域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過
用戶畫像是打造超級(jí)產(chǎn)品的關(guān)鍵，最初來(lái)自于大數(shù)據(jù)行業(yè)的概念。如今也成為精準(zhǔn)創(chuàng)新、精細(xì)化洞察用戶總結(jié)掛鉤。這次將從艾永亮超級(jí)產(chǎn)品公眾H所寫的文章中分析出關(guān)于打造超級(jí)產(chǎn)品的用戶畫像。希望大家看完后能夠有所啟發(fā)。
01
用戶畫像是什么？
用戶畫像是根據(jù)用戶在互聯(lián)網(wǎng)留下的數(shù)據(jù)，企業(yè)主動(dòng)或被動(dòng)收集用戶信息，最后進(jìn)行挖掘用戶的方法論。例如，用戶的性別、地區(qū)、工資甚至是喜好。
很多企業(yè)會(huì)把用戶標(biāo)簽和用戶畫像對(duì)等，但其實(shí)用戶標(biāo)簽并不等于用戶畫像，只是標(biāo)簽是企業(yè)對(duì)用戶最直觀的解釋。
用戶畫像的關(guān)于產(chǎn)品創(chuàng)新和用戶調(diào)研的方法論。當(dāng)企業(yè)在討論產(chǎn)品、用戶需求、場(chǎng)景、用戶體驗(yàn)時(shí)，通常會(huì)將焦點(diǎn)聚焦到某類用戶群體上，那么用戶畫像就是目標(biāo)用戶標(biāo)簽的集合。
這并不是具體指的是誰(shuí)，而是使用產(chǎn)品的典型用戶群體。
用戶畫像是許多數(shù)據(jù)產(chǎn)品的基礎(chǔ)，成為企業(yè)了解用戶的必要環(huán)節(jié)。、在產(chǎn)品創(chuàng)新初期，企業(yè)會(huì)通過用戶調(diào)研和交流的方式來(lái)了解用戶，當(dāng)用戶群體擴(kuò)大后，調(diào)研的效率有所降低，那么這時(shí)用戶畫像成為企業(yè)了解新增用戶特征以及核心用戶屬性是否發(fā)生變化的工具。
據(jù)艾永亮超級(jí)產(chǎn)品公眾H文章中提及的用戶畫像方法論，我們可以將用戶畫像理解為產(chǎn)品層面的數(shù)據(jù)庫(kù)，各類標(biāo)簽是多維分析的要素，數(shù)據(jù)則是起到支撐作用。
因此，許多企業(yè)都會(huì)花費(fèi)一大筆錢建設(shè)用戶畫像，但最終結(jié)果僅僅只是做了一份用戶畫像報(bào)告，例如，性別、地址、用戶消費(fèi)金額等，看上去好像挺像一回事的，但實(shí)際上看完也就看完了，難以運(yùn)用到產(chǎn)品當(dāng)中。
很多用戶畫像報(bào)告做得確實(shí)挺好，但最終都淪為*。
舉個(gè)例子，在艾永亮超級(jí)產(chǎn)品公眾H所寫的文章中，曾有讀者吐槽，企業(yè)建立了用戶畫像，大概劃分了百來(lái)個(gè)維度，例如，用戶的消費(fèi)情況、屬性以及行為等....這樣的用戶畫像足夠了解用戶了吧，結(jié)果產(chǎn)品上線后只能干瞪眼。
這個(gè)問題就在于，用戶有那么多維度，怎么樣合理地選擇標(biāo)簽？難道不應(yīng)該對(duì)用戶層級(jí)進(jìn)行分類？應(yīng)該累計(jì)消費(fèi)多少金額才能成為VIP用戶，后期該如何維護(hù)和持續(xù)洞察用戶？為什么要選擇這幾個(gè)標(biāo)準(zhǔn)？產(chǎn)品發(fā)生變化后要修改這個(gè)標(biāo)簽嗎？
搭建好標(biāo)簽后，該如何驗(yàn)證用戶畫像的有效性？怎么樣才能知道我的產(chǎn)品成功了？有沒有更多的應(yīng)用場(chǎng)景？
我想這就是很多企業(yè)面臨的類型情況，使用用戶畫像一段時(shí)間后，發(fā)現(xiàn)沒什么作用，到了后期基本上也就不再使用了。
建立起用戶畫像，卻難以應(yīng)用。
02
如何理解用戶畫像
現(xiàn)在企業(yè)按照產(chǎn)品周期設(shè)立了幾個(gè)標(biāo)簽，例如，活躍用戶、新用戶。流失用戶，這些標(biāo)簽都能夠進(jìn)行細(xì)分？但你能確定這真的值得企業(yè)花費(fèi)時(shí)間細(xì)分嗎？
要知道這些都存在滯后性的，按照流失用戶來(lái)說，往往這類用戶是在很長(zhǎng)時(shí)間未曾使用過產(chǎn)品，有時(shí)候是好幾個(gè)月才被成為流失用戶，因此，哪怕知道這是流失用戶也無(wú)濟(jì)于事，這是有價(jià)值的，但太滯后了。
在艾永亮超級(jí)產(chǎn)品公眾H文章中關(guān)于這點(diǎn)提到了一個(gè)新方法，將最近一次活躍到今天的數(shù)據(jù)，用戶六個(gè)月沒有活躍，那么就為180天。這比簡(jiǎn)單記錄流失用來(lái)要來(lái)得好，能夠劃分為不同的距今天數(shù)進(jìn)行分類，設(shè)定時(shí)間為30天、90天。180天為節(jié)點(diǎn)。
當(dāng)然，距今天數(shù)并不是最好的，用戶之間還是有差異的，哪怕他們不活躍的天數(shù)相同，但流失率不一定對(duì)等。該問題在低頻場(chǎng)景中尤為明顯。
讓我們回頭再次分析關(guān)于流失用戶的定義，首先，并不是為了設(shè)立一個(gè)高大上的系統(tǒng)。其次，是為了如何挽留。我相信任何一家企業(yè)都希望流失用戶越少越好，那么在產(chǎn)品沒問題的前提下，預(yù)防性的減少流失用戶比記錄流失用戶更重要。
因此，最好的流失用戶標(biāo)簽為：流失率>距今天數(shù)>流失標(biāo)簽。
當(dāng)然，在這個(gè)過程中我們不能忽略用戶畫像的核心價(jià)值，那就是在確定產(chǎn)品創(chuàng)新的目標(biāo)下的用戶標(biāo)簽集合，通過數(shù)據(jù)進(jìn)行驗(yàn)證后進(jìn)行精準(zhǔn)推薦，這才是用戶畫像背后的邏輯。
不是因?yàn)槲矣辛擞脩舢嬒癫拍茯?qū)動(dòng)產(chǎn)品進(jìn)行創(chuàng)新，而是為了創(chuàng)新而建立用戶畫像。
用戶畫像可以通過兩種形式獲得，一種是基于已有數(shù)據(jù)、流失標(biāo)簽和距今天數(shù)，另一種是已有數(shù)據(jù)計(jì)算概率模型，需要運(yùn)用到機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘。
概率處于0~1之間的數(shù)據(jù)。就拿性別來(lái)說，除非能夠獲得用戶的信息，否則很少用戶會(huì)填寫性別，而且填寫的性別也不一定精準(zhǔn)，多少游戲中性別為女的摳腳大漢一抓一大把。
在這里我們可以增加判斷用戶性別的算法，例如，名字、通過已有的姓名性別庫(kù)預(yù)測(cè)新用戶的性別。
特殊情況下，不少中性的姓名，更有看似男性名字，也有可能是女性。這種特殊情況意味著特殊概率，那么我們可以通過模型進(jìn)行推斷，當(dāng)然為了方便，在模型中會(huì)設(shè)立閾值，百分之多少以上的概率會(huì)被認(rèn)為該用戶是男性，以下則默認(rèn)為女性。
除了生理上的性別，還需要建立消費(fèi)模具上的性別標(biāo)簽，雖然有些人是男性，但他們?cè)谫?gòu)物行為上為女性，對(duì)于這點(diǎn)要進(jìn)行區(qū)分。
03
總結(jié)
看到這里大家可能覺得用戶畫像太過于復(fù)雜，其實(shí)用戶畫像是基于產(chǎn)品模型，用于理解用戶決策，結(jié)合場(chǎng)景以及產(chǎn)品形態(tài)還有用戶需求.....這些都離不開用戶畫像。
對(duì)于企業(yè)而言，沒有一個(gè)用戶畫像標(biāo)簽?zāi)軌蛎撾x產(chǎn)品之外，基于產(chǎn)品，我們可以想象很多關(guān)于用戶畫像的玩法，例如，你開了一家沙拉門店，那么沙拉有不同的口味，那就可以分為用戶口味偏好，喜好程度，相似度，價(jià)格偏好，在深入場(chǎng)景，某個(gè)辦公室地點(diǎn)每天都會(huì)有五六筆訂單，那么可以分為不同的用戶不同的時(shí)間段，根據(jù)后臺(tái)數(shù)據(jù)，以團(tuán)購(gòu)或拼單的模式促進(jìn)訂單合成，降低人力成本。
用戶畫像可以按照產(chǎn)品劃分為多個(gè)模塊，例如，用戶消費(fèi)畫像、用戶行為畫像、用戶興趣畫像、具體的畫像如何還是要看產(chǎn)品的最終形態(tài)。
企業(yè)越大，用戶畫像就越復(fù)雜，它的作用在于將數(shù)據(jù)進(jìn)行標(biāo)簽化，促進(jìn)產(chǎn)品進(jìn)行創(chuàng)新，不同標(biāo)簽對(duì)應(yīng)著不同的用戶群體，也對(duì)應(yīng)著不同的用戶需求。
好的用戶畫像就像數(shù)據(jù)生態(tài)體系，結(jié)合著產(chǎn)品和企業(yè)的生態(tài)體系，這是一門復(fù)雜的交叉領(lǐng)域，因此，不僅僅局限于一種方法論，希望大家能將其核心思想吃透。
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
