用户画像

• 一句话表述用户画像：用户信息标签化

用户标签的建设

数据来源

• 用户属性：基本数据-注册时填写的信息
  • 显式的收集用户特征信息

• 用户行为：订单数据、浏览数据、购物车数据

  • 评估用户的兴趣度，提高个性化推荐质量

    标签的类型

• 统计类的标签

最常见，性别、年龄、城市、星座、近7日活跃时长、近7日活跃天数等可以从【注册数据、活跃数据】中统计得出

• 规则、营销的标签

运营人员确定规则设定：比如消费活跃标签 为近30日消费次数>=2。 忠诚度、影响力

• 挖掘类的标签

比如根据用户行为 判断性别。人群属性、当下需求、潜在需求

• 业务类标签

奢侈人群、有房一族、有车一族

标签的层级

常见问题

• 不同的业务场景下 分类的方式是不一样的

• 区分时间状态
  • 【高价值标签】过去的消费高 不代表未来的消费高
• 不要乱归因
  • 购买了A商品，并不代表是A商品爱好者
• 不同目标不混合
  • 分析收入时就只是看付费 不看活跃
• 观察标签的结果，二次打标