1、深入用户决策过程，深入研究某个具体行业的用户决策过程。
说白了就是要洞彻在这个行业里，用户决定买什么、不买什么的原因和逻辑。如汽车行业，用户决策逻辑比较清晰。一个准备购买汽车的用户，首先考虑的因素，一定是价格。有二十万预算，就买不了五十万的车，也不大会考虑十万以下的车。接下来要挑选的，就是车型了。如果家里有两个孩子，十有八九会考虑七座车；要是单身贵族，没准会弄个跑车玩玩。这两项都是比较理性甚至刚性的约束。而在这之后，才是对品牌精挑细选。
因此，汽车行业的标签体系大体应该是：价格—>车型—>品牌，注意重要程度的排序是不能错的。
2、那怎么判断用户画像结果的质量呢？这里要用到reach/CTR曲线。我们以下图为例来说说。
上图是一条典型的reach/CTR曲线：它的横坐标即reach，表示的是某个标签（例如“汽车”）触及到的用户在整体用户中的占比；它的纵坐标即CTR，表示的是该标签的用户在对应类型的广告（上例中为汽车广告）上表现出来的点击率。
为什么会是一条曲线呢？因为我们在做受众定向时，往往会在用户在该标签的得分上设置一个阈值，判断是否是该类型用户，随着阈值设置的不同，reach水平就会变化，相应地CTR也就会变化。这条曲线的最右端，即reach等于100%的点，对应的CTR是该类型广告的平均点击率，这个点跟模型无关，是固定的。而随着reach的降低，一般来说CTR会对应提高（当然这一点没有理论上的保证）。一般来说，两条reach/CTR曲线相比时，整体处于上方的曲线有较好的定向性能。
原文链接：http://api.woshipm.com/user-research/1183618.html?sf=mobile
网友评论