日化用户画像分析.pdfVIP

日化用户画像分析

在日常商业活动中，有各种各样的职能划分：增长、内容、活动、

产品，虽然具体工作和最终目标不一样，但其实都是围绕着“用户”

去做，可以说都是在做“用户运营”。如今伴随着流量红利的结束、

获客成本的不断提高，我们进入了一个用户精细化运营阶段。在这个

阶段中，我们不得不使用一个工具——用户“画像”标签体系。

今天我们就来说说用户画像。本文重点：1.用户画像在数据分析

中的应用；2.如何构建用户画像。

一、什么是用户画像

用户画像（UserPersona）的概念最早由交互设计之父Alan

Cooper提出，是建立在一系列属性数据之上的目标用户模型。一般

是产品设计、运营人员从用户群体中抽象出来的典型用户，本质是一

个用以描述用户需求的工具。

Personasareaconcreterepresentationoftargetusers.

真实用户的虚拟代表

——交互设计之父AlanCooper

但随着互联网的发展，现在我们说的用户画像（UserProfile）

又包含了新的内涵：根据用户人口学特征、网络浏览内容、网络社交

活动和消费行为等信息而抽象出的一个标签化的用户模型。

它的核心工作主要是利用存储在服务器上的海量日志和数据库

里的大量数据进行分析和挖掘，给用户贴“标签”，而“标签”是能

表示用户某一维度特征的标识，主要用于业务的运营和数据分析。

二、为什么需要用户画像

用户在企业发展的过程中有举足轻重的作用，主要的应用有：

1、精准营销：这是运营最熟悉的玩法，在从粗放式到精细化运

营过程中，将用户群体切割成更细的粒度，辅以短信、推送、邮件、

活动等手段，驱以关怀、挽回、激励等策略。

2、用户分析：用户画像也是了解用户的必要补充。产品早期，

产品经理们通过用户调研和访谈的形式了解用户。在产品用户量扩大

后，调研的效用降低，这时候就可以辅以用户画像配合研究。方向包

括新增的用户有什么特征，核心用户的属性是否变化等等。

3、数据应用：用户画像是很多数据产品的基础，诸如耳熟能详

的推荐系统广告系统，广告基于一系列人口统计相关的标签，性别、

年龄、学历、兴趣偏好、手机等等来进行投放的。

4、数据分析：用户画像可以理解为业务层面的数据仓库，各类

标签是多维分析的天然要素。数据查询平台会和这些数据打通，最后

辅助业务决策。

三、用户画像的主要内容

用户画像一般按业务属性划分多个类别模块。除了常见的人口统

计，社会属性外，还有用户消费画像、用户行为画像，用户兴趣画像

等。

人口属性和行为特征是大部分互联网公司做用户画像时会包含

的：人口属性主要指用户的年龄、性别、所在的省份和城市、教育程

度、婚姻情况、生育情况、工作所在的行业和职业等。行为特征主要

包含活跃度、忠诚度等指标。

除了以上较通用的特征，用户画像包含的内容并不完全固定，根

据行业和产品的不同所关注的特征也有不同。

①以内容为主的媒体或阅读类网站、有哪些信誉好的足球投注网站引擎，或通用导航类网

站，往往会提取用户对浏览内容的兴趣特征，比如体育类、娱乐类、

美食类、理财类、旅游类、房产类、汽车类等等。

②社交网站的用户画像，也会提取用户的社交网络，从中可以发

现关系紧密的用户群和在社群中起到意见领袖作用的明星节点。

③电商购物网站的用户画像，一般会提取用户的网购兴趣和消费

能力等指标。网购兴趣主要指用户在网购时的类目偏好，比如服饰类、

箱包类、居家类、母婴类、洗护类、饮食类等。消费能力指用户的购

买力，如果做得足够细致，可以把用户的实际消费水平和在每个类目

的心理消费水平区分开，分别建立特征纬度。

④像金融领域，还会有风险画像，包括征信、违约、洗钱、还款

能力、保险黑名单等。

另外还可以加上用户的环境属性，比如当前时间、访问地点LBS

特征、当地天气、节假日情况等。当然，对于特定的网站或App，肯

定又有特殊关注的用户维度，就需要把这些维度做到更加细化，从而

能给用户提供更精准的个性化服务和内容。

四、如何构建用户画像

业内有很多关于创建用户画像的方法，比如AlenCooper的“七

步人物角色法”，LeneNielse