大資料應用案例---使用者畫像與精準營銷

• 一. 前言
• 二. 使用者畫像概述
• 三. 使用者畫像的價值
• 四. 使用者畫像建構流程
  • 1 資料收集與分析
  • 2 資料模組化
  • 3 建構使用者畫像
  • 4 資料可視化分析
• 五. 使用者标簽體系
  • 1 結構化标簽體系
  • 2 半結構化标簽體系
  • 3 非結構化标簽體系

一. 使用者畫像與精準營銷前言

• 大資料并不是一種全新的技術，它更多的是一種借助真實資料彙聚、資料分析及其可視化、分布式計算的，利用資料分析問題的思維方式和工作方法。面對大資料這新業态，政府、企業更關心的是如何讓大資料落地、産生實際的商業價值，增加銷售額、獲得利潤突破。使用者畫像、廣告推薦和網際網路金融是大資料的3個典型商業應用。

二. 使用者畫像概述

• 人在網絡世界中的行為集合代表了其在網絡世界中的“性格”，這個集合就描述了其網絡個性和使用者特征(User Profile)。 從資料擁有者，也就是企業的角度來看，他們掌握了所有使用者在網絡世界中“某方面"的行為習慣，如使用者浏覽了哪些網頁、搜尋了哪些關鍵詞、購買了哪些商品、留下了哪些評價等，企業都會收集彙總。如何将如此龐雜的資料轉換為商業價值，成為現在企業越來越關注的問題。面對高品質、多元度的海量資料，如何建立精準的使用者模型就顯得尤為重要，使用者畫像的概念也就應運而生。
• 使用者畫像，即使用者資訊的标簽化，是企業通過收集、分析使用者資料後，抽象出的一個虛拟使用者，可以認為是真實使用者的虛拟代表。使用者畫像的核心工作就是為使用者比對相符的标簽，通常一個标簽被認為是人為規定的高度精練的特征辨別。
• 使用者畫像從多元度對使用者特征進行構造和刻畫，包括使用者的社會屬性、生活習慣、消費行為等，進而可以揭示使用者的性格特征。有了使用者畫像，企業就能真正了解了使用者的所需所想，盡可能做到以使用者為中心，為使用者提供舒适快捷的服務。
• 使用者畫像技術通過對使用者的分析，讓企業對使用者的精準定位成為了可能。在這個基礎上，依靠現代資訊技術手段建立個性化的顧客溝通服務體系，将産品或營銷資訊推送到特定的使用者群裡中，既節省營銷成本，又能起到最大化的營銷效果。

• 一. 回到前言

三. 使用者畫像的價值

• 使用者畫像的作用大體展現在以下幾個方面:
• (1)精準營銷，分析産品潛在使用者，針對特定群體利用短信、郵件等方式進行營銷。
• (2)使用者統計，比如中國大學購買書籍人數TOP10，全國分城市奶爸指數等。
• (3)資料挖掘，建構智能推薦系統，利用關聯規則計算，喜歡紅酒的人通常喜歡什麼運動品牌，利用聚類算法分析，喜歡紅酒的人年齡段分布情況等。
• (4)進行效果評估，完善産品營運，提升服務品質，其實這就相當于市場調研、使用者調研，迅速定位服務群體，提供高服務的水準。
• (5)指導産品研發以及優化使用者體驗，在以使用者需求為導向的産品研發中，企業通過擷取的大量目标使用者資料，進行分析、處理、組合，初步搭建使用者畫像，做出使用者喜好、功能需求統計，進而設計制造更加符合核心需求的新産品，為使用者提供更好的體驗和服務。

• 一. 回到前言

四. 使用者畫像建構流程

• 不同的平台和産品，其使用者畫像也不相同，但建構的思路卻是一樣的， 如下圖所示，我們可以通過下面的3個階段來建構使用者畫像。

  

1. 資料收集與分析

• 建構使用者畫像是為了将使用者資訊還原，建構個使用者資料模型。 是以，這些資料是基于真實的使用者資料。
• 使用者資料可以大緻分為網絡行為資料、服務内行為資料、使用者内容偏好資料、使用者交易資料這4類。
• 網絡行為資料:活躍人數、頁面浏覽量、通路時長、激活率、外部觸點、社交資料等。
• 服務内行為資料：浏覽路徑、頁面停留時間、通路深度、頁面浏覽次數等。
• 使用者内容偏好資料：浏覽/收藏内容、評論内容、互動内容、生活形态偏好、品牌偏好等。
• 使用者交易資料(交易類服務)：貢獻率、客單價、連帶率、回頭率、流失率等。
• 當然，收集到的資料不會是100%準确的， 都具有不确定性，這就需要在後面的階段模組化進行再判斷，比如某使用者在性别一欄填的“男”，但通過其行為偏好可判斷其性别為“女”的機率為80%。
• 值得一提的是，儲存使用者行為資料時，最好同時儲存下發生該行為的場景，以便更好地進行資料分析。

2. 資料模組化

• 該階段是對上階段收集到的資料的處理，進行行為模組化，以抽象出使用者的标簽，這個階段注重的應是大機率事件，通過數學算法模型盡可能地排除使用者的偶然行為。
• 這時也要用到機器學習，對使用者的行為、偏好進行猜測，好比一個y=lx+b的算法，x代表已知資訊，y是使用者偏好，通過不斷的精确k和b來精确y。
• 在這個階段，需要通過定性與定量相結合的研究方法來建立很多模型，為每個使用者打上标簽以及對應标簽的權重。
• 定性化研究方法就是确定事物的性質，是描述性的:定量化研究方法就是确定對象數量特征、數量關系和數量變化，是可量化的。
• 一般來說， 定性的方法，在使用者畫像中，表現為對産品、行為、使用者個體的性質和特征做出概括，形成對應的産品标簽、行為标簽、使用者标簽。
• 定量的方法，則是在定性的基礎上，給每個标簽打上特定的權重，最後通過數學公式計算得出總的标簽權重，進而形成完整的使用者模型。
• 這裡的标簽表現了使用者特征，即使用者對此内容的興趣、偏好和需求等。而權重表現了指數，使用者的興趣、偏好指數，也可能表征使用者的需求度，可以簡單地了解為可信度、機率。

3. 建構使用者畫像

• 該階段可以說是第二階段的深入，要把使用者的基本屬性(年齡、性别、地域)、購買能力、行為特征、興趣愛好、心理特征、社交網絡大緻地标簽化。
• 當一切資料标簽化并賦予權重後，即可根據建構使用者畫像的目的來搭建使用者畫像基本模型了。為什麼說是基本模型?因為使用者畫像永遠也無法100%地描述一個人，隻能做到不斷地去逼近-一個人，是以，使用者畫像既應根據變化的基礎資料不斷修正，又要根據已知資料抽象出新的标簽，使使用者畫像越來越立體。
• 關于“标簽化”，一般采用多級标簽、多級分類，比如第級标簽是基本信 息(姓名、性别)，第二級是消費習慣、使用者行為;第一級分類有人口屬性，人口屬性又有基本資訊、地理位置等二級分類，地理位置又分為工作位址和家庭位址的三級分類。在下一節中我們将介紹如何建立使用者标簽體系。

4. 資料可視化分析

• 如下圖所示，這是把使用者畫像真正利用起來的一步，在此步驟中一般是針對群體的分析，比如可以根據使用者價值來細分出核心使用者、評估某一群體的潛 在價值空間，以做出有針對性的營運。

  

• 一. 回到前言

五. 使用者标簽體系

• 從技術層面看，使用者畫像的過程比較乏味。但如何設計使用者畫像的标簽體系卻是一個看起來最簡單卻最難以把握精髓的環節。
• 什麼是标簽體系?簡單來說就是你把使用者分到多少個類裡面去。當然，每個使用者是可以分到多個類上的。這些類都是什麼，彼此之間有何聯系，就構成了标簽體系。 标簽體系的設計有兩個常見要求，一是便于檢索，二是效果顯著。在不同的場景下，對這兩點的要求重點是不同的。
• 一般來說， 設計一個标簽體系有以下3種思路。

1. 結構化标簽體系

• 簡單地說，就是将标簽組織成比較規整的樹或森林，有明确的層級劃分和父子關系。結構化标簽體系看起來整潔，又比較好解釋，在面向品牌廣告主交流時比較好用。性别、年齡這類人口屬性标簽，是最典型的結構化體系圖9.3就是Yahoo閱聽人定向廣告平台采用的結構化标簽體系。
• 不過，實踐當中即使是面向品牌廣告主，售賣非人口屬性的閱聽人也存在很大困難，因為這些标簽從原理上就是無法監測的。

2. 半結構化标簽體系

• 在用于效果廣告時，标簽設計的靈活性大大提高了。标簽體系是不是規整就不那麼重要了，隻要有效果就行。在這種思路下，使用者标簽往往在行業上呈現出一定的并列體系，而各行業内的标簽設計則以“逮住老鼠就是好貓”為最高指導原則，切不可拘泥于形式。
• 當然，标簽體系太過混亂的話，投放營運就比較困難。是以，實踐中往往還需要對一定程度的結構化做妥協，除非整個投放邏輯是機器決策的(比如個性化重定向)。

3. 非結構化标簽體系

• 非結構化，就是各個标簽就事論事，各自反映各自的使用者興趣，彼此之間并無層級關系，也很難組織成規整的樹狀結構。非結構化标簽的典型例子是搜尋廣告裡用的關鍵詞。還有Facebook用的使用者興趣詞意思也一樣。
• 半結構化标簽操作上已經很困難了，非結構化的關鍵詞為什麼在市場上能夠盛行呢?這主要是因為搜尋廣告的市場地位太重要了，圍繞它的關鍵詞選擇和優化，已經形成了一套成熟的方法論。
• 面向品牌的結構化标簽體系，設計的好壞似乎并不太重要:而徹底非結構化的标簽，也沒有太多設計的需求。産品經理們碰到的難點，往往是如果設計合理的半結構化标簽體系以驅動廣告的實效。這裡面最關鍵的訣竅是深入研究某個具體行業的使用者決策過程。
• 站在上帝造萬物的視角，以電視台分頻道的方法将使用者分到财經、體育、旅遊等架構裡去，其實并不難，也沒有太大意義。 真正務實的思維，是不要關注那麼多的行業，把目光聚焦在目前服務的客戶類型上。本來你接的都是電商客戶，關注教育行業使用者分類又有什麼意義呢?

• 一. 回到前言