用戶畫像怎么做才能更有業務價值?

0 評論 1萬 瀏覽 31 收藏 9 分鐘

編輯導語:用戶畫像,是基于用戶在互聯網上留下的種種行為數據,將這些數據主動或被動的收集后,通過數據加工分析,產生的一個個標簽。用好用戶畫像,能夠快速找到目標用戶,利于產品設計。本文作者從用戶畫像的概念出發,對用戶畫像怎么做才能更有價值這個問題進行了分析解答,一起來看看~

這次想跟大家分享這個主題是基于以下2個原因:

  1. 大家都在說用戶畫像,于是很多領導也開始要求做用戶畫像,但做用戶畫像到底為了解決什么問題并不清楚;
  2. 搜索用戶畫像相關內容時大家都在講概念、怎么操作,并沒有結合實踐去講為什么要這么做。

希望這次分享讓有需要的小伙伴們不僅知道用戶畫像的概念,還能清晰為什么要做用戶畫像,并能基于實際的案例去做相關分析

一、用戶畫像到底是什么?為什么要做用戶畫像?

我大學剛畢業時,初到一家互聯網公司做數據運營,某天領導突然給我一個任務:做一個APP用戶畫像報告。當時我有點懵,一是我以前確實沒接觸過用戶畫像,概念不太清楚;二是接到領導的任務后我只知道要做一個用戶畫像,至于這個用戶畫像到底用來做什么我并不清楚。

在這個情況下,我查閱各種資料,問同學、問朋友,還找了一些高大上作圖工具,最后總算是完成了任務,得到了公司認可。但用戶畫像報告到底給公司帶來了什么價值、給運營決策起到了什么作用并不清楚,這其實就是典型的為了做而做。

1. 用戶畫像到底是什么?

百度詞條描述的用戶畫像是虛擬的用戶模型,基于個人運營經驗及搜索相關資料,一般我們提到用戶畫像時通常包括兩個層面:

其一是虛擬的用戶群體畫像:是基于目標用戶群體特征提煉的,包括基礎屬性、行為偏好、消費習慣等,基于不同需求提煉不同屬性。一般使用場景包括產品設計、活動內容策劃、品牌宣導(流量置換)等,如拼多多的用戶畫像。

其二是真實的用戶個人數據畫像:是用戶個人信息的標簽化,同樣包括基礎屬性、行為偏好、消費特征等。一般使用場景為用戶精準運營,如基于用戶標簽系統做千人千面的內容推薦。因此我們搜索用戶畫像時,很多文章都在說如何做用戶標簽系統。

2. 為什么要做用戶畫像?

基于前面提到兩類用戶畫像的一般使用場景,規整提煉了用戶畫像報告的三個主要目的:

1)品牌宣導:用于對外發布報告,讓行業了解你的產品,便于合作(比如廣告投放、流量置換等)。對于這類目的的用戶畫像,不需要太細,基本上是一些用戶基本屬性的統計,比如用戶性別、年齡、地區、教育水平、收入水平等,因對外發布需要,這類畫像應該做的高大上,整體來說做的思路比較簡單。

2)產品設計、運營決策提供依據:與前一個目的不同,前者相對大而粗,而決策依據的用戶畫像不一定覆蓋全面,但一定是具體的。對于這類目的的畫像,在畫像前一定要弄清楚,我們需要解決的問題是什么,且該問題一定是可以被驅動和衡量的。該類目的的畫像分析相對復雜,因業務目標的不同分析方法也會不同,但背后的邏輯思路是相通的(本文重點拆解)。

3)用戶精準運營:這是目前一個大的趨勢,涉及的內容也比較多,包括標簽系統、用戶分群系統、內容推薦系統,光看到這幾個系統就已經覺得很復雜了,確實也很復雜。

二、用戶畫像怎么做才能更有價值?

之前負責的一個產品,初期都是免費服務,包括工具服務和內容服務,隨著產品成熟引入付費知識服務模塊,于是我們進行了一次用戶畫像分析,以此實戰作為案例從以下四個步驟拆解:

1. 明確業務目標

2. 提取數據

數據提取的關鍵是:

基于我們目標梳理清楚我們需要哪些數據,然后針對性的撈取數據:

3. 數據分析、提出策略

這一步需要一定的數據分析能力,所以很多時候數據分析都會由專門的數據運營人員來完成。在這里多說幾句廢話(肺腑之言):作為運營人員,建議人人都會一些數據分析,最起碼excel工具應該熟練掌握,且一般情況excel可以解決90%以上的運營數據分析問題,我自己一般會在數據量太大時才會用到R語言或python。

1)數據處理與分析:像上面撈取的數據,只要我們思路清晰了,其實大部分都可以用excel做統計就可以完成,但內容分析(分詞)、路徑分析稍微復雜一點,這里作為用戶畫像思路的拆解就不對兩塊內容展開贅述了,如有可能后期我再單獨整理這塊內容。

(寶寶樹內容分析)

2)報告輸出:結論先行+數據支持。用戶畫像需要輸出一份可視化的報告,因看報告的并不清楚數據分析思路,因此在報告呈現時一定要結論先行提高可讀性,而不是單純的擺數據。比如:晚上22-24點觸達用戶效果最佳(解決when的問題),下面再配上用戶活躍時間段分布數據。

3)基于業務目標的策略輸出:在輸出報告的最后應該給出一套相對完整的策略方案總結。

4. 策略驗證與優化

這里特別強調2點:

  1. 可衡量:就是在方案落地前我們要先想好通過什么指標來衡量我們的策略,包括目標(如活躍用戶付費率)、觀察指標(漏斗轉化、留存分析、不同用戶付費對比分析等);
  2. 可調整:我們很難確保最開始的策略就一定有效的,需要小步快步不斷地基于指標調整,在方案落地前就需要想好有哪些可能的調整方向。

經過這四步的拆解,不僅有了一份完整的畫像分析報告,還能跟進其在業務目標上的價值,當然需要實踐操作才能慢慢熟悉。

到這里這次分享就結束了,下回見~

 

本文由 @運營小羊 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自pexels,基于CC0協議

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!