2-1 用户画像

Posted shige720

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了2-1 用户画像相关的知识,希望对你有一定的参考价值。

基本概念

定义

    用户画像,即用户信息标签化,是根据用户社会属性生活习惯消费行为等信息抽象出来的标签化用户标签

作用

    专注用户:明确知道用户真实的诉求点,可以使产品的服务对象更聚焦、更专注

    提高效率:为功能设计提供核心依据,提高决策效率

    精准营销:数据挖掘、用户推荐的底层支持

 

构建用户画像操作步骤

数据收集&挖掘

    数据收集方法包括:数据埋点(知道某商品浏览量)、产品后台统计数据用户访谈问卷调研

打标签

    包括静态标签、动态标签

    静态标签:建立用户画像的基础,从用户基本信息对用户划分,例如性别、年龄、婚姻、性格、学历等等

    动态标签:用户在互联网环境下的上网行为,能更好记录用户日常的上网偏好,例如搜索、浏览、评论、点赞、收藏、加入购物车、使用优惠券等

数据建模

    用户行为=用户标识+时间+行为类型+接触点(网址+渠道)

    即可以用4W框架(Who、When、Where、What)

    单个标签权重决定后,可以用标签权重公式计算得到总的用户标签权重,标签权重=时间衰减因子×行为权重×渠道权重

用户画像

 

实际案例

    社交产品中,频繁有用户投诉被人要微信QQ,加了之后就说故事要钱,给了钱就拉黑

    1.需要对这些人的行为统计分析,例如:短时间加很多人、在线时间很长、回复很快、主动发起聊天、同一IP有很多好友

    这些特点必须综合,特点要多,否则有可能“误伤”,例如确实有新用户短时间加很多人,跟很多人聊天,在线时间长,为了体验新产品

    2.数据收集&挖掘

    需要关注:

    基本信息(用户注册信息、自填信息,确认用户真实度)

    关系数据(被拉黑次数、拉黑人数情况,体现用户关系强弱)

    内容数据(原创动态,体现用户高危程度)

    行为数据(与好友互动信息,体现是否有诈骗行为)

    之后需要对这些信息做“量化”,例如:10句话中有8位以上数字,连续在线6h以上且同一IP下超过2个用户命中,等等,为了让开发可以操作

    3.数据建模

    可以对于上面的四部分数据,每部分设定不同的权重,之后进行计算,例如规定90分以上为高风险用户,便于开发操作

    4.筛选用户

    5.提出解决方案

    可以疏可以堵,例如封号、发出去收不到、每月加人次数、加群次数限制等等

以上是关于2-1 用户画像的主要内容,如果未能解决你的问题,请参考以下文章

用户画像之概述

用户画像系列——用户画像数据建模方法

用户画像Clickhouse位图函数实践总结

用户画像知识

个推用户画像的实践与应用

用户画像大数据之用户画像的原理应用与实现