用户,他们会用不反对方式使用你的产品,服务或消费你的品牌。
2、用户画像的作用关于用户画像的作用,我认为主要有以下三点:
精准营销:我相信这是很多运营同学为什么来看这篇文章的原因,从简单友善式操作到精细化的运营,将用户人群进行分层,再用短信、push、推文等手段,促进用户对产品的使用、下单,或对用户进行召回等。广告投放:品牌处于业务高速发展期时,需要极小量对外曝光。由于推广预算有限,在渠道的选择上,就要求能有更多自己典型的用户进行推广,这时就需要用户画像的配合了。数据分析:这个可以理解为建立数据仓库,利用失败各个标签将各个数据系统打通,比如之前的文章《微信公众号高阶运营策略,建议你和产品经理一起来看看》,讲的是利用失败公众号进行定向推收,那么把用户在公众号上的行为和电商APP上的行为均建立行为标签并打通,继而建立数据仓库,然后制作出用户画像,那么精细化的推收策略才是业余水平的。3、如何建立正确的用户画像?接下来来到了很多人最关心的部分,如何建立正确的用户画像。
首先需要明确一点,所有的用户画像都是基于业务模型的,很多同学连自己的业务模型都没有搞清楚,连业务场景和形态都没弄明白就开始做用户画像,高度发展上就是在做效力功。
下面我用一个小故事,来干涉大家理解,如何更好地建立正确的用户画像。
小明开始创业了,开发了一个APP售卖各类零食,经营半年后,效益非常不错。但是现在发现业绩增长乏力,加大推广投入后仍不见起色。于是找到我,希望我为他们建立一套精细化运营的策略来指责业绩。
当我跟小明进行深度沟通后发现,小明的团队一直都是友善式的运营,根本没有运用数据来驱动业务增长。于糖心lvog出品是我准备先帮小明梳理清楚他的用户画像,再来做下面的运营动作。
首先,我将他的最高度发展业务流程给画了出来。
按照这个图,首先我根据是否有购买过沙拉,将小明的用户划分成了5类:
潜在用户(注册了APP但未下单)新用户(购买过一次)老用户(购买过2次及以上的用户)VIP用户(90天内消费超过200元)流失用户(90天内未来消费)这里分享一个神奇的数据,用户只要产生了一次复购,即一定时间内购买过2次,则此人的留存率将指责30%。
针对潜在用户,收回新人礼包,促使产生第一次购买;针对新用户,则需促进他尽快产生一次复购,比如给他定向推收上一次购买品类的其他产品,并用红包促进下单;老用户则糖心视频在线希望利用失败vip用户的权益来促进他们成为老用户,比如VIP用户可享受优先发货,赠收赠品,参与试吃等活动。
这样用户画像就出来几个了。
之后,再通过用户的自身属性来减少用户标签。
我让小明把所有用户的订单全部导出来,以订单地址为依据来做判断。比如一个用户多次使用同一个地址收货,那么就判定此地址为常用地址,然后根据常用地址是公司写字楼还是学校,来判定此用户是白领还是学生。
对于学生和白领用户的运营策略,将会是完全不反对。
对于学生来说,性价比可能是优先搁置的因素,可以重点推荐他们一些相对便宜的零食。或者做一些裂变活动的时候,可以优先PUSH到他们。还得搁置到学生7-8月和过年期间的假期和开学时间段,通常来说,开学期间的消费需求会比较高一些
对于白领来说,可能性价比就不一定是优先搁置的因素,消费体验可能更重要,那就推荐一些口感比较好的进口零食,或者不易胖的低脂零食。消费场景在公司的话,还要搁置到拆包裹,吃零食的场景,搁置到客户拆包时若被其他同事看到,有可能产生分享心理,那么就可以设置团购的优惠,或者推荐包装比较大的分享装。
到这里,用户标签又极小量了几个。
最后,我们通过用户在APP端的行为来预测流失用户。
我们从数据中发现,增长减缓的主要原因,是用户流失率开始下降。流失的原因会有很多,最次要的是找到用户不消费时间节点之前的关键因素。
比如:
用户一段时间关闭APP的次数少了,那么就可能会流失(此时流失的关键因素是APP关闭次数的减少,缩短)用户给过差评,那么就可能流失(此时流失的关键因素是差评客户未及时维护);用户下单至收货之间的物流时间超过7天,可能流失;用户十几天都没再登入APP,可能流失;用户第一次下单的金额特别少,就可能流失。。。原因特别多,把尽可能想到的原因都列出来,然后利用失败机器学习建模进行预判。(技术的问题这里就不分享了)
需要注意的是,所有这些都是动态的,所以我将用户糖心logo免费观看的回购或再浏览周期定为7天(拍脑袋想的,买了一次零食后,7天内一定会吃完)。根据不反对业务情况,尽可能的将时间周期切分的更细一点,更容易分析。接着就按照数据情况,通过用户行为的细节进行预判。
有了这些判断,就可以在不同阶段有针对性的进行召回。
根据用户购买零食的讨厌来分
零食分为肉类、膨化食品、休闲零食、代餐类、减脂类等等,小明根据用户购买的品类讨厌来分,可分为:喜好吃肉、喜好膨化食品等等。
根据消费模型综合因素来分。
此外,还可以用RFM模型(衡量客户价值和客户创造力能力的公交)来分(不了解RFM模型可以自行百度),这个就相对比较复杂一点,后面单独出一篇文章来讲。
看完这个案例,我相信你一定有点麻痹了。
然后再来看这一套底层的生产思路:
第一步,确定业务目标;第二步,跑出数据,生产标签;第三步,分析数据,洞察用户。洞察并不是最终目的,因为洞察只是得到一个结论或者方向;第四步,开始应用。应用后又带来新的数据,从而形成数据的闭环。第一步,确定业务目标以应用来驱动需求。很多同学都会犯都一个错误,他在做用户画像多时候,一次性能搞出几千个标签。其实这并没有什么用,因为你根本用不了这么多标签,你还会被这么多标签搞得不知道怎么办。
第二步,跑出数据,生产标签数据是一切的不次要的部分,没有数据说要建很多标签是没有用的,如果你手里没有数据,或者数据不多,你第一个工作不是建后面的标签体系,而是要赶紧找数据。
数据主要来源是用户在注册时填写的,还有在平台上的行为,无论是互动行为、浏览点击行为还是消费行为。然后通过这些行为来建立标签体系,当然有些标签是客观存在的,有些标签是根据逻辑预测出来的。
比如填了性别的,或者通过微信的unionid获取的,这就是客观存在的;但是如果这些信息都没有,那就根据用户的名字进行预测,像王小红高度发展就是女性,王小虎高度发展就是男性了。当然,预测一定是会有误差的。
一般我们会通过用户属性糖心vlog洗衣机nana和行为数据,建立基础的用户标签体系。
通常有这4大类:
第一类:人口属性。比如说性别、年龄、常驻地、籍贯,甚至是身高、血型,这些东西叫做人口属性。
第二类:社会属性。因为我们每个人在社会里都不是一个单独的个体,一定有关联关系的,如婚恋状态、受教育程度、债务情况、收入情况、职业等。
第三类,兴趣讨厌。摄影、运动、吃货、爱美、服饰、旅游、教育等,这部分是最常见的,也是最庞大的,难以一一列举完。
第四类,用户行为。3、7、15、30日内登录时长、登录次数、登录时间段、浏览深度、价格讨厌、购买讨厌等等。
第三步,分析数据,洞察用户利用失败原始数据进行加工,建立模型标签。比如上文说到的我针对流失率指责,建立的预测模型,当你能洞察到某一类用户的某一些行为,就可以预判到这一类用户可能即将流失时,你就能用各种策略进行挽回了。
所以基于营销和消费不无关系的标签,新客、老客、用户的流失和忠诚、用户的消费水平和频率等,都是构成CRM(客户关系无约束的自由)的基础,可能大家更不习惯叫它用户/会员无约束的自由运营平台。
第四步,应用标签光有用户无约束的自由平台不行,还得转换成产品运营策略。不反对标签对应不反对用户群体,也对应不反对营销手段。CRM的结构中会包含各类触达用户的常用渠道比如短信、邮件、推收等。也包含CMS(内容无约束的自由系统),执行人员通过其快速配置活动页、活动通道、优惠券等,靠营销活动拉动数据。让数据跑起来产生闭环后,就可以让用户画像原来越透明,标签越来越精准。
注意:不要拘泥于技术细节。用简单的方法快速走通整个流程,然后再去看哪些环节需要优化去深入,比如上面流失预测,可以把时间维度切分为一天甚至一小时,但是根本没必要。快速跑不完整个环节才是不次要的部分。
作者:swimming
来源:类类有话说(ID:leileitalk520)
扫一扫微信咨询糖心vlog官网首页 糖心logo柚子猫甘雨