天天看點

用SIKT模型建構的使用者畫像,太好用了!

作者:人人都是産品經理
做使用者畫像項目最怕的是使用者畫像與業務場景脫節,那如何從業務場景出發,讓使用者畫像有效呢?本文分享了SIKT模型,來幫助你解決此問題。推薦給從事資料分析行業的小夥伴們閱讀。
用SIKT模型建構的使用者畫像,太好用了!

做使用者畫像項目最怕啥?三個字:沒!屁!用!經常是做資料的同學哼哧哼哧整了白天,輸出所謂的“360度使用者畫像”然後被業務方噴:

  • 知道性别、年齡又怎樣!
  • 過去消費高,未來呢?又怎樣?
  • 你标記個高潛力,它就真的高潛力了??

以上種種問題,都是沒有基于SIKT模型推進項目所緻。使用者畫像與業務場景脫節,沒有考慮業務拿到畫像能幹啥。

想要破局,當然得回到業務場景中,認真思考:到底使用者畫像能幫上啥?而SIKT模型正是解決此問題的一套概念模型(非算法模型哦)。

01 SIKT模型原理

SIKT模型是一套梳理标簽的方法。标簽是使用者畫像的基礎,是建構畫像體系的磚石。想讓使用者畫像系統有用,标簽本身得是有價值的。這就要求,在做标簽的時候,不能憑着資料人員的直覺,像說貫口一樣把“性别、年齡”胡亂怼進系統,而是從業務場景出發,層層遞進。

用SIKT模型建構的使用者畫像,太好用了!
  1. 第一步:梳理業務場景。使用方先思考:我要解決什麼問題?
  2. 第二步:梳理關鍵名額。使用方再思考:用什麼名額衡量問題解決?
  3. 第三步:梳理關鍵行動。使用方再思考:我做什麼事能解決問題?
  4. 第四步:篩選有用标簽。資料協助思考:用什麼标簽能提升行動效率。

按照這個步驟梳理出來的标簽,很好觀察:

  1. 有明确的使用場景。避免了資訊過剩,讓使用者聚焦思考問題。
  2. 有明确的考核名額。明确了考核方法,改善了關鍵名額就是效果。
  3. 有明确的落地動作。清晰了标簽效果,同一動作,使用标簽前後的差異。

要注意的是:标簽并非萬能的,有可能有些業務場景是不需要标簽的。是以使用該方法的第一步,就是先梳理業務場景,把那些和标簽高度相關的場景找出來。

02 業務場景梳理

從本質上看。标簽是一系列業務資訊的濃縮。比起未濃縮的資訊,标簽有三大優勢:

  1. 優勢一:便于查詢。想象一下超市裡買東西,如果沒有标簽分類,都寫商品全名,那找起來得多麻煩。是以,提升資訊檢索效率,就是标簽第一大功能。使用标簽進行資訊檢索,能提升認知階段的效率。
  2. 優勢二:便于分類。有了标簽,分類效率會提升非常多,特别是一些已明确不會使用到的分類,一下就能篩選出來。這樣能提升決策階段的效率。
  3. 優勢三:便于挑選。如果對于可用的手段有了标簽分類,就能快速找出适合目前的手段,避免了重重複複的分析論證,進而極大提升執行效率。
用SIKT模型建構的使用者畫像,太好用了!

小結下,幾乎所有的業務工作,都要涉及:認知現狀,制定政策,選擇方法三個步驟。是以,隻有還處于大幹快上,跑馬圈地,野蠻生長的行業是不需要标簽的。

真還在野蠻生長的話,那還查詢個啥、分類個啥、挑選個啥,可勁砸錢,幹就完了奧力給!但凡行業增速減慢,需要控成本,增效益的時候,标簽都有用。

03 1個應用小案例

場景一:某網際網路企業投放部門,計劃選擇大V進行私域投放。

投放場景的名額很明确:投放轉化率。要注意的是:由于是私域投放,買了大V的廣告位以後,就隻能全覆寫該大V的粉絲,無法在決策階段做使用者分群。是以在場景拆分的時候,決策階段沒法用标簽優化。

但是在認知現狀、方法選擇階段,标簽能幫上忙。

認知階段:大V有很多,一個大V覆寫各個平台。此時如果有标簽對大V進行分類,就能輕松檢視該大V的基本情況,挑選出合适的大V。

選擇階段:同一個廣告,可能有5、6種不同素材可以使用。此時如果有标簽對素材進行分類,就能減少篩選難度,提升效率。

用SIKT模型建構的使用者畫像,太好用了!

注意,這裡用的标簽并非100%的使用者标簽。比如大V分類标簽,可能需要負責推廣的同僚自行标記。比如素材标簽,需要負責素材設計的同僚自行标記分類。

注意,這裡用的标簽,也并非一次性産生的。比如大V标簽中“作弊”标簽,是在之前合作中,發現大V有作弊行為,之後标記上,避免後人上當。比如素材标簽中“使用效果”标簽。是觀察N次素材投放效果以後标記出來的。

這引申出一個很深層的問題:使用者畫像建設,并非某一天,一個神力無敵的資料分析師刷刷把資料庫一弄就出來的。這些對業務的分類,對效果的追蹤,需要長時間積累,需要業務方同僚一起參與才能完成。

04 再看個小案例

場景二:某網際網路企業使用者營運,計劃針對沉睡使用者進行喚醒,以激活消費一筆(不計金額大小)為目标。

這個場景下,關鍵名額很清晰,就是沉睡使用者的激活率。

在細分場景的時候會發現,在認知階段難度較小,因為已經鎖定了沉睡使用者群體。但在政策階段,較為複雜。

一來,在沉睡以前,使用者的消費習慣、消費經曆都不同,可能需要區分使用者特點,找适合使用者的激活方案。

二來,目前沉睡不代表未來沉睡,本身使用者就有一定自然回流機率,如果不能區分這些自然回流使用者,很有可能投放的喚醒資源都被薅羊毛薅走了。

是以在關鍵行動層面,需要2個重要輔助:

  1. 區分過往消費偏好,區分過往消費層次
  2. 預測未來自然喚醒機率,區分自然喚醒使用者
用SIKT模型建構的使用者畫像,太好用了!

這兩點都對應着标簽的需求。但實作方法是不同的:過往的需求分析是有資料可依的,是以可以通過曆史資料進行使用者分層/分群。但未來喚醒情況則需要預測,這是需要算法模型支援的。

有趣的是:真預測出來誰會消費以後,在做喚醒資源投放的時候,是會繞開這些預測消費使用者的,這樣事後測算ROI才好看。

這又引申出來一個深層次話題:預測模型怎麼來,怎麼用,也是緊密結合業務場景的。很多人建設使用者畫像的時候,不考慮業務場景,單純指望一個:“預測模型/推薦模型”包打天下。是非常不切實際的。

05 小結

總結整個SIKT運作過程可以看出:想讓使用者畫像有效,标簽先得有效。

想讓标簽有效,得:

  1. 緊密結合業務場景
  2. 清晰要改善的關鍵名額
  3. 明确落地關鍵動作
  4. 業務同僚積極參與,貼上業務标簽
  5. 資料要長期跟蹤,特别是關于效果的标簽
  6. 算法模型在關鍵場景,關鍵環節補位

總之,全民一起努力,才能真正實作效果。單靠一個資料分析師,單靠現有資料庫裡那點字段,脫離業務場景做模型,脫離業務動作談資料采集,最後隻能獲得如開頭一樣,平砍一刀不見血的無用畫像。

專欄作家

接地氣的陳老師,微信公衆号:接地氣學堂,人人都是産品經理專欄作家。資深咨詢顧問,在網際網路,金融,快消,零售,耐用,美容等15個行業有豐富資料相關經驗。

本文原創釋出于人人都是産品經理。未經許可,禁止轉載。

題圖來自Unsplash,基于CC0協定。

該文觀點僅代表作者本人,人人都是産品經理平台僅提供資訊存儲空間服務。

繼續閱讀