美文网首页
通过产品数据勾勒用户画像

通过产品数据勾勒用户画像

作者: VV体验 | 来源:发表于2018-12-28 11:51 被阅读0次

    用户画像的3个维度  

    用户画像是根据产品业务需要,将多维度统计到的用户信息进行聚类整合,从而勾勒出目标用户的群体特性。在产品中被称为“受众定向”,用户画像不仅可以得到精准的用户需求,还能反映出产品存在的问题。研究用户画像主要围绕产品的运营数据,通过用户的基本信息和产品中的网络行为,勾勒出不同群体的用户画像。可划分为递进的三个维度: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。

    图1-1 用户画像的三个维度

    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。其实友盟做得还算比较成功,自己开发的不一定会比友盟好用,在友盟上可以清晰地查到新增、日活、启动、留存、渠道、终端等。很多互联网产品在初期都会选择友盟统计。先获取用户的基本信息即静态数据,建立起信息画像的雏形。

    图1-2 识别用户的方式

    我们做过的分期购车产品的信息画像。通过统计平台和数据库获取的到的信息归类,这些信息在用户群中的占比,分几个维度如下图所示:

    图1-3 分期购车产品用户的信息画像

    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。比如产品规划、用户反馈、热点事件、内容策划、活动运营等需求。迭代不单单是产品规划的需求,更是在满足用户的需求。通过迭代产品可以使得行为画像变的慢慢清晰,再通过数据来分析。

    我们做过的一款违章查询类的产品,每天的新增比较稳定,用户总量数还算比较庞大,但用户的使用频次很低,好多用户一个月才来一次。团队就想办法怎么才能提高用户的使用频次。我们同第三方平台谈成合作,在产品迭代中增加了在线缴纳罚款的功能,上线后一段时间内带来用户的直线上升。

    图1-4 违章查询的迭代

    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。

    图1-5 用户的网络行为

    我们还是以上面那个分期购车的例子来续,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,分几个维度来分析:

    图1-6 分期购车产品用户的行为画像

    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,贴上标签,勾勒出分群画像,是需要我们想办法解决的。

    第一步: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)”。

    图1-7 聚合信息画像

    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?

    图1-8 聚合行为画像

    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。

    第二步: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。

    图1-9 集合信息值组合用户画像

    验证用户画像

    这是我们理论分析得出的用户画像,但是到底对不对呢?这就需要通过产品上线后的真实数据反馈出来,我们总结出以下三种方式来验证。

    1. 验证真实数据

    产品上线后统计各组实时数据,分析是否符合真实用户的画像的预期,再结合一些数据变化有针对性的分析原因。

    2. A/B Test

    A/B Test算是互联网最常用的验证方法了,基于用户画像上线后的产品同当前产品进行比对分析,验证用户画像反馈需求的准确性。对于访问量很大的产品我们通常会设置99%的用户正常访问到原有版本,只保留1%的用户会被随机切到新版本,集中新旧数据对比变化的幅度。比如上面案例做过的分期购车的产品使用A/B Test的数据变化,如下图:                                                   

    图1-10 分期购车A/B

    3. 业务数据转化验证

    产品可以为企业带来的利润,是衡量产品好坏的关键指标。虽然这属于商业层面的考量,但也要回归到产品层面来落实。主要还是看产品可以为业务带来的转化率,这是企业考核的关键KPI,如果转化率跌了,可能就是白忙活一场,如果转化率提高了,就可以作为具有说服力验证结果。上面案例的分期购车产品中的数据来展示一下,如下图:

    图1-11 分期购车带来转化率提升

    通过不断地迭代验证用户画像,带来用户增长。但产品带来大量的新增的同时,也会带来产品需求的变化,因为用户本身就是一个变量,产品依然需要不断的迭代更新,才能不断地更新验证用户画像。     

    用户画像使我们更好地解决了用户的需求,验证我们用户画像方向的可行性,从而得到产品的用户画像。 

    相关文章

      网友评论

          本文标题:通过产品数据勾勒用户画像

          本文链接:https://www.haomeiwen.com/subject/bfrslqtx.html