首頁 好文分享 一種分析出用戶畫像的簡單方...

一種分析出用戶畫像的簡單方法

154
0

一種分析出用戶畫像的簡單方法

研究用戶畫像的方法往往很複雜,今天我們總結了一種通過數據分析得出用戶畫像的簡易方法,分享給大家。在做任何產品之前,都會先想好受眾群體。但產品上線後發現,預設好的用戶群體好像並不買單,比如很多新產品都變成了現象級產品,曇花一現。或是伴隨著產品的發展,最初的受眾群體可能會發生了變化。

用戶發生了變化,產品就要趕緊跟進調整適應新用戶群體的風口,這時候重新定位找到用戶畫像就變的迫在眉睫。用戶畫像是真實用戶的虛擬代表,它是基於真實的,它不是一個具體的人,是根據目標的行為觀點的差異區分為不同類型,迅速組織在一起,然後把新得出的類型提煉出來,形成一個類型的用戶畫像。

使用最多的用戶畫像有八要素:基本性、同理性、真實性、獨特性、目標性、數量性、應用性、長久性,來尋找用戶畫像,可能又會嚇退一批人,今天咱們就把這幾個要素綜合起來搬到線上,從產品的真實運營數據中來提煉,一步步分析出用戶畫像的標籤出來。

一、用戶畫像的3個維度

我們將用戶畫像的8要素,在線上進行聚類整合,從而勾勒出目標用戶的群體特性。這在產品中被稱為“受眾定向”。在線上研究用戶畫像主要圍繞產品的運營數據,獲取用戶的基本訊息和用戶在產品中的網絡行為,進行差異化組合分群。

根據先後順序依次可分為三個維度:訊息畫像、行為畫像、分群畫像。

訊息畫像:即用戶的基本訊息,屬於靜態數據,包括地域、性別,收入,婚姻、家庭、職業、收入、資產、消費水平等。

行為畫像:即用戶在產品中的網路行為,又叫動態數據,包括用戶的瀏覽習慣、訪問時長、使用頻次、消費記錄、喜歡偏好、行為軌跡等。

分群畫像:就是細分用戶群體,根據產品業務的需求,將具有共同業務特性的用戶貼上標簽,聚合標簽劃分群體畫像。

  1. 建立訊息畫像

現有數據一般都是通過第三方統計平臺獲取到的,比如盟友等。對於大公司或者一些保密單位,可能會開發一套自己的監測系統。我們做過的一個分期購車產品的來查找訊息畫像,先從統計平臺和數據庫中提取到可提取到的用戶基本訊息,然後整理這些基本訊訊息在用戶群中的占比。

  1. 繪畫行為畫像

產品根據市場發展和用戶需求的變化不斷地更新疊代,在產品疊代中獲取關鍵變量,從而繪制出行為畫像。用戶在產品中的可統計到的網絡行為,主要包括使用場景、獲取內容、訪問路徑這三塊。使用場景主要是設備終端、網路狀況、訪問時段等;獲取內容是用戶在產品中瀏覽的內容、完成任務、使用工具等;訪問路徑是用戶進入產品到離開的整個行為軌跡。

還是用分期購車產品來續,分析第二個維度行為畫像。獲取跟業務相關網絡行為,再統計數據占比,分析需要獲取有價值的關鍵幾個點:

  1. 勾勒分群畫像

訊息畫像和行為畫像整理好以後,怎麼聚合這些訊息,為用戶貼上精準的標籤,勾勒出分群畫像,是需要我們接下來想辦法去解決的。這裡精減到3步,首先找出極端訊息值的概念,找到合理的聚合訊息畫像,最後繪制出合理的分群畫像。

第一步:極端值

盡量合理覆蓋每組訊息的“極端訊息值(每組數據中占比最高或最低的訊息)”。

第二步:合理值

這里極端值的用戶中,分析合理的群體。聚合訊息畫像呈現出最高值關聯訊息中,穩定理財但又買車買房經濟壓力很大,看似不合乎邏輯,但買房本來就是一種非常穩定的投資,而且這樣的用戶買車的概率很高,還能接受貸款。不合理最低值的用戶占比年齡都相對比較大,而且不接收網路交易的安全性,怎麼還會去買股票呢?

聚合行為畫像呈現出最高值關聯訊息中,流量來源中呈現出了一個PC端數據占據近半的現象,這其實反映出兩個問題:一是移動端做的不好,二是用戶群體多為上班族等。

第三步:勾勒集合分群畫像

盡量合理連接用戶行為的“集合訊息值(將每組數據占比較大的同其他組進行合理地組合,分析出最符合真實用戶的訊息值)”,即相對來說基數較大的用戶群。

勾勒出用戶畫像,產品需求疊代更具針對性。但這是我們根據數據分析出來的結果,還不能說明這樣的結果就是對的,接下來還需要我們做進一步用戶畫像的驗證。

二、驗證用戶畫像

這是我們理論分析得出的用戶畫像,但是到底對不對呢?

我們還是用同樣的方法來驗證,整理新版本上線後的真實數據尋找其中的變量,然後分析其帶來的提升或實際轉化。我們總結出以下三種方式來驗證。

  1. 驗證真實數據

產品上線後統計各組實時數據,尋找其中產品變化的數據,是否符合我們最初疊代改版的預期,分析是否符合我們勾勒的用戶畫像,變化的需要分析,沒能達到預期的就要結合一些數據變化有針對性的分析原因。

  1. A/B Test

A/B Test算是網路最常用的驗證方法了,基於用戶畫像上線後的產品同當前產品進行比對分析,驗證用戶畫像反饋需求的準確性。對於訪問量很大的產品我們通常會設置99%的用戶正常訪問到原有版本,只保留1%的用戶會被隨機切到新版本,集中新舊數據對比變化的幅度。

比如上面案例做過的分期購車的產品使用A/B Test的數據變化。

  1. 業務數據轉化驗證

產品可以為企業帶來的利潤,是衡量產品好壞的關鍵指標。雖然這屬於商業層面的考量,但也要回歸到產品層面來落實。主要還是看產品可以為業務帶來的轉化率,這是企業考核的關鍵KPI,如果轉化率跌了,可能就是白忙活一場,如果轉化率提高了,就可以作為具有說服力驗證結果。

通過不斷地疊代驗證用戶畫像,帶來用戶增長。但產品帶來大量的新增的同時,也會帶來產品需求的變化,因為用戶本身就是一個變量,產品依然需要不斷的疊代更新,才能不斷地更新驗證用戶畫像。

用戶畫像使我們更好地解決了用戶的需求,驗證我們用戶畫像方向的可行性,從而得到產品的用戶畫像。

留下一個留言

Please enter your comment!
Please enter your name here