明明同時(shí)接觸的客戶，為什么同事不僅比你早簽單，還促成了好幾項(xiàng)別的合作？?競(jìng)品公司明明活動(dòng)規(guī)模不大，吸引的用戶卻極為精準(zhǔn)？
你真的了解你的用戶么？
商家為了了解用戶的真實(shí)需求，針對(duì)特定群體制定營(yíng)銷方案以及提升團(tuán)隊(duì)內(nèi)部溝通效率，常常會(huì)需要用到【用戶畫像】。
一：什么是用戶畫像？
用戶畫像是對(duì)客戶信息在特定業(yè)務(wù)場(chǎng)景下的系統(tǒng)描述，以數(shù)據(jù)為核心，通過統(tǒng)計(jì)和分類等手段描述用戶的屬性和特征，探尋用戶需求的一種解決方案。
用戶畫像最基礎(chǔ)的工作內(nèi)容就是給不同的用戶打標(biāo)簽，這些標(biāo)簽都是由企業(yè)專業(yè)的員工從日常工作中提煉出來的具有高度概括性的特征標(biāo)識(shí)，比如年齡、性別、職業(yè)、住址、愛好等等。把這些標(biāo)簽互相融合歸納，就能輕易得出某一群體的整體描述信息。
二：用戶畫像有什么用？
- 提供個(gè)性化的服務(wù)：由于物質(zhì)水平的上升，第三產(chǎn)業(yè)也就是服務(wù)業(yè)的占比不斷擴(kuò)大，人們?cè)絹碓狡诖龘碛歇?dú)屬于自己的個(gè)性化服務(wù)；
- 提供更精準(zhǔn)的營(yíng)銷：因?yàn)榛ヂ?lián)網(wǎng)的存在，企業(yè)所接觸的客戶群體愈發(fā)龐大，要想在海量的客戶中進(jìn)行精確的營(yíng)銷，只能靠用戶畫像來篩選不同特征的群體；
- 深入研究用戶：產(chǎn)品終究要為用戶服務(wù)，如果用戶畫像能夠提前預(yù)測(cè)出用戶期待的產(chǎn)品方向，將會(huì)直接決定企業(yè)未來的發(fā)展；
- 提供業(yè)務(wù)決策：分析人員可以從用戶畫像中提取很多涉及企業(yè)未來發(fā)展的關(guān)鍵信息，例如哪個(gè)城市更喜歡企業(yè)產(chǎn)品、競(jìng)品有什么功能最受歡迎、哪個(gè)模塊好評(píng)最高等。
三：如何分析用戶畫像？
用戶畫像分析簡(jiǎn)單來說就是針對(duì)用戶行為進(jìn)行模型構(gòu)建，將同類目標(biāo)行為的用戶分為一類，并打上標(biāo)簽，也就是說用戶畫像就是將典型的用戶信息標(biāo)簽化，這樣能夠方便我們做產(chǎn)品構(gòu)建。要做用戶畫像我們要掌握很多數(shù)據(jù)，通過數(shù)據(jù)和市場(chǎng)分析我們才能進(jìn)行用戶信息標(biāo)簽化。
（1）收集用戶數(shù)據(jù)
主要包括：用戶行為數(shù)據(jù)、偏好數(shù)據(jù)、交易數(shù)據(jù)。
以淘寶店為例，我們需要收集的用戶行為數(shù)據(jù)：活躍人數(shù)、頁面訪問時(shí)長(zhǎng)、瀏覽pv數(shù)、來源路徑、用戶登錄方式、瀏覽的內(nèi)容、評(píng)論的內(nèi)容、產(chǎn)生咨詢互動(dòng)的內(nèi)容、喜歡的品牌、喜歡的物品、客單價(jià)、回頭客率、用戶流失率、店鋪轉(zhuǎn)化率、老用戶喚醒率等等。
（2）根據(jù)用戶行為建模
實(shí)際上這步就是我們把收據(jù)的用戶信息進(jìn)行標(biāo)簽化，建立出一個(gè)模型，把這些標(biāo)簽一個(gè)個(gè)分出來。如：大款內(nèi)衣、大款秋褲、小碼鞋子、低價(jià)手機(jī)、免費(fèi)回收、無效退款等。
（3）構(gòu)建用戶畫像
第二步只是初步建模，想直接標(biāo)簽化，還有點(diǎn)麻煩，缺少第三步的具體用戶特征分析。
我們需要將第一步的用戶行為數(shù)據(jù)并根據(jù)用戶特征繼續(xù)細(xì)化，比如性別、年齡、職業(yè)、教育程度、家庭情況、購買能力、購買次數(shù)、興趣愛好等。
（4）算法模型
艾客通過文本挖掘、分類、類聚、相似度計(jì)算和模型算法幫助商家構(gòu)建智能化客戶標(biāo)簽，精準(zhǔn)捕獲用戶需求。
四：用戶畫像如何應(yīng)用？
用戶畫像分析主要應(yīng)用在引流獲客、客戶運(yùn)營(yíng)、交易轉(zhuǎn)化、數(shù)據(jù)分析等場(chǎng)景，：
1.引流獲客（廣告投放）
在做用戶增長(zhǎng)時(shí)，我們需要在-些外部渠道投放廣告，吸引可能的潛在用戶，比如，B站在抖音.上投放廣告。
2.客戶運(yùn)營(yíng)（個(gè)性化推薦）
個(gè)性化推薦即精確的內(nèi)容分發(fā)，比如，我們?cè)谝魳奉怉PP中會(huì)看到每日推薦，這是因?yàn)檫\(yùn)營(yíng)人員在做點(diǎn)擊率預(yù)估模型(預(yù)測(cè)給你推薦的歌曲會(huì)不會(huì)被點(diǎn)擊)時(shí)，會(huì)考慮用戶畫像屬性，這樣才有可能推薦用戶喜歡的類型。比如根據(jù)你是“90后”，喜歡傷感的音樂，喜歡周杰倫這些屬性，推薦類似的歌曲給你，這就是基于用戶畫像推薦:
3.交易轉(zhuǎn)化
假如某個(gè)電商平臺(tái)需要做一個(gè)活動(dòng)，給不同層次的用戶發(fā)放不同的券，就需要利用用戶畫像分析對(duì)用戶進(jìn)行劃分。比如，劃分成不同付費(fèi)次數(shù)的用戶，然后根據(jù)不同付費(fèi)次數(shù)發(fā)放不同的優(yōu)惠券。給付費(fèi)次數(shù)在1~10次的用戶發(fā)放10元優(yōu)惠券，依此類推。
4.風(fēng)控檢測(cè)
風(fēng)控檢測(cè)主要是金融或者銀行業(yè)涉及得比較多，常見的問題是銀行怎么決定是否放貸給申請(qǐng)人。普遍的解決方法是搭建一個(gè)風(fēng)控預(yù)測(cè)模型，預(yù)測(cè)申請(qǐng)人是否有可能不還貸款。模型的背后就有用戶畫像分析的功勞。用戶的收入水平、教育水平、職業(yè)、是否有家庭、是否有房子，以及過去的誠(chéng)信記錄，這些畫像數(shù)據(jù)都關(guān)系到模型預(yù)測(cè)是否準(zhǔn)確。
5.產(chǎn)品設(shè)計(jì)
互聯(lián)網(wǎng)的產(chǎn)品價(jià)值離不開用戶、需求、場(chǎng)景這三大元素，所以在做產(chǎn)品設(shè)計(jì)時(shí)，要知道用戶到底是怎樣的一群人他們的具體情況是什么，他們有什么特別需求，這樣才可以設(shè)計(jì)出對(duì)應(yīng)解決他們需求和痛點(diǎn)的產(chǎn)品功能。
6.數(shù)據(jù)分析
在進(jìn)行描述性數(shù)據(jù)分析時(shí)，經(jīng)常需要用戶畫像的數(shù)據(jù)，比如，描述抖音中某美食類博主的用戶群體特征，可以關(guān)注他們觀看其他抖音視頻的情況，關(guān)注其他博主的情況等。
1046
電商私域，就用艾客！
