用户画像(User Profile)的实质是用户需求描绘,一种描写用户需求的模型。
用户画像在引荐体系、广告体系、商业剖析、数据剖析、用户增加、用户研讨、产品设计、数据运营、精准营销、量化风控等范畴得到广泛使用。
本文体系地构建了用户画像的常识体系。首要,介绍了用户画像的概念、要素、联系、含义等用户画像的根底常识;接着,介绍了用户画像的办法、分层标签、AARRR 用户分层模型、分群标签、RFM 用户分群模型、个性化标签、人工打标签、机器打标签、混合打标签、用户画像的准则、用户画像的查验等用户画像原理;然后,介绍百度的用户画像、微博的用户画像、今天头条的用户画像;终究,指出用户画像在引荐体系中的使用,以及用户画像的实质和用户画像面对的应战。本文目录如下:
1. 用户画像根底1.1. 用户1.2. 用户画像的概念1.3. 用户画像的要素1.4. 用户画像的联系1.5. 用户画像的含义2. 用户画像原理2.1. 用户画像的办法2.2. 分层标签2.2.1. AARRR 用户分层模型2.3. 分群标签2.3.1. RFM 用户分群模型2.4. 个性化标签2.4.1. 人工打标签2.4.2. 机器打标签2.4.3. 混合打标签2.5. 用户画像的准则2.6. 用户画像的查验3. 用户画像使用3.1. 百度的用户画像3.2. 微博的用户画像3.3. 今天头条的用户画像4. 用户画像总结4.1. 引荐体系的用户画像4.2. 用户画像的实质4.3. 用户画像的应战
接下来,让我一同走进用户画像的国际。
用户画像的根底、原理、办法论(模型)和使用
1. 用户画像根底
1.1. 用户
要想搞清楚用户画像,首要得搞清楚用户。比方:
你的用户的特征是什么?怎样描绘用户需求?不同阶段的用户特征又是什么?
用户关于用户还有用户要害途径、用户旅程(customer journey map)、用户决议计划进程等等。
1.2. 用户画像的概念
怎样区别User Portrait(用户肖像)、Customer Segment(用户细分)、User Persona(用户人物)、User Profile(用户画像)?
用户画像的概念用户肖像、用户细分、用户人物和用户画像的比照方下表所示:
高层、产品、开发、商场、运营眼中的用户画像是什么?
用户画像是描写用户需求的模型。
用户画像是一种公共言语,串联互联网商业的高层、产品、开发、商场、运营等,进步交流功率。
1.3. 用户画像的要素
用户画像的三要素:人、物、环境。
用户画像的要素1.4. 用户画像的联系
用户画像描绘的是用户与物品的联系。
用户画像的联系1.5. 用户画像的含义
用户画像广泛使用在引荐体系、广告体系、商业剖析、数据剖析、用户增加、数据运营、精准营销、量化风控等范畴。
用户画像的含义
2. 用户画像原理
用户画像原理的目录2.1. 用户画像的办法
用户画像的干流办法:用户标签化。
用户画像的办法标签是用户特点、爱好、行为等特征的笼统与描绘。
从分层标签、分群标报到个性化标签,正是一个由粗到细的进程。
2.2. 分层标签
将整体中各个用户按某种特征分红若干个互不堆叠的几部分,每一部分叫做层。
分层标签是指依据分层规矩,对用户进行分层而打的标签。
用户分层是指依据分层标签描绘用户。
分层标签2.2.1. AARRR 用户分层模型
举个用户分层的比方:AARRR 用户分层模型。
AARRR 模型是由Acquisition(获取)、Activation(激活)、Retention(留存)、Referral(引荐)、Revenue(变现)等五个部分组成,构成一个用户流量漏斗。
按“从获取的用户到终究引荐的用户的演进道路”进行分层如下:
将同一层内的用户持续切分以满意个性化需求。
所以还需要持续切分,获取分群标签。
2.3. 分群标签
依照指定规矩,将整体中若干个用户合并为组,这样的组称为群。
分群标签是指依据分群规矩,对用户进行分群而打的标签。
用户分群是指依据分群标签描绘用户。
分群标签2.3.1. RFM 用户分群模型
举个用户分层的比方:RFM 用户分群模型(Recency、Frequency、Monetary )。
RFM是依据用户活泼程度、买卖金额的奉献,对用户价值进行分群的一种办法。
RFM 的 8 个象限别离表明 8 类用户如下:
将同一群内的用户持续切分以满意精细化需求。
所以还需要持续切分,获取个性化标签。
2.4. 个性化标签
全面、完好、详尽地标签化用户个性化特征。
一般把用户的个性化标签近似称为用户画像。
个性化标签生成首要三种方法:人工打标签、机器打标签、混合打标签(人工+机器)。
个性化标签2.4.1. 人工打标签
人工打标签,即手动打标签,能够打上自若特点标签、社会特点标签、联系特点标签等。
2.4.2. 机器打标签
机器打标签,也称主动打标签,是指依据用户消费过的文本、图片、视频等数据,机器主动学习出用户爱好、喜爱等标签。
比方,对文本进行机器打标签,其标签类型有:要害词标签、实体标签、类别标签、聚合标签、主题标签、Embedding标签等。
2.4.3. 混合打标签
首要,先人工打分层标签、分群标签等粗粒度标签;
然后,再用机器打细粒度标签。
2.5. 用户画像的准则
实在性:实在的用户数据,而不是幻想的伪需求画像。
一致性:用户标签与物品标签要一致,双向匹配。
用户画像的准则2.6. 用户画像的查验
经过事务目标、离线目标、线上目标查验用户画像的准确率和覆盖率。
其实画像有点数、画像有点率等目标也依靠A/B测验(也称A/B实验),其间A/B测验的原理和使用可参阅:
刘启林:A/B测验(A/B实验)的概述、原理、公式推导、Python完成和使用zhuanlan.zhihu.com
用户画像的查验
3. 用户画像使用
用户画像使用的目录3.1. 百度的用户画像
百度的用户画像结构如下:
百度的用户画像结构3.2. 微博的用户画像
微博的用户画像结构如下:
微博的用户画像结构3.3. 今天头条的用户画像
今天头条的用户画像结构如下:
今天头条的用户画像结构百度、微博、今天头条的用户画像比照方下:
4. 用户画像总结
用户画像总结的目录4.1. 引荐体系的用户画像
引荐体系中,用户画像是给机器看得,不是给人看的。
引荐体系的用户画像用户画像在引荐体系中的使用:
召回阶段:用户画像用于物品过滤排序阶段:用户画像用于物品排序
4.2. 用户画像的实质
用户画像是描写用户需求的模型,所以用户画像的实质是用户需求。
用户画像的实质4.3. 用户画像的应战
用户画像其实是用曩昔猜测现在,但用户需求改变很快。
用户画像若只描写自己喜爱的东西,简略堕入信息茧房。
用户画像的应战结束语:
用户画像的实质是用户需求,用户需求是商业的起点。那么,
你能用一句话描绘你的用户是谁吗?
你的用户的立体特征是什么?
能够具体地描绘你的用户需求?
扩展阅览:
有了实在的用户需求,接着供给对应的产品或许服务,然后会面对一个新的应战:用户增加。
《用户增加的根底、原理和办法论(模型)》可参阅:
刘启林:用户增加的根底、原理和办法论(模型)zhuanlan.zhihu.com
参阅文献:
用户画像的参阅文献
才能和水平有限,我的可能是错的。
才能和水平有限,我的可能是错的
上一年今天运营文章2022:实体店私域流量运营攻略.ppt(0)2022:关于用户体会常用的3大目标(0)2020:福布斯:2020年我国科技女人榜(0)2020:2020结业生就业大数据:IT职业均匀薪资7839元(0)2020:《学会写作》|写作这件难事本来也会这么简略(0)