00

引言

前段時間上了一個用戶畫像的課程，授課老師是《用戶畫像：方法論與工程化解決方案》的作者趙宏田老師；另外也研讀了一些講述用戶畫像的文章。

基于對上述學習內(nèi)容的理解，同時結(jié)合工作實踐，通過本文和大家分享下有關(guān)用戶畫像的認知、建設方法、產(chǎn)品化和應用。

01

初識用戶畫像

1.1 用戶畫像

隨著用戶的一切行為數(shù)據(jù)可以被企業(yè)追蹤到，企業(yè)的關(guān)注點日益聚焦在如何利用大數(shù)據(jù)為經(jīng)營分析和精準營銷服務，而要做精細化運營，首先要建立本企業(yè)的用戶畫像。

提到用戶畫像的概念，我們區(qū)分下用戶角色（Persona）和用戶畫像（Profile）：

1.1.1 用戶角色（Persona）

用戶角色本質(zhì)是一個用以溝通的工具，當我們討論產(chǎn)品、需求、場景、用戶體驗的時候，為了避免在目標用戶理解上的分歧，用戶角色應運而生。用戶角色建立在對真實用戶深刻理解，及高精準相關(guān)數(shù)據(jù)的概括之上，虛構(gòu)的包含典型用戶特征的人物形象。如下是一個典型的用戶角色：

1.1.2 用戶畫像（Profile）

用戶畫像更多被運營和數(shù)據(jù)分析師使用，精準營銷、經(jīng)營分析、個性化推薦都是基于用戶畫像的應用。用戶畫像是各類描述用戶數(shù)據(jù)的變量集合，能夠準確描述任何一個真實用戶。如下是一個簡化的用戶畫像：

{ "ID": 123456,

"姓名": "張建國",

"性別": "男",

"出生年月": 631123200,

"籍貫": "北京",

"居住地": "北京",

"教育背景":

{ "學校":"北京大學",

"專業(yè)": "CS",

"入學年月":1220198400

}

}

1.2 用戶標簽和用戶畫像

1.2.1 用戶標簽

用戶標簽，即對用戶某個維度屬性的描述，具有相互獨立、可枚舉窮盡的特點。采集業(yè)務、日志、埋點等數(shù)據(jù)后，經(jīng)過不同統(tǒng)計方式計算出用戶屬性、用戶行為、用戶消費、風險控制、社交等維度標簽。例如：性別、年齡、近30日訪問次數(shù)、購買水平、經(jīng)常活躍時間段等。有關(guān)用戶標簽體系建設的詳細描述，見「2 建設標簽和標簽體系」章節(jié)。

1.2.2 用戶畫像

構(gòu)建用戶畫像，就是給用戶打上各種維度的標簽。從業(yè)務價值來說，標簽和畫像是類似中間層的系統(tǒng)模塊，為數(shù)據(jù)驅(qū)動運營奠定了基礎，可以幫助大數(shù)據(jù)“走出”數(shù)據(jù)倉庫，針對用戶進行個性化推薦、精準營銷等多樣化服務。有關(guān)用戶畫像系統(tǒng)、落地應用的詳細描述，見「3 用戶畫像產(chǎn)品化」「4 用戶畫像應用」「5 用戶畫像實踐案例」章節(jié)。

1.3 用戶群組和用戶標簽

用戶標簽和用戶群組是兩個容易混淆、具有迷惑的概念，下面嘗試區(qū)分：

1.3.1 用戶群組

需要用戶屬性和行為組合，才能圈選出全面的目標群體。只有行為數(shù)據(jù)，只能看到這個人做過什么事，但這個人是男是女、年齡多大、注冊多久 、購買能力如何等信息都不知道，這樣圈選出的用戶群是有缺陷的，一般不會直接應用于精準營銷場景。

1.3.2 用戶標簽

建立用戶標簽，不用非要組合用戶屬性和行為事件，單用用戶屬性可以，單用行為事件也可以。基于用戶屬性、行為事件計算出的用戶標簽，本質(zhì)也是用戶屬性，或者說用戶屬性本身就是標簽。

1.3.3 群組是標簽的一種應用方式

標簽作為一個中間層系統(tǒng)模塊，在精準營銷場景，往往不會只使用一個標簽進行推送，更多情況下需要組合多個標簽來滿足業(yè)務上對人群的定義，見下圖：

這里通過一個場景來介紹基于用戶標簽圈選用戶群組的應用。某女裝大促活動期間，渠道運營人員需要篩選出平臺上的優(yōu)質(zhì)用戶，并通過短信、郵件、Push等渠道進行營銷。

第1步：通過圈選“瀏覽”“收藏”“加購”“購買”“搜索”與該女裝相關(guān)品類的標簽來篩選出可能對該女裝感興趣的潛在用戶

第2步：組合其他標簽（如“性別”“消費金額”“活躍度”等）篩選出對應的高質(zhì)量用戶群，推送到對應渠道。

因此，將用戶屬性、行為事件數(shù)據(jù)抽象成標簽后，可通過組合標簽方式找到目標潛在用戶人群。從這個角度理解，用戶群組是用戶標簽應用的一種方式。

02

建設標簽和標簽體系

2.1 標簽的分類

標簽本身會有很多分類方式，但從標簽的實現(xiàn)規(guī)則來看，大致可以分為以下3種類型：① 統(tǒng)計類標簽、② 規(guī)則類標簽、③ 機器學習挖掘類標簽。

2.1.1 統(tǒng)計類標簽

這類標簽是最為基礎也最為常見的標簽類型，例如，對于某個用戶來說，其性別、年齡、城市、星座、近7日活躍時長、近7日活躍天數(shù)、近7日活躍次數(shù)等字段可以從用戶注冊數(shù)據(jù)、用戶訪問、消費數(shù)據(jù)中統(tǒng)計得出。該類標簽構(gòu)成了用戶畫像的基礎。

2.1.2 規(guī)則類標簽

該類標簽基于用戶行為、用戶屬性和確定的規(guī)則產(chǎn)生。例如，對平臺上“消費活躍”用戶這一口徑的定義為“近30天交易次數(shù)≥2”。在實際開發(fā)畫像的過程中，由于運營人員對業(yè)務更為熟悉，而數(shù)據(jù)人員對數(shù)據(jù)的結(jié)構(gòu)、分布、特征更為熟悉，因此規(guī)則類標簽的規(guī)則由運營人員和數(shù)據(jù)人員共同協(xié)商確定。

2.1.3 機器學習挖掘類標簽

該類標簽通過機器學習挖掘產(chǎn)生，用于對用戶的某些屬性或某些行為進行預測判斷。例如，根據(jù)一個用戶的行為習慣判斷該用戶是男性還是女性、根據(jù)一個用戶的消費習慣判斷其對某商品的偏好程度。該類標簽需要通過算法挖掘產(chǎn)生。

在項目工程實踐中，一般統(tǒng)計類和規(guī)則類的標簽即可以滿足應用需求，在開發(fā)中占有較大比例。機器學習挖掘類標簽多用于預測場景，如判斷用戶性別、用戶購買商品偏好、用戶流失意向等。一般地，機器學習標簽開發(fā)周期較長，開發(fā)成本較高，因此其開發(fā)所占比例較小。

事實上，最終標簽體系中是以用戶視角定義的，需要結(jié)合具體的業(yè)務。比如某電商業(yè)務標簽分類，用戶屬性維度標簽、用戶行為維度標簽、用戶消費維度標簽、風險控制維度標簽、社交屬性維度標簽。

2.2 標簽建設流程

下圖是一個標簽建設流程，會側(cè)重產(chǎn)品經(jīng)理視角，主要描述需求的分析過程和產(chǎn)出文檔，同時對標簽的開發(fā)原理進行簡單總結(jié)。

2.2.1 需求收集與分析

在需求收集與分析環(huán)節(jié)，可以按還原業(yè)務流程——明確商業(yè)目的——從策略推標簽——匯聚標簽的步驟開展。

某服裝零售商，通過布局線上商城和線下實體店來擴大經(jīng)營。線上的話，主要是通過微信公眾號引流到小程序，然后在小程序完成交易。下面通過該服裝零售案例，具體描述下，如何進行標簽需求的收集與分析：

1、識別分析業(yè)務流程和業(yè)務場景觸點

用戶畫像是基于業(yè)務的，因此，構(gòu)建標簽的第一個步驟就是識別與分析用戶的決策流程和業(yè)務場景，以便快速熟悉業(yè)務。參考下方案例業(yè)務流程的還原：

首先是通過各種場景被吸引來的微信用戶關(guān)注公眾號成為了粉絲，然后公眾號運營人員會給微信粉絲推送圖文消息進行粉絲運營，同時把粉絲引流到小程序商城，公眾號粉絲最終會在小程序商城成交轉(zhuǎn)化。在整個過程中，公眾號運營人員會持續(xù)進行微信粉絲的維護和流失粉絲的挽回等運營工作。

此處推薦：

《有效需求分析》中詳細需求篇業(yè)務功能支持主線需求分析方法

2、明確每個業(yè)務場景觸點的商業(yè)目的

這一步基于之前對業(yè)務流程的梳理，洞察業(yè)務問題，明確想要達到什么商業(yè)目的，并對商業(yè)目的進行拆分。參考下方案例從明確整體商業(yè)目標，到商業(yè)目標拆解和量化的過程：

O：假設該服裝零售商線上的布局已經(jīng)比較完善，現(xiàn)階段的首要商業(yè)目的就是提升銷售金額，因此“提升銷售金額”就是該零售電商的北極星指標，那么提升流量、提升轉(zhuǎn)化率、提升客單價、提升復購率就是拆解后的核心指標。

S：此處假設想要提升進入小程序商城的流量，可以采取的策略也很多。比如，通過掃碼關(guān)注后推送優(yōu)惠券方式吸引更多的微信用戶關(guān)注成為粉絲；再比如，產(chǎn)出更高質(zhì)量微信圖文，更好的運營微信私域流量。

M：緊接上一步，針對推送優(yōu)惠券吸引用戶關(guān)注公眾號這個策略，我們可以重點關(guān)注通過掃碼方式關(guān)注公眾號比率、取關(guān)的比率，新舊粉絲的比率。

此處推薦：

OSM模型（Objective、Strategy、Measurement）

銷售公式=流量*轉(zhuǎn)化率*客單價*復購率

3、從商業(yè)目的導向運營策略設計及用戶標簽需求

針對不同商業(yè)目的，對標簽體系的建設也是不一樣的，因此要從運營策略推導出標簽。比如業(yè)務部門要做個性化推薦，做關(guān)于物或者人的興趣、偏好的標簽會比較有價值；但是如果要做精細化運營，關(guān)于用戶的留存、活躍標簽會更有價值。參考下方用戶標簽選用的案例：

把提升掃碼方式關(guān)注率作為量化的目標，選用的運營策略是通過推送優(yōu)惠券方式吸引微信用戶掃碼，新粉絲掃碼關(guān)注后推送100元優(yōu)惠券，老粉絲掃碼后推送50元優(yōu)惠券，那么執(zhí)行運營策略過程中需要用到“是否新粉絲”這個標簽。

在此階段，可以準備一個簡單的記錄溝通內(nèi)容的Excel模板，列表頭包括標簽名、標簽規(guī)則、使用場景等，和業(yè)務方一起把溝通內(nèi)容記錄下來。

4、組織標簽

關(guān)于組織標簽，需要基于對業(yè)務和策略的理解，以用戶視角進行分類管理。下面是一個參考框架：

（1）用戶屬性類標簽：性別、年齡、省份、城市、注冊日期、手機號碼等

（2）用戶行為類標簽：近30日訪問次數(shù)、近30日客單價、近30日活躍天數(shù)、近30日訪問時長、平均訪問深度等

（3）用戶消費類標簽：收入狀況、購買力水平、已購商品、購買渠道偏好、最后購買時間、購買頻次等

（4）商品品類類標簽：高跟鞋、靴子、襯衫、法式連衣裙、牛仔褲等

（5）社交屬性類標簽：經(jīng)常活躍的時間段、活躍地點、單身、評價次數(shù)、好評度等

2.2.2 產(chǎn)出標簽需求文檔

經(jīng)過前面的需求收集與分析，已明確了業(yè)務方的標簽需求。為了順利交付研發(fā)，接下來還需要：撰寫標簽體系文檔——根據(jù)標簽規(guī)則確定埋點——撰寫數(shù)據(jù)需求文檔。

1、撰寫標簽體系文檔

在此環(huán)節(jié)，數(shù)據(jù)產(chǎn)品經(jīng)理需要根據(jù)前期和業(yè)務方的溝通內(nèi)容，產(chǎn)出具體的標簽體系文檔：

（1）標簽ID：例如， ATTRITUBE_U_01_001， 其中“ATTRITUBE”為人口屬性主題，“_”后面的”U”為userid維度，“_”后面“01”為一級歸類，最后面的“001”為該一級標簽下的標簽明細

（2）標簽名稱：英文格式名稱，例如，famale

（3）標簽漢語：女

（4）標簽主題：描述標簽所屬的主題，例如，用戶屬性維度標簽、用戶行為維度標簽、用戶消費維度標簽

（5）標簽層級ID：標簽所屬的層級，一般會分為2級

（6）名稱：與ID對應的名稱

（7）標簽類型：統(tǒng)計類標簽、規(guī)則類標簽、機器學習算法類標簽

（8）更新頻率：實時更新、離線T+1更新、單次計算

（9）標簽算法規(guī)則：

需要描述選擇哪張數(shù)據(jù)表中的具體哪個字段，若需要多張表做關(guān)聯(lián)，還需要說明通過什么字段進行join

具體的算法邏輯和統(tǒng)計周期，比如“近7天支付次數(shù)”，就是需要統(tǒng)計近7天支付的總次數(shù)。

（10）使用場景描述

（11）排期

（12）開發(fā)人

（13）需求方

（14）優(yōu)先級

2、根據(jù)標簽規(guī)則確定埋點

前面已經(jīng)明確了標簽的算法規(guī)則，接下來要進一步確定應該埋哪些點來采集所需的數(shù)據(jù)，下面是一個具體案例：

針對“購買商品品類偏好”這個標簽，會用到點擊下單按鈕事件數(shù)據(jù)，以及商品名稱、商品分類等事件屬性數(shù)據(jù)，那么就需要對點擊下單按鈕事件進行埋點。

3、撰寫數(shù)據(jù)需求文檔

埋點取哪些數(shù)據(jù)已經(jīng)確定了，就需要產(chǎn)出具體的數(shù)據(jù)需求文檔，交付負責埋點的開發(fā)同事進行埋點取數(shù)了。在數(shù)據(jù)需求文檔，應該明確以下內(nèi)容：

（1）埋點名：click_order

（2）埋點顯示名：點擊下單按鈕

（3）上報時機：根據(jù)實際情況，選擇是何時進行上報。比如對于點擊下單事件，可以選擇點擊了下單按鈕時就進行上報

（4）埋點形式：根據(jù)實際情況，選擇是客戶端埋點，還是服務端埋點。比如“購買商品品類偏好”標簽的下單按鈕點擊事件，因為只是想判斷用戶對購買商品的偏好，用戶點擊按鈕后已經(jīng)能說明是否有偏好了，不需要等服務端返回是否成功的提醒，因此適合采用客戶端埋點形式

（5）屬性名：事件屬性的名稱，比如點擊下單按鈕事件的商品名稱屬性

（6）屬性值：比如襯衫

（7）備注

實際工作中，撰寫標簽體系文檔、根據(jù)標簽規(guī)則確定埋點、撰寫數(shù)據(jù)需求文檔，會是一個互相完善補充的過程。

2.2.3 標簽的開發(fā)

在整個工程化方案中，系統(tǒng)依賴的基礎設施包括Spark、Hive、HBase、Airflow、MySQL、Redis、Elasticsearch。除去基礎設施外，系統(tǒng)主體還包括ETL作業(yè)、用戶畫像主題建模、標簽結(jié)果數(shù)據(jù)在應用端的存儲3個重要組成部分。如圖所示是用戶畫像數(shù)倉架構(gòu)圖，下面對其進行簡單介紹。

1、Hive數(shù)據(jù)倉庫ETL作業(yè)

下方虛線框中為常見的數(shù)據(jù)倉庫ETL加工流程，也就是將每日的業(yè)務數(shù)據(jù)、日志數(shù)據(jù)、埋點數(shù)據(jù)等經(jīng)過ETL過程，加工到數(shù)據(jù)倉庫對應的ODS層、DW層、DM層中。

2、Hive數(shù)據(jù)倉庫用戶畫像主題建模

中間的虛線框即為用戶畫像建模的主要環(huán)節(jié)，會對基于數(shù)據(jù)倉庫ODS層、DW層、DM層中與用戶相關(guān)數(shù)據(jù)進行二次建模加工。

3、標簽結(jié)果數(shù)據(jù)在應用端的存儲

在用戶畫像主題建模過程中，會將用戶標簽計算結(jié)果寫入Hive，由于不同數(shù)據(jù)庫有不同的應用場景，下面分別進行描述：

（1）MySQL

作為關(guān)系型數(shù)據(jù)庫，在用戶畫像中可用于元數(shù)據(jù)管理、監(jiān)控預警數(shù)據(jù)、結(jié)果集存儲等應用中。下面詳細介紹這3個應用場景：

元數(shù)據(jù)管理：

MySQL具有更快的讀寫速度，平臺標簽視圖中（Web端產(chǎn)品）的標簽元數(shù)據(jù)可以維護在MySQL關(guān)系數(shù)據(jù)庫中，便于標簽的編輯、查詢和管理。

監(jiān)控預警數(shù)據(jù)：

在對畫像的數(shù)據(jù)監(jiān)控中，調(diào)度流每跑完相應的模塊，就將該模塊的監(jiān)控數(shù)據(jù)插入MySQL中，當校驗任務判斷達到觸發(fā)告警閾值時，就觸發(fā)告警。

結(jié)果集存儲：

存儲多維透視分析用的標簽、圈人服務用的用戶標簽、當日記錄各標簽數(shù)量等。

（2）HBase

與Hive不同的是，HBase能夠在數(shù)據(jù)庫上實時運行，而不是跑MapReduce任務，適合進行大數(shù)據(jù)的實時查詢。下面通過一個案例來介紹HBase在畫像系統(tǒng)中的應用場景和工程化實現(xiàn)方式：

某渠道運營人員為促進未注冊的新安裝用戶注冊、下單，計劃通過App首頁彈窗發(fā)放紅包或優(yōu)惠券的方式進行引導。每天畫像系統(tǒng)的ETL調(diào)度完成后對應人群數(shù)據(jù)就被推送到廣告系統(tǒng)（HBase數(shù)據(jù)庫進行存儲）。滿足條件的新用戶來訪App時，由在線接口讀取HBase數(shù)據(jù)庫，在查詢到該用戶時為其推送該彈窗。

（3）Elasticsearch

是一個開源的分布式全文檢索引擎，可以近乎實時地存儲、檢索數(shù)據(jù)。對于用戶標簽查詢、用戶人群計算、用戶群多維透視分析這類對響應時間要求較高的場景，也可以考慮選用Elasticsearch進行存儲。

2.2.4 標簽發(fā)布與效果追蹤

通過開發(fā)測試，上線后需要持續(xù)追蹤標簽應用效果及業(yè)務方反饋，調(diào)整優(yōu)化模型及相關(guān)權(quán)重配置。

03

用戶畫像產(chǎn)品化

從業(yè)務價值來說，標簽和畫像類似一個為前臺服務提供數(shù)據(jù)支持的中間層系統(tǒng)模塊。開發(fā)完畫像標簽數(shù)據(jù)，如果只是“躺在”數(shù)據(jù)倉庫中，并不能發(fā)揮更大的業(yè)務價值。只有將畫像數(shù)據(jù)產(chǎn)品化后才能以標準方式提升數(shù)據(jù)處理鏈路上各個環(huán)節(jié)的效率，同時也更便于業(yè)務方使用。下面分別從產(chǎn)品化后涵蓋的標簽生產(chǎn)架構(gòu)和功能模塊兩個角度進行總結(jié)：

3.1 用戶畫像產(chǎn)品系統(tǒng)架構(gòu)

下圖是一個用戶畫像產(chǎn)品系統(tǒng)的結(jié)構(gòu)圖，數(shù)據(jù)是從左到右的，主要包括數(shù)據(jù)采集、數(shù)據(jù)接入、數(shù)據(jù)整合/標簽計算、標簽應用4個層級。下面嘗試對其進行簡單描述：

3.1.1 數(shù)據(jù)采集

在數(shù)據(jù)采集模塊，主要通過客戶端/服務端SDK、導入、對接第三方應用3種埋點方式進行日志數(shù)據(jù)、業(yè)務數(shù)據(jù)、第三方數(shù)據(jù)的采集。

1、SDK

（1）客戶端SDK：通過客戶端SDK埋點，可以采集iOS、Android、小程序、網(wǎng)站等各種客戶端的用戶行為數(shù)據(jù)和用戶屬性信息。

（2）服務端SDK：若數(shù)據(jù)已經(jīng)存在數(shù)據(jù)庫、數(shù)據(jù)倉庫，比如訂單信息，可以使用對應開發(fā)語言的服務端SDK進行數(shù)據(jù)的采集。

2、Importer

可以根據(jù)運行環(huán)境、源數(shù)據(jù)格式、導入數(shù)據(jù)量的大小等影響因素，選擇不同大導入方式，把歷史文件數(shù)據(jù)導進用戶畫像產(chǎn)品系統(tǒng)。

3、Link

針對不同第三方產(chǎn)品OpenAPI的特點，采用接收事件消息推送、或主動輪詢方式采集用戶在不同第三方應用系統(tǒng)的個人屬性和行為事件數(shù)據(jù)。

3.1.2 數(shù)據(jù)接入

埋點數(shù)據(jù)先大量進入Kafka，然后慢慢消費接入后續(xù)的數(shù)據(jù)整合存儲系統(tǒng)。

3.1.3 數(shù)據(jù)整合/標簽計算

在用戶畫像系統(tǒng)中，主要使用Hive作為數(shù)據(jù)倉庫，進行ETL處理，開發(fā)相應的用戶屬性表和用戶行為表，以及標簽的計算。

1、數(shù)據(jù)整合

各種渠道接進來的數(shù)據(jù)，存在孤立、空值、格式不對應、超過極限范圍等數(shù)據(jù)質(zhì)量問題，因此需要進行臟數(shù)據(jù)清洗、格式轉(zhuǎn)換、用戶識別與合并等整合工作：

（1）Clean/Transform

Clean：

比如，某個用戶的出生年月時間是未來的某個日期時刻，因此就需要把這類臟數(shù)據(jù)給過濾掉

Transform：

比如，通過某個第三方應用API獲取到的所有用戶的地區(qū)信息是IPB標準編碼形式，為了能和其他渠道的信息一起進行分析，就需要根據(jù)IPB標準編碼轉(zhuǎn)換成標準的省、市格式

（2）Id Mapping

各個渠道接進來的用戶屬性數(shù)據(jù)、行為事件數(shù)據(jù)等都是孤立的，為了能計算用戶的全方位的綜合標簽，就需要做用戶的識別合并，比如通過unionID，識別合并綁定在同一微信開放平臺的公眾號、小程序、網(wǎng)站的同一個用戶的信息。

經(jīng)過數(shù)據(jù)整合處理，數(shù)據(jù)會進入下面的數(shù)據(jù)模型中：

2、標簽計算

在用戶畫像系統(tǒng)，會做一套批量離線的標簽處理引擎，依賴的是底層比較穩(wěn)定的數(shù)據(jù)結(jié)構(gòu)。這個標簽引擎一邊讀事件數(shù)據(jù)，一邊讀用戶的屬性數(shù)據(jù)，再配合上特定的標簽規(guī)則，做一個批量計算，最后生成用戶標簽。

3.1.4 標簽應用

標簽的應用主要分為前端畫像展示、通過API接入其他系統(tǒng)兩大類應用方式，通過下面的「3.2 用戶畫像產(chǎn)品化功能模塊」章節(jié)具體描述。

3.2 用戶畫像產(chǎn)品功能模塊

3.2.1 系統(tǒng)看板

通常用戶畫像系統(tǒng)的數(shù)據(jù)看板，以可視化形式展示企業(yè)的核心用戶數(shù)據(jù)資產(chǎn)情況或者重點關(guān)注的人群數(shù)據(jù)。旨在建立和統(tǒng)一使用者對企業(yè)數(shù)據(jù)資產(chǎn)或者核心人群數(shù)據(jù)的基礎認知，主要分成以下幾類：

1、用戶量級及變化趨勢：不同設備類型ID量級、不同類型用戶量級(如注冊與非注冊用戶、付費與非付費用戶等)；

2、標簽資產(chǎn)：按主要類目統(tǒng)計標簽個數(shù)等；

3、核心用戶標簽：展示固有或自定義人群的關(guān)鍵標簽畫像數(shù)據(jù)等；

3.2.2 標簽管理

供業(yè)務人員進行標簽的增、刪、改、查等操作，包含：標簽分類、新建標簽、標簽審核、標簽上下架、標簽覆蓋人數(shù)監(jiān)控等。

基于用戶行為數(shù)據(jù)、用戶屬性數(shù)據(jù)，通過設置標簽規(guī)則創(chuàng)建標簽：

3.2.3 單用戶畫像

主要能力包含通過輸入用戶ID，來查看單用戶畫像的詳情數(shù)據(jù)，如用戶的屬性信息、用戶行為等數(shù)據(jù)。

3.2.4 用戶分群和用戶群畫像

1、用戶分群

用戶分群功能主要是面向業(yè)務人員使用。產(chǎn)品經(jīng)理、運營、客服等業(yè)務人員在應用標簽時，可能不僅僅只查看某一個標簽對應的人群情況，更多地可能需要組合多個標簽來滿足其在業(yè)務上對人群的定義。例如：組合“過去7天領(lǐng)取優(yōu)惠券次數(shù)大于1次”、“活動活躍度等于高和極高”、“女性”用戶這3個標簽定義目標人群，查看該類人群覆蓋的用戶量。

2、用戶群畫像

和用戶分群功能相似，用戶群畫像功能首先也需要組合標簽圈定用戶群體，不同之處在于用戶群畫像功能支持從多個維度去分析圈定用戶群體的特征，而用戶分群功能側(cè)重的是將篩選出來的用戶群推送到各業(yè)務系統(tǒng)中，提供服務支持。

3.2.5 BI分析

BI平臺和這些數(shù)據(jù)打通后，可以豐富數(shù)據(jù)的維度，支持通過多種分析模型進行更加豐富和深層的分析及對比。

3.2.6 OpenAPI

OpenAPI能夠保障畫像系統(tǒng)數(shù)據(jù)與各系統(tǒng)之間打通，如push推送系統(tǒng)、營銷系統(tǒng)、廣告系統(tǒng)、推薦系統(tǒng)、BI等平臺，并且保證各系統(tǒng)數(shù)據(jù)的實時更新，避免同源不同數(shù)的問題。

04

用戶畫像應用

前面提到過用戶畫像主要有：經(jīng)營分析、精準營銷、個性化推薦與服務3個方面的應用。具體又可以分為：

4.1 經(jīng)營分析

用戶畫像系統(tǒng)的標簽數(shù)據(jù)通過API進入分析系統(tǒng)后，可以豐富分析數(shù)據(jù)的維度，支持進行多種業(yè)務對象的經(jīng)營分析。下面總結(jié)的是一些市場、運營、產(chǎn)品人員分析時會關(guān)注的指標：

4.1.1 流量分析

1、流量來源

2、流量數(shù)量：UV、PV

3、流量質(zhì)量：瀏覽深度（UV、PV）、停留時長、來源轉(zhuǎn)化、ROI（投資回報率，return on investment）

4.1.2 用戶分析

1、用戶數(shù)量：新用戶數(shù)、老用戶數(shù)、新/老用戶數(shù)量比

2、用戶質(zhì)量：新增用戶數(shù)（App啟動）、活躍用戶數(shù)（App啟動）、用戶留存（App啟動-App啟動）、用戶參與度、沉睡、客單價

4.1.3 商品分析

1、商品動銷：GMV、客單價、下單人數(shù)、取消購買人數(shù)、退貨人數(shù)、各端復購率、購買頻次分布、運營位購買轉(zhuǎn)化

2、商品品類：支付訂單情況（次數(shù)、人數(shù)、趨勢、復購）、訪購情況、申請退貨情況、取消訂單情況、關(guān)注情況

4.1.4 訂單分析

1、訂單指標：總訂單量、退款訂單量、訂單應付金額、訂單實付金額、下單人數(shù)

2、轉(zhuǎn)化率指標：新增訂單/訪問UV、有效訂單/訪問UV

4.1.5 渠道分析

1、用戶活躍

（1）活躍用戶：UV、PV

（2）新增用戶：注冊量、注冊同環(huán)比

2、用戶質(zhì)量

（1）留存：次日/7日/30日留存率

3、渠道收入

（1）訂單：訂單量、日均訂單量、訂單同環(huán)比

（2）營收：付費金額、日均付費金額、金額同環(huán)比

（3）用戶：人均訂單量、人均訂單金額

4.1.6 產(chǎn)品分析

1、搜索功能：搜索人數(shù)/次數(shù)、搜索功能滲透率、搜索關(guān)鍵詞

2、關(guān)鍵路徑漏斗等產(chǎn)品功能設計分析

4.2 精準營銷

4.2.1 短信/郵件/push營銷

日常生活中我們經(jīng)常會從許多渠道接收到營銷來的信息。一條關(guān)于紅包到賬的短信消息推送可能會促使用戶打開已經(jīng)很久沒訪問的App，一條關(guān)于心愿單里面圖書降價的郵件消息推送可能會刺激用戶打開推送鏈接直接下單購買。具體有哪些類型的營銷方式呢？大致可以分為以下4類：

1、基于行為營銷：產(chǎn)品瀏覽、加入購物車、門店掃碼、訂單取消、訂單退貨等

2、基于位置營銷：周邊門店、周邊活動、常去區(qū)域等

3、基于節(jié)日營銷：生日、春節(jié)、雙十一、雙十二、圣誕等

4、基于會員營銷：歡迎入會、卡券提醒、積分變更、等級變化、會員禮遇等

4.2.2 客服話術(shù)

當我們在向某平臺的客服部門投訴、咨詢或反饋意見時，客服人員可以準確的說出我們在平臺的購買情況，上一次咨詢問題的處理結(jié)果等信息，針對性的提出解決方法，對于高價值用戶提供VIP客服通道等專項服務。

4.3 個性化推薦與服務

應用的運營者，可以通過個推用戶畫像中的性別、年齡段、興趣愛好、瀏覽購買行為等標簽，給用戶推薦不同的內(nèi)容。如今日頭條上的個性化文章內(nèi)容推薦、抖音上基于用戶畫像做的個性化視頻內(nèi)容推薦、淘寶上基于用戶瀏覽行為等畫像數(shù)據(jù)做的個性化商品推薦等。

05

用戶畫像實踐案例

基于畫像系統(tǒng)去做多方面的數(shù)據(jù)分析、觸達用戶的運營方案，可以快速地將標簽數(shù)據(jù)應用到服務層（T+1、實時應用），通過效果分析得到用戶反饋后，幫助迭代營銷策略或產(chǎn)品設計。下面通過一些實踐案例來場景化復現(xiàn)用戶畫像的應用點和應用方式。

5.1 A/B人群效果測試

5.1.1 案例背景

某零食類快消商品為在大促活動期間獲得較好的銷量，計劃通過消息推送的方式種草新上市產(chǎn)品、產(chǎn)品的保健功能等系列文章，為大促活動造勢，激發(fā)銷量轉(zhuǎn)化。為了精準定位目標人群流量，渠道運營人員現(xiàn)在計劃做兩個A/B人群效果測試：

1、不同內(nèi)容標題對流量的影響；

2、精準推送相比普通推送帶來的流量提升。

5.1.2 用戶畫像切入點

整個項目中需要梳理清楚如何切分AB組流量，如何設計好AB組人群規(guī)則和效果監(jiān)測。下面分步驟介紹畫像系統(tǒng)如何切入AB人群測試中。

1、對AB組用戶做切分

為了做A/B組測試，首先需要做好流量的切分，可以使用A/B分配隨機分流的形式，將用戶劃分為A/B人群。

2、測試文案標題對流量影響的方案

某平臺渠道運營人員為在大促活動期間召回更多用戶來訪App，計劃在活動預熱期選取少量用戶做一版文案標題的AB效果測試。

在該測試方案中，控制組A選取了A路徑、近x天來訪過，且近x天內(nèi)瀏覽/收藏/加購過該零食的用戶群，給該批用戶推送零售文案A；對照組B選取了B路徑、近x天來訪過，且近x天內(nèi)瀏覽/收藏/加購過該零食的用戶群，給該批用戶推送零食文案B。控制組和對照組的用戶量相同，但文案不同，后續(xù)監(jiān)控兩組人群的點擊率大小，進而分析不同文案對用戶點擊的影響。

例如，通過用戶群組功能圈選出A組的用戶，見下圖：

3、精準推送相比普通推送帶來的流量提升的測試方案

在使用畫像系統(tǒng)精細化推送人群前，某平臺對用戶采用無差別推送消息的形式進行推送。為了測試精細化運營人群相比無差別運營帶來的流量提升，渠道運營人員決定在近期重點運營的零食營銷會場做一個AB效果測試。

該測試方案中，控制組A選取了A路徑、近x天來訪過，近x天內(nèi)瀏覽/收藏/加購過該零食的用戶群；對照組B選取了B路徑、近x天來訪過，且沒有類目偏好的用戶群。對AB組用戶群都消息推送相同的文案，后續(xù)監(jiān)控兩組人群的點擊率大小，進而分析精準營銷推送帶來的增長點大小。

5.1.3 效果分析

在AB組人群消息推送上線后，后續(xù)需要搭建監(jiān)控報表來監(jiān)測控制組和測試組的流量和轉(zhuǎn)化情況，主要關(guān)注下方列表中的指標：

例如，使用事件分析模型搭建的AB人群的GMV對比報表，見下圖：

5.2 女神節(jié)定向營銷

5.2.1 案例背景

某主打女士商品的品牌商，計劃在女神節(jié)對不同品類偏好的女神進行定向營銷。營銷信息會分兩次推送，首次是在當天的10:00推送促銷信息，第二次是在當天晚上的10:00再統(tǒng)一來一波促銷提醒。最后通過追蹤目標受眾的當日支付訂單完成率來評估營銷效果。

5.2.2 實現(xiàn)邏輯

首先基于用戶性別標簽、年齡標簽圈選出18~40歲，女性的用戶。然后統(tǒng)一延時至2020－03－08 上午 10:00，根據(jù)用戶品類偏好標簽定向推送不同的營銷內(nèi)容，比如給品類偏好=彩妝護膚的人群推送春日美妝節(jié)類的營銷信息。第二波推送會延時至2020－03－08 下午 10:00 進行推送，推送信息為統(tǒng)一的促銷提醒。

5.3 新安裝未注冊用戶實時營銷

5.3.1 案例背景

某零食商城App運營人員為促進未注冊的新安裝用戶注冊、下單，制定了運營規(guī)則：新安裝未注冊用戶打開App時，通過App彈窗方式為其推送優(yōu)惠券進行營銷。比如，用戶安裝App后未進行注冊，用戶改天打開后立馬對其推送App彈窗優(yōu)惠券，以更好地引導用戶完成注冊、下單。

5.3.2 用戶畫像切入點

渠道運營人員通過組合用戶標簽（如“未注冊用戶”和“安裝距今天數(shù)”小于××天）篩選出對應的用戶群，然后選擇將對應人群推送到“廣告系統(tǒng)”。這樣每天畫像系統(tǒng)的ETL調(diào)度完成后對應人群數(shù)據(jù)就被推送到HBase數(shù)據(jù)庫進行存儲。滿足條件的新用戶來訪App時，由在線接口讀取HBase數(shù)據(jù)庫，在查詢到該用戶時為其推送該彈窗。

5.4 某電商再營銷廣告

5.4.1 案例背景

某電商App的商品運營團隊欲提升電子產(chǎn)品的老客復購率、新客下單率，于是選擇了和頭條合作投放再營銷廣告。比如，某用戶在該電商App看了vivo手機，第二天刷今日頭條的時候，就看到了對應手機的廣告信息。

5.4.2 實現(xiàn)邏輯

首先需要保證該電商App和今日頭條的API已經(jīng)打通，然后基于用戶在App內(nèi)行為（瀏覽、收藏、加購、搜索等）進行算法挖掘產(chǎn)生用戶商品偏好的標簽。當今日頭條捕獲用戶設備信息后，就會向該電商發(fā)送一個請求，詢問是否需要對這個用戶展示廣告。這個時候電商平臺會判斷該用戶是否是自己的用戶，如果是自己用戶，就會對今日頭條返回一個推薦結(jié)果，那么用戶就會在今日頭條看到之前瀏覽過的商品信息了，點擊后就可以跳轉(zhuǎn)到電商App內(nèi)的商品詳情頁了。

06

總結(jié)

1、首先，描述了有關(guān)用戶畫像、用戶標簽、用戶群組的認知性概念；

2、然后，闡述了標簽體系的分類、標簽建設的流程和方法；

3、為了說明如何讓“躺在”數(shù)據(jù)倉庫中的畫像標簽數(shù)據(jù)發(fā)揮更大的業(yè)務價值，接下來從系統(tǒng)架構(gòu)、應用層功能兩個角度簡單總結(jié)了用戶畫像系統(tǒng)的建設；

4、最后，從經(jīng)營分析、精準營銷、個性化推薦3個角度總結(jié)了用戶畫像的應用，并在實踐案例部分列舉幾個用戶畫像實際應用的案例。

責任編輯：lq