用户画像

yczha大约 3 分钟

陈旸老师极客时间《数据分析实战45讲》笔记

首先就是将用户画像做个白描，搞清楚用户“都是谁”“从哪来”“要去哪”。

用户唯一标识是整个用户画像的核心。用户唯一标识可以更好地去跟踪和分析一个用户的特征。

**用户标签：**它包括了性别、年龄、地域、收入、学历、职业等。这些包括了用户的基础属性。

**消费标签：**消费习惯、购买意向、是否对促销敏感。这些统计分析用户的消费习惯。

**行为标签：**时间段、频次、时长、访问路径。这些是通过分析用户行为，来得到用户使用习惯。

**内容分析：**对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，比如，金融、娱乐、教育、体育、时尚、科技等。

可以说，用户画像是现实世界中的用户的数学建模，我们正是将海量数据进行标签化，来得到精准的用户画像，从而为企业更精准地解决问题。

最后，当你有了用户画像，可以为企业带来什么业务价值呢？

我们可以从用户生命周期的三个阶段来划分业务价值，包括：获客、粘客和留客。

获客：如何进行拉新，通过更精准的营销获取客户。

粘客：个性化推荐，搜索排序，场景运营等。

留客：流失率预测，分析关键节点降低流失率。

如果按照数据流处理的阶段来划分用户画像建模的过程，可以分为**数据层、算法层和业务层。**你会发现在不同的层，都需要打上不同的标签。

数据层指的是用户消费行为里的标签。我们可以打上**“事实标签”**，作为数据客观的记录。

算法层指的是透过这些行为算出的用户建模。我们可以打上**“模型标签”，**作为用户画像的分类标识。

业务层指的是获客、粘客、留客的手段。我们可以打上**“预测标签”，**作为业务关联的结果。

所以这个标签化的流程，就是通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。

有了这些数据，我们就可以预测用户的行为。

具体在业务层上，我们都可以基于标签产生哪些业务价值呢？

在粘客上，如何提升用户的单价和消费频次，方法可以包括购买后的个性化推荐、针对优质用户进行优质高价商品的推荐、以及重复购买，比如通过红包、优惠等方式激励对优惠敏感的人群，提升购买频次。

在留客上，预测用户是否可能会从平台上流失。在营销领域，关于用户留存有一个观点——**如果将顾客流失率降低 5%，公司利润将提升 25%~85%。**可以看出留存率是多么的重要。用户流失可能会包括多种情况，比如用户体验、竞争对手、需求变化等，通过预测用户的流失率可以大幅降低用户留存的运营成本。