用户画像

datafun资料：

DataFunTalk 易车用户画像建设与应用-20211016.pdf明略-比你更了解你，浅谈用户画像.pdf20211016自如用户画像平台建设实践与营销应用.pdfDataFunSummit-用户画像场景与技术实现方案.pdf


1.人人都需要了解用户画像
2.掌握画像平台能力建设：标签体系、人群圈选、人群洞察、人群营销、营销效果、标准接口
3.了解用户画像常见的应用：定向用户推送、个性化产品策略、客源详情等

用户画像就是与该用户相关联的数据的可视化的展现；一句话来总结就是：用户信息标签化

标签 × 属性 × 事件 的多维度交并差，灵活圈选目标人群

行为分析是基于分析场景对数据的抽象。例如常见的留存分析、分布分析、漏斗分析等等，本质上是基于用户的行为日志+用户属性数据来对用户从多个分析维度进行分析。就是把分析师写的SQL固化乘产品和数据模型来进行实现，省去人工介入的时间。

来源：https://mp.weixin.qq.com/s/ltGu9AHuVv30yWXmkfMupg

本期内容是用户画像，俗话说千人千面，那到底这千人千面该怎么挖掘呢，这千人千面又该如何应用呢，本期做个小引子，简要介绍用户画像是啥和它的应用有哪些，就拿上期做推荐系统，用户画像的标签是做特征必不可少的。
ok，开始之前先放个本文小目录：
1.什么是用户画像
2.用户画像的应用

【1】.什么是用户画像
**

用户画像，即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或产品特征属性进行刻画，并对这些特征进行分析、统计、挖掘潜在价值信息，从而抽象出用户的信息全貌。用户画像可看作企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基础。如何充分挖掘沉淀在数据仓库中的数据的价值，有效支持用户画像的建设，成为当前的重要工作。
（比如：某图书电商网站的两个运营问题：一方面在企业产品线逐渐扩张、信息资源过载的背景下，如何在兼顾自身商业目标的同时更好地满足消费者的需求，为用户带来更个性化的购物体验，通过内容的精准推荐，更好地提高用户的点击转化率；另一方面在用户规模不断增长的背景下，运营方考虑建立用户流失预警机制，及时识别将要流失的用户群体，采取运营措施挽回用户。）
用户画像可以帮助大数据“走出”数据仓库，针对用户进行个性化推荐、精准营销、个性化服务等多样化服务，是大数据落地应用的一个重要方向。

1.1 标签类型
用户画像建模其实就是对用户“打标签”，从对用户打标签的方式来看，一般分为3种类型：①统计类标签；②规则类标签；③机器学习挖掘类标签。
1.2 数据架构
1.3 主要覆盖模块
搭建一套用户画像方案整体来说需要考虑8个模块的建设，如图：

【2】.用户画像的应用
**

用户画像产品化后就成为业务人员分析用户、触达用户的有效工具，从经营分析、精准营销、个性化推荐等方面介绍用户画像的应用场景。
2.1 经营分析
2.1.1 商品分析
商品分析借助用户画像，可以对商品的销量进行分析，比如说可以快速定位到爆款品类，进一步分析购买爆款品类的用户在各个维度上的特征。
2.1.2 用户分析
借助画像产品可以了解平台用户的性别、年龄、职业等各维度特征的用户量分布特征。
2.1.3 渠道分析
渠道分析根据增长黑客理论（AARRR）模型，如图所示，将产品的营收路径拆分为激活—注册—留存—下单—传播。

2.1.4 漏斗分析
漏斗分析用于分析产品流程或关键节点的转化效果，常借助漏斗图展现转化效果。漏斗图是一种外形类似漏斗的可视化图表，使用该方法可以直观地追踪产品的整体流程、追踪业务的转化路径、追踪不同生命周期阶段下的用户群体表现。通过一系列转化率的分析，可以迅速定位问题，方便运营人员及时调整运营策略。
漏斗图的主要运用场景有以下几个：❑产品流程的关键路径转化追踪，比如电商常用的购买流程；❑业务价值路径的转化流程追踪，比如常用的AARRR模型的价值转化追踪；❑虚拟流程类指标追踪，比如按生命周期区分的处于不同生命周期阶段的用户流转形态追踪。
2.1.5 客服话术
用户标签在客服系统中也有广泛的应用。生活中经常遇到这样的场景：当我们在向某平台的客服部门投诉、咨询或反馈意见时，客服人员可以准确地说出我们在该平台的历史购买情况，上一次咨询的问题和处理结果等信息，这也是画像标签应用的场景之一（如图所示）。

2.1.6 人群特征分析
前面介绍的都是从单一维度分析用户特征，而用户人群特征分析可以通过组合标签来自定义人群，然后对自定义人群从各个维度进行透视分析或建立对照组人群做人群对比分析。
根据分析经验，在做人群分析时一定要去做对比，单纯看单个人群的分布没有太多信息含量，不对比看不出差异。借助画像产品形态，可以分析圈定的用户群在各个维度上的特征情况，如图所示：

2.2 精准营销
2.2.1 短信/邮件营销
日常生活中我们经常会从许多渠道接收到营销来的信息。一条关于红包到账的短信消息推送可能会促使用户打开已经很久没访问的App，一条关于心愿单里面图书降价的邮件消息推送可能会刺激用户打开推送链接直接下单购买。这些营销信息是如何借助画像系统实现的呢？当画像系统做成产品形态后，业务人员可以根据业务规则组合标签圈定相应人群，将该批人群推送到对应的业务系统中进行运营。
2.2.2 效果分析
精准营销是数据价值的一个重要出口，但如何评估效果好坏，不同业务线的人员有不同的关注重点。总体来看，可分为流量提升导向和GMV提升导向两种情况。有的业务线人员背的KPI指标是流量，因此关注的重点是流量提升，如负责Push业务线的人员。这种情况下，对效果的分析会对比使用圈定人群进行精准推送方式带来的点击率，与没有使用用户画像进行无差别普通推送带来的点击率相比是否有所提升、提升了多少个百分点。有的业务线人员背的KPI指标是GMV，因此关注的重点是ROI的转化，如短信营销、外呼营销的业务线人员。这种情况下，对效果的分析会关注营销活动中营销了多少用户、实际触达了多少用户、有多少用户实际付费以及带来的GMV，对比实际营销成本（短信、外呼电话的成本）分析营销的ROI。
2.3 个性化推荐与服务
在用户画像的开发过程中不仅会开发用户标签维度的数据，同时也会开发用户行为特征库、商品特征库、商家特征库等相关数据。为算法开发人员做用户相关商品、内容的个性化推荐提供底层数据支持。另外，基于画像标签系统可以为用户的个性化服务提供支持。例如，针对高质量用户提供VIP专人客服，可以让该部分头部用户享受到高质量服务，有效提升用户体验。