这才是我们说的用户画像

浅之浅见与君共勉

用户画像的定义

_

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集后,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5000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。

但你所去认知的这批人必须是你的典型用户,他们会用相似的方式使用你的产品,服务或消费你的品牌。

用户画像的作用

_

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,从简单粗暴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,刺激用户对产品的使用、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,需要大量对外曝光。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-起来看看》,讲的是利用公众号进行定向推送,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,那么精细化的推送策略才是完美的。

用户画像的正确建立

_

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- -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,则此人的留存率将提升30%。

★针对潜在用户,给予新人礼包,促使产生第一次购买;

★针对新用户,则需刺激他尽快产生一次复购,比如给他定向推送.上-次购买品类的其他产品,并用红包刺激下单;

★老用户则希望利用vip用户的权益来刺激他们成为老用户,比如VIP用户可享受优先发货,赠送赠品,参与试吃等活动。

之后,再通过用户的自身属性来增加用户标签。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,将会是完全不同的。对于学生来说,性价比可能是优先考虑的因素,可以重点推荐他们一些相对便宜的零食。或者做- - 些裂变活动的时候可以优先PUSH到他们。

还得考虑到学生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考虑的因素,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,还要考虑到拆包裹,吃零食的场景,考虑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。

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.上升。流失的原因会有很多,最重要的是找到用户不消费时间节点之前的关键因素。

比如:用户一段时间打开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打开次数的减少)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,然后利用机器学习建模进行预判。

需要注意的是,所有这些都是动态的,所以我将用户的回购或再浏览周期定为7天,根据不同的业务情况,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。

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。

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。


一般我们会通过用户属性和行为数据,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-个单独的个体,- -定有关联关系的,如婚恋状态、受教育程度、资产情况、收入情况、职业等。

第三类,兴趣偏好。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- -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、价格偏好、购买偏好等等。

基于营销和消费相关的标签,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 (客户关系管理)的基础,可能大家更习惯叫它用户/会员管理运营平台


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、推送等。也包含CMS (内容管理系统)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。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,530评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,403评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,120评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,770评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,758评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,649评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,021评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,675评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,931评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,751评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,410评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,004评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,969评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,042评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,493评论 2 343

推荐阅读更多精彩内容