让数据 “讲故事”,用户画像可视化

  • A+
所属分类:赛迪思

在互联网逐渐步入大数据时代后,不可避免的给企业消费者行为带来一系列改变和重塑。其中最大的变化莫过于, 消费者的一切行为在企业面前似乎都是“可视化”的。随着大数据技术的深入研究与应用,企业的专注点日益聚焦于怎样利用大数据来为精准营销服务,进而深入挖掘潜在的商业价值。于是,“用户画像”的概念也就应运而生。用户画像(User Profile),作为大数据的根基,完美地抽象出一个用户的信息全貌,为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息,提供了足够的数据基础,奠定了大数据时代的基石。

简而言之,用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”, 而一个标签通常 是人为规定的精炼的特征标识,如年龄、性别、地域、 用户偏好等,最后将用户的所有标签综合来看,可以勾勒出该用户的立体“画像”了。

最后完美地抽象出一个用户的商业全貌作是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础, 能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。

下面看看SatisfyBI如何做用户画像分析,主要分为四个阶段:

数据收集:大致分为网络行为数据、服务内行为数据、用户内容偏好数据、用户交易数据这四类。网络行为数据:活跃人数、页面浏览量、访问时长、激活率、外部触点、社交数据等;

服务内行为数据:浏览路径、页面停留时间、访问深度、唯一页面浏览次数等 ;

用户内容便好数据:浏览/收藏内容、评论内容、互动内容、生活形态偏好、品牌偏好等 ;

用户交易数据(交易类服务):贡献率、客单价、连带率、回头率、流失率等。

储存用户行为数据时最好同时储存下发生该行为的场景,以便更好地进行数据分析。

建模体系:对用户画像进行数据建模,结合客户实际的需求,找出相关的数据实体,以数据实体为中心规约数据维度类型和关联关系, 形成符合用户实际情况的建模体系。维度分解:用户、 商品、渠道三类数据实体为中心,进行数据维度分解和列举。 根据相关性原则,选取和战略目的相关的数据维度,避免产生过多无用数据干扰分析过程。应用流程:针对不同角色人员的需求(如市场、销售、研发等),设计各角色人员在用户画像工具中的使用功能和应用/操作流程。

用户画像基本成型:用户画像既应根据变化的基础数据不断修正,又要根据已知数据来抽象出新的标签使用户画像越来越立体,基于大数据的用户画像构建。 关于“标签化”,一般采用多级标签、多级分类,比如

第一分类: 人口属性、资产特征、营销特性、兴趣爱好、购物爱好、需求特征

第二分类:消费习惯、用户行为

第三分类:地理位置……

数据可视化:这是把用户画像真正利用起来的一步,在此步骤中一般是针对群体的分析,比如可以根据用户价值 来细分出核心用户、评估某一群体的潜在价值空间,以作出针对性的运营。

用户画像的意义

完善产品运营,提升用户体验:改变以往闭门造车的生产模式,通过事先调研用户需求,设计制造更适合用户的产品, 提升用户体验。

精准营销,分析产品潜在用户,针对特定群体利用短信邮件等方式进行营销。

  • 我的微信
  • 这是我的微信扫一扫
  • weinxin
  • 我的QQ
  • 这是我的QQ扫一扫
  • weinxin

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: