中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

打開(kāi)APP
userphoto
未登錄

開(kāi)通VIP,暢享免費(fèi)電子書(shū)等14項(xiàng)超值服

開(kāi)通VIP
數(shù)據(jù)分析(5):用戶畫(huà)像分析法

前面幾篇文章中作者梳理了對(duì)比分析法、多維度拆解法、漏斗觀察法、分布分析法和用戶留存分析法,本篇文章繼續(xù)聊聊第6種數(shù)據(jù)分析方法:用戶畫(huà)像分析法。

作為一枚產(chǎn)品汪,用戶畫(huà)像這個(gè)詞你一定不陌生,那用戶畫(huà)像到底是什么呢?我們又該如何結(jié)合業(yè)務(wù)場(chǎng)景創(chuàng)建可用的用戶畫(huà)像呢?用戶畫(huà)像有什么作用呢?

大家可以先思考一下上面三個(gè)問(wèn)題~

首先,我們來(lái)聊聊什么是用戶畫(huà)像。

一、什么是用戶畫(huà)像?

用戶畫(huà)像是通過(guò)對(duì)用戶各類特征進(jìn)行標(biāo)識(shí),通過(guò)標(biāo)識(shí)給用戶貼上各類標(biāo)簽,再通過(guò)標(biāo)簽把用戶分為不同的群體,以便對(duì)不同的群體分別進(jìn)行產(chǎn)品/運(yùn)營(yíng)運(yùn)作。

二、標(biāo)簽都有哪些?

這里呢我們把標(biāo)簽分為四大類:

第一類:基礎(chǔ)屬性

像年齡、性別、生日、星座、教育、身高、收入、職業(yè)等。

第二類:社會(huì)關(guān)系

婚姻、有無(wú)女孩、有無(wú)男孩、家里是否有老人、性取向等。

第三類:行為特征

行為特征又分為兩塊兒:

  1. 基本行為:注冊(cè)時(shí)間、來(lái)源渠道、最近一次活躍的時(shí)間、最近一次支付的時(shí)間。

  2. 業(yè)務(wù)行為:是否買(mǎi)過(guò)特惠商品、是否曾獲優(yōu)秀學(xué)員,這些標(biāo)識(shí)都會(huì)對(duì)產(chǎn)品的后期運(yùn)營(yíng)有所幫助。

第四類:業(yè)務(wù)相關(guān)

這一類跟其他類不太一樣,就像第三類中的業(yè)務(wù)行為,它是通過(guò)業(yè)務(wù)行為產(chǎn)生出來(lái)的特征,而業(yè)務(wù)相關(guān)呢,它是積累了其他的業(yè)務(wù)不會(huì)去記錄的一些數(shù)據(jù),比如運(yùn)動(dòng)健身類的產(chǎn)品。

它會(huì)涉及到:胖瘦高矮、體脂率、BMI、在練胸或者練臀、日均10000步、收藏了多少份健身計(jì)劃等等。

三、標(biāo)簽從哪兒來(lái)?

第一:直接填寫(xiě)

通過(guò)產(chǎn)品的一些特殊的步驟,讓用戶直接填寫(xiě),比如注冊(cè)頁(yè)面,下圖是某陌生人社交產(chǎn)品,通過(guò)用戶注冊(cè)讓用戶去填寫(xiě)年齡和性別。

還有一些偏內(nèi)容性的產(chǎn)品,可以通過(guò)讓用戶選擇他感興趣的話題,如下圖:

還有一些是運(yùn)用借地打地的手段,比如一些電商、外賣(mài)類的產(chǎn)品和地圖類的產(chǎn)品,首先是讓用戶填寫(xiě)地址,其次是讓用戶選擇標(biāo)簽,表面上是提供一個(gè)工具,事實(shí)上讓用戶幫助產(chǎn)品獲取結(jié)構(gòu)化的工具,讓系統(tǒng)知道,用戶作為一個(gè)個(gè)體,他的家、公司、學(xué)校在什么地方。

還有一些像裝修類的產(chǎn)品,看上去是一個(gè)便捷的功能,平臺(tái)方通過(guò)這個(gè)功能可以收集到大量跟業(yè)務(wù)相關(guān)的詳情信息。

隨著用戶的自我保護(hù)意識(shí)越來(lái)越強(qiáng),而且呢用戶又非常的懶,莫名其妙填一些信息用戶也比較反感。那就有了第二種獲取標(biāo)簽的途徑。

第二:通過(guò)用戶自己的已有特征推導(dǎo)

當(dāng)然,這種方式的成本比較高,沒(méi)有讓用戶直接填寫(xiě)來(lái)的簡(jiǎn)單方便,一般的產(chǎn)品不會(huì)經(jīng)常去這樣做,它適用的場(chǎng)景有以下幾種:

(1)做活動(dòng)時(shí)

相信大家都有做活動(dòng)的經(jīng)驗(yàn),我們?cè)谧龌顒?dòng)時(shí)會(huì)篩選一批用戶出來(lái)做定向推廣,比如說(shuō)年齡、地區(qū)、新老用戶。

舉個(gè)栗子:你是某電商平臺(tái)的產(chǎn)品經(jīng)理,現(xiàn)在要做一個(gè)推廣活動(dòng),面向的用戶群體為在消費(fèi)能力強(qiáng)的上海女性?,F(xiàn)在需要向這個(gè)群體的用戶去宣傳這個(gè)活動(dòng),那怎么做?

首先,區(qū)分出來(lái)性別,即男、女。

用戶如果沒(méi)有填寫(xiě)性別,我們可以從他買(mǎi)過(guò)的東西去推,比如說(shuō)買(mǎi)過(guò)女士衣服+化妝品。

其次,推算出在上海的用戶。

假設(shè)大部分人買(mǎi)東西是給自己買(mǎi),收貨地址是上海市的,我們可以推算出此用戶是上海市的。

最后,驗(yàn)證消費(fèi)能力是否強(qiáng)。

消費(fèi)能力如果從她歷史消費(fèi)的總金額推算,感覺(jué)有點(diǎn)不合理,但它也能驗(yàn)證一部分,我們可以再加一些條件,比如購(gòu)買(mǎi)過(guò)進(jìn)口的小商品,比如牙膏,一般消費(fèi)能力不強(qiáng)的用戶,很少會(huì)花將近百元去買(mǎi)一支進(jìn)口的牙膏。

上面是通過(guò)用戶的業(yè)務(wù)特征做的推斷。

但是,不是所有的用戶都發(fā)生過(guò)以上的行為,通過(guò)以上業(yè)務(wù)行為篩選之后,可以給部分用戶打上標(biāo)簽,還有一部分用戶她沒(méi)有標(biāo)簽,所以,我們?cè)僮鲞M(jìn)一步的推導(dǎo)。

  • 性別:除了通過(guò)從購(gòu)買(mǎi)的商品推導(dǎo)以后,還可以通過(guò)她使用的是手機(jī)是否為美圖手機(jī);

  • 地區(qū):可以用常用IP進(jìn)行推導(dǎo);

  • 消費(fèi)能力:可以用使用的手機(jī)為最新款且價(jià)格在5000元以上的用戶。

當(dāng)然,這里面肯定會(huì)有誤判,但是,就算是有誤判我們也認(rèn)了,因?yàn)楹茈y做到百分百精準(zhǔn)。

(2)簡(jiǎn)單的個(gè)性化運(yùn)營(yíng)

比如說(shuō)首頁(yè)的某個(gè)推廣模塊,面對(duì)不同的用戶群體推廣不同的內(nèi)容。

(3)業(yè)務(wù)分析

在做業(yè)務(wù)分析時(shí),需要把用戶拆分成不同的群體,看在業(yè)務(wù)中的表現(xiàn)情況,比如是否領(lǐng)取七天/15天的會(huì)員卡。

(4)用戶研究

如果有用戶標(biāo)簽的基礎(chǔ),做用戶研究的童鞋的研究效果會(huì)更加的精準(zhǔn)。

如果通過(guò)前面兩種方式已經(jīng)把80%的用戶打標(biāo)簽了,還剩下的20%怎么辦?這里我們就會(huì)運(yùn)用到第三種推導(dǎo)方式:

第三:通過(guò)用戶身邊的人推斷

首先,通過(guò)距離:基于某些屬性,周?chē)娜硕季邆?,用戶大概率也具備?/p>

其次,是通過(guò)行為:通過(guò)協(xié)同過(guò)濾,找到行為相似的目標(biāo)用戶。

比如說(shuō),剛才我們通過(guò)買(mǎi)過(guò)女士衣服和化妝品的用戶打上了女性的標(biāo)簽,但是這種方式有局限性,可能有些用戶本身就不在你的平臺(tái)上買(mǎi)衣服和化妝品,這里我們可以通過(guò)這種用戶的其他行為,比如說(shuō)買(mǎi)了衛(wèi)生巾或者其他的女性用品,然后通過(guò)她購(gòu)買(mǎi)的商品,再找到跟她購(gòu)買(mǎi)過(guò)相似商品的用戶打上女性用戶的標(biāo)簽。

說(shuō)在最后:

第三種的精確度是最低的,但是在一些場(chǎng)景中,不需要精確度那么高,當(dāng)然,我們也可以通過(guò)此類用戶的后期行為,迭代這些標(biāo)簽。至少我們通過(guò)這三種方式把所有的用戶都分了群。

好啦,用戶畫(huà)像分析法到這里就完結(jié)啦。

那最后通過(guò)一張架構(gòu)圖來(lái)總結(jié)一下:

本站僅提供存儲(chǔ)服務(wù),所有內(nèi)容均由用戶發(fā)布,如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊舉報(bào)。
打開(kāi)APP,閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
讀完這本書(shū)打通了“數(shù)據(jù)化運(yùn)營(yíng)”的任督二脈
你以為自己真的了解用戶畫(huà)像?其實(shí)貓膩可多了
數(shù)據(jù)分析|從0-1構(gòu)建用戶畫(huà)像數(shù)據(jù)分析流程
干貨 | 數(shù)據(jù)分析之用戶畫(huà)像方法與實(shí)踐
15種常用的數(shù)據(jù)分析模型,搭配BI工具更高效,趕緊收藏起來(lái)
NLSP中的用戶畫(huà)像
更多類似文章 >>
生活服務(wù)
熱點(diǎn)新聞
分享 收藏 導(dǎo)長(zhǎng)圖 關(guān)注 下載文章
綁定賬號(hào)成功
后續(xù)可登錄賬號(hào)暢享VIP特權(quán)!
如果VIP功能使用有故障,
可點(diǎn)擊這里聯(lián)系客服!

聯(lián)系客服