用户画像分析:一种分析出用户画像的简单方法

研究用户画像的方法往往很复杂,本文作者自己总结了一种通过数据分析得出用户画像的简易方法,分享给大家 。
在做任何产品之前,都会先想好受众群体 。但产品上线后发现,预设好的用户群体好像并不买单,比如很多新产品都变成了现象级产品,昙花一现 。或是伴随着产品的发展,最初的受众群体可能会发生了变化,比如最早使用QQ的那帮用户群体早已成家立业,在寝室里团体狙击CS的那帮人早已放下屠刀 。
用户发生了变化,产品就要赶紧跟进调整适应新用户群体的风口,这时候重新定位找到用户画像就变的迫在眉睫 。
用户画像是真实用户的虚拟代表,它是基于真实的,它不是一个具体的人,是根据目标的行为观点的差异区分为不同类型,迅速组织在一起,然后把新得出的类型提炼出来,形成一个类型的用户画像 。
【用户画像分析:一种分析出用户画像的简单方法】使用最多的用户画像有八要素:基本性、同理性、真实性、独特性、目标性、数量性、应用性、长久性,来寻找用户画像,可能又会吓退一批人,今天咱们就把这几个要素综合起来搬到线上,从产品的真实运营数据中来提炼,一步步分析出用户画像的标签 。
一、用户画像的3个维度我们将用户画像的8要素,在线上进行聚类整合,从而勾勒出目标用户的群体特性 。这在产品中被称为“受众定向” 。在线上研究用户画像主要围绕产品的运营数据,获取用户的基本信息和用户在产品中的网络行为,进行差异化组合分群 。
根据先后顺序依次可分为三个维度:信息画像、行为画像、分群画像 。
  • 信息画像:即用户的基本信息,属于静态数据,包括地域、性别,收入,婚否、家庭、职业、收入、资产、消费水平等 。
  • 行为画像:即用户在产品中的网络行为,又叫动态数据,包括用户的浏览习惯、访问时长、使用频次、消费记录、喜欢偏好、行为轨迹等 。
  • 分群画像:就是细分用户群体,根据产品业务的需求,将具有共同业务特性的用户贴上标签,聚合标签划分群体画像 。
1. 建立信息画像现有数据一般都是通过第三方统计平台获取到的,比如友盟等 。对于大公司或者一些保密单位,可能会开发一套自己的监测系统 。
用我们做过的一个分期购车产品的来查找信息画像,先从统计平台和数据库中提取到可提取到的用户基本信息,然后整理这些基本信息在用户群中的占比,最终整理到以下几个关键指标如下图所示:
2. 绘制行为画像产品根据市场发展和用户需求的变化不断地更新迭代,在产品迭代中获取关键变量,从而绘制出行为画像 。用户在产品中的可统计到的网络行为,主要包括使用场景、获取内容、访问路径这三块 。使用场景主要是设备终端、网络状况、访问时段等;获取内容是用户在产品中浏览的内容、完成任务、使用工具等;访问路径是用户进入产品到离开的整个行为轨迹 。
还是用分期购车产品来续,分析第二个维度行为画像 。获取跟业务相关网络行为,再统计数据占比,分析需要获取有价值的关键几个点:
3. 勾勒分群画像信息画像和行为画像整理好以后,怎么聚合这些信息,为用户贴上精准的标签,勾勒出分群画像,是需要我们接下来想办法去解决的 。这里精减到3步,首先找出极端信息值的概念,找到合理的聚合信息画像,最后绘制出合理的分群画像 。
第一步:极端值
尽量合理覆盖每组信息的“极端信息值(每组数据中占比最高或最低的信息)” 。
第二步:合理值
这里极端值的用户中,分析合理的群体 。比如下图中聚合信息画像呈现出最高值关联信息中,稳定理财但又买车买房经济压力很大,看似不合乎逻辑,但买房本来就是一种非常稳定的投资,而且这样的用户买车的概率很高,还能接受贷款 。不合理最低值的用户占比年龄都相对比较大,而且不接收网络交易的安全性,怎么还会去买股票呢?
聚合行为画像呈现出最高值关联信息中,流量来源中呈现出了一个PC端数据占据近半的现象,这其实反映出两个问题:一是移动端做的不好,二是用户群体多为上班族等 。
第三步:勾勒集合分群画像
尽量合理连接用户行为的“集合信息值(将每组数据占比较大的同其他组进行合理地组合,分析出最符合真实用户的信息值)”,即相对来说基数较大的用户群 。
勾勒出用户画像,产品需求迭代更具针对性 。但这是我们根据数据分析出来的结果,还不能说明这样的结果就是对的,接下来还需要我们做进一步用户画像的验证 。

推荐阅读