信息化
首页  >  信息化  >  信息化要闻

应用精准用户画像有多难?

2018-08-03  来源:中国信息产业网-人民邮电报  作者:王小默

用户画像是一个挺新颖的词,最初它是大数据行业言必及之的时髦概念。互联网运营人员谈及用户画像,也是和精准营销、精细化运营直接钩挂的。

从中文概念来讲,用户画像与用户角色非常相近,是用来勾画用户(背景、特征、性格标签、行为场景等)和联系用户需求与产品设计的。而从英文概念角度,用户画像(User Portrait)、用户角色(User Persona)、用户属性(User Profile)这三个概念其实各有侧重,容易混淆。用户角色更倾向于业务系统中不同用户的角色区分。例如,学校教务管理系统中,老师审核、设置选课、学生查看选课和成绩。那么老师、学生就是不同的用户角色。用户画像更倾向于对同一类用户进行不同维度的刻画。又如,对同一个电商的买家进行用户画像设计,就是将买家进一步细分,如闲逛型用户、收藏型用户、比价型用户、购买型用户等。用户属性则更倾向于对属性层面的刻画和描述,特别是基本属性的内涵居多,包括性别、年龄、地域等。可见,用户画像近似等同于用户角色,而用户属性则是用户画像的子集。

用户画像的分类与用途

早期的用户画像和以上的描述有所不同,它是通过对用户多方面信息的调研和了解,将多种信息分类聚合,产出几个有典型特征的虚拟用户,因此被称为虚拟用户画像。此类用户画像没有数据的参与构建,只是用虚拟的用户画像代表真实的用户。

画虎画皮难画骨,知人知面不知心。通过虚拟用户画像,我们可以定义用户的性别、年龄等表面的基本特征,如若想要深入了解核心层面的东西,非数据用户画像不可。这种用户画像随着互联网的不断发展,积累的用户信息、行为记录越来越丰富,同时大数据处理和分析技术也已成熟,可以计算出每一个用户的特征。特征是从人口基本属性、社会属性、生活习惯、消费行为等信息抽象出来的一个个具体的标签表示,标签是某一用户特征的符号化表示。为每个用户计算用户画像,这样更加贴近真实的世界。每个人都是独一无二的,不能随随便便被其他人代表,用户画像精准到人。

用户画像一般用标签集合来表示,例如:王某,男,33岁,河南人,在北京工作,银行业,投资顾问,年收入50万元,已婚,两套房,有孩子,喜欢社交,不爱运动,喝白酒,消费力强等。基础信息可以通过用户的注册信息获得,但像有孩子、喜欢社交、喝白酒、消费能力等信息,用户不会告诉我们,需要建立数据模型才能计算出来。当然,用户标签的体系是需要根据业务领域去设计的,比如,银行和电商用户标签体系就会不同。

数据用户画像常用于精准营销、数据应用、数据分析、产品设计、匹配度判断、用户分析等方面。其实,对大部分产品,用户画像用不到推荐系统,个性化推荐也提高不了多少利润,毕竟它需要大量的用户和数据作支撑。所以这些产品,更适合以用户画像为基础去驱动业务。

用户画像的架构

不同业务的画像标签体系并不一致,这需要数据和运营人员有目的性地提炼。用户画像一般按业务属性划分成多个类别模块。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。具体的画像还得看产品的形态。比如,在金融领域,风险画像包括征信、违约、洗钱、还款能力、保险黑名单等;在电商领域,还会有商品的类目偏好、品类偏好、品牌偏好,等等。

从数据流向和加工来看,用户画像包含了上下级的递进关系。通过用户画像产生一个架构倒是不难,难的是了解每个标签背后的业务逻辑和相关落地方式。通过建模得出的数据,依赖用户早期的历史行为。而用户早期的历史行为,即10天内的消费金额、消费次数、登录次数等,本身也是一个标签,是通过原始的明细数据获得的。不用多说,公司越大,则用户画像越复杂。现在做个假设,如果某家主打内容分发的公司进入了全新的视频领域,那么用户画像的结构也是需要改变的。至少要既有内容相关的标签,也要有视频相关的标签,而且两者是并行且关联的。比如,老王在内容标签下是重度使用者,而在视频标签下是轻度使用者。老张很久没打开内容App,有流失的风险,但在视频产品的使用时长上却很忠诚。凡此种种,都需要灵活地应用。

基于营销和消费相关的标签,比如新用户、老用户、用户的流失和忠诚、用户的消费水平和频率等,都是构成CRM(客户关系管理)平台的基础。它的作用在于将数据化的标签转换成产品运营策略,不同的标签对应不同的用户群体,自然就对应着不同的营销手段。CRM结构中包含各类触达用户的常用渠道,比如短信、邮件、推送等。同时也包含CMS(内容管理系统),执行人员可以通过其快速地配置活动页、活动通道、优惠券等,然后靠营销活动拉动数据。可见,好的用户画像系统,既是数据生态体系,也是业务和运营的生态体系。

用户画像遭遇的难题

有些时候即使有大量的数据和用户作支撑,有些公司也依然对画像不感兴趣。不少公司花了一大笔钱招了不少人建设用户画像系统,结果用不起来。或者做了一份用户画像的报告,性别用户地理位置用户消费金额,看上去挺“高大上”的,但看完也就看完了。归根结底,难以用好。很多用户画像初衷是好的,但是沦为了形式主义。比如,有的公司建立用户画像划分了百来个维度,用户消费、属性、行为无所不包。本来不错,但是上线后,运营部门的员工看着这些信息干瞪眼。为何?

问题包含但不限于:用户有那么多维度,怎么合理地选择标签?要合理定义用户的层级,VIP用户应该累积消费金额超过多少?是在什么时间窗口内?为什么选择这几个标准?后续应该怎么维护和监控?业务发生变化了这个标签要不要改?设定好标签,怎么验证用户画像的有效性?怎么知道这套系统成功了呢?效果不佳怎么办?它有没有更多的应用场景?另外,策略的执行也是一个令人纠结的问题。从岗位的执行看,运营背负着KPI(关键绩效指标)。当月底KPI完不成时,他们更喜欢选择全量运营,还是精细化运营呢?

不少公司都存在这样类似情况:使用过用户画像一段时间后,发现也就那么一回事,渐渐不再使用。这是用户画像在业务层面遇到的问题。虽然企业自称建立了用户画像,应用还是挺粗糙的。看来,正确使用用户画像是一门很深的学问。

关键词:精准营销 个性化推荐 用户行为 画像 用户需求