比你更了解你，淺談用戶畫像
Warning: Invalid argument supplied for foreach() in /data/cxweb/www/gupowang.com/public/article/view.html on line 71
今天，我和大家分享的主題是《比你更了解你，淺談用戶畫像》。其實，前面幾位老師已經結合自己所在的行業和企業內部的一些用戶畫像和標簽的應用，給大家深入地去聊了一下具體的實現，以及在各個行業里的應用。
到了我這塊呢？我覺得會是一個從深到淺，回過來，從一個高層次的角度去重新了解一下畫像。也是借這個機會，和大家分享一下，明略科技對于畫像的認識，關于到底怎么去理解畫像？為什么需要它？以及在這個建設過程中我們的一些方法論，等等。
01 什么是用戶畫像？
首先，我們看一下用戶畫像的定義，什么是畫像？
我們現在看到的是百度百科上面的用戶畫像的定義。用戶畫像又稱為用戶角色，作為一種勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，用戶畫像在各領域得到了廣泛的應用。我們在實際操作的過程中往往會以最為淺顯和貼近生活的話語將用戶的屬性、行為與期待的數據轉化聯結起來。
英文來講的話，就叫User Profile，或者User Personas。其實更深入更專業的來說，User Profile和User Personas是有一些區別的，但是因為我們今天要淺談用戶畫像，深入的內容就不去了解，就把它都當做是用戶畫像。
回過頭來，我們看上面百度百科的用戶畫像的定義。其中，我把兩個部分標紅了，是我認為的重點。
第一個是“勾畫目標客戶”，它表達了用戶畫像的本質，也就是我們對目標客戶的一種勾畫，一種描繪。在這里的勾畫描繪，肯定不是指我們平時在馬路上看到的，馬路邊兒上給你快速地畫一幅肖象畫兒。肯定是要比這種肖像畫要豐富地多。
我們的用戶畫像多在什么地方呢？其實就是標紅的第二個部分，就是屬性、行為。其實畫像是對我們的更多的屬性、行為的勾畫。
換一種視角再重新看畫像的定義，我們來到一個更技術化的定義。
它是說用戶畫像可以更簡單地理解成是海量數據的標簽，根據用戶的目標、行為和觀點的差異，將他們區分為不同的類型，然后每種類型中抽取出典型特征，賦予名字、照片、一些人口統計學要素、場景等描述，形成了一個人物原型（personas）。
這里用到的是一個叫personas。在這個定義中，引出了一個非常重要的概念——標簽。就是剛剛一直在談論的畫像、標簽，默認地把這兩個關鍵詞都帶出來了。
如果對一些之前沒有理解過的同學來說，可能不太了解為什么說著畫像，突然扯到標簽來了。其實在這個定義里面，之所以摘選這個定義，就是要給出來標簽在畫像中的一些作用，或者和畫像之間的關系。
我們之所以要有標簽，其實幫助我們將用戶的一些屬性可以理解為，標簽對用戶各種數據的一種提煉總結。可能就是用一個詞或者是用一個短語，來表達用戶在某個方面的一項特征。
我們的用戶呢？剛才提到的屬性、行為，其實是有各種各樣的特征，那么我們也就需要有海量的標簽來去完整地描述我們的用戶。
用標簽來描述用戶的一個好處，它可以用一種可視化的方式，把用戶的特征表示出來，讓我們更加便捷、更加清晰地來了解我們的用戶，這個也是我們用戶畫像的一個意義所在。
所以說呢，用戶畫像就是把我們用戶相關聯的數據去進行可視化的展現。一句話總結一下用戶畫像的特點，就是把用戶的信息去做一個標簽化。
到現在為止，花了兩頁的PPT來對用戶畫像進行多種的定義。其實更多的是一種概念上的東西，大概是不夠直觀。下面舉幾個例子來實際地看一下。
首先舉這個例子，我們看到的是一個非常形象的畫像，完全是字面意義上的畫像。
中間我們可以看到是一個人物的畫像，它其實是用各種標簽來構成的，通過各種標簽來構成這樣一個畫像。這些標簽比如我們看到像文靜、可愛、善解人意、活潑等等，它都是對我們的用戶的某些屬性的一個描述。
在這張圖上，我們也可以非常直觀地發現，這些標簽被分成了幾個類型，有基本屬性類、有消費購物類、還有社交類。其實還會有更多更多的分類，這里面就沒有一一地去列舉。
之所以我們會去對標簽分類，一個是便于對標簽的管理，另外一個重要的原因呢，就是說我們在不同的場景中，這些標簽可以幫助我們去實現不同的目標。場景和目標也是非常重要的，后面我們會再提到。
具體到這張圖上來看，比如說我們的基本屬性類，右邊藍色圖表，像年齡、性別、所在的區域，其實都是一些比較通用類的信息。可能在我們的多個場景中，都會去用到它們，通常會再去配合一些其他的標簽進行使用。
像消費購物的標簽，就是左上角黃色圖表，可能在電商場景中會用的比較多，我們可以看到擬合的這個用戶，她在消費方面的一些偏好，比如第一個標簽叫消費偏好領域——服帽，可能她相對來說，購買服裝類的物品會比較多。我們進行一些推薦或者促銷的時候，肯定會挑一些服裝、鞋帽等等這些品類推送給她。
但如果我們不考慮這些內容，天天去跟她推薦一些3C電子類的產品，告訴她，USB接口的數據線，它是5安的，支持快充怎么怎么樣的好。她也可能會慢慢地不感興趣，也就起不到促進購買的作用了。
再有呢，就是說，比如偏好價格區間。雖然我們偶爾也會去購買一些非常需要的東西，不太在乎價格。但大多數的購買，其實還是會在一個范疇區間內，這個區間可能問你的話，你可能不會直接的把它量化出來，多少錢是我的一個上限，多少錢是我的一個下限。你自己可能都沒有辦法去把明確的區間畫出來。
但是，通過用戶畫像可以幫助你去把它框定在一個范圍之內。其實也說就是畫像比自己更了解自己。通過對于偏好價格之間的標簽化，我們就可以在后面進行推薦和促銷的時候，針對這個范圍進行，這樣的話效果也會更加的顯著。
最后我們來看網絡社交類的標簽。它其實都是和社交網絡相關的，這里舉的幾個例子，都是和微博相關的，左下角紫色的部分，比如粉絲數、關注數、互動數等等。在我們去進行一些社交語境分析的時候，其實這些網絡社交的一些標簽，對我們分析都是非常有幫助的。
剛剛上一頁，我們是結合一個畫像的實例，列舉了用戶畫像在營銷、預測、分析等等場景中的運用。其實，還有一個非常早就開始應用畫像來處理日常業務的領域，那就是金融領域。
在金融領域里，最常見的一個場景應該就是信用評分的畫像。在我們的這個例子中，可以看到它的這些標簽，都是和個人信用相關。
這些跟個人信用相關的都包括什么呢？比如你在我這個平臺注冊的一個年限，你是不是中間有修改過注冊信息，你是不是在其他的平臺有過逾期的行為，還是說你一向都是表現良好。
也包括一些你的個人信息，比如說你的婚姻狀況、有沒有小孩兒。再有，就是在社交媒體的一些表現，比如說你的粉絲數，在社交媒體上的一個活躍度，等等。
這一系列的信息，都可以綜合起來去幫助我們判定用戶的信用評分以及信用等級，來輔助我們的業務部門去做出決策，而這也提出了一個非常重要的概念，就是輔助決策，后面我們就會提到這一點。
我們除了可以對單個用戶進行畫像之外，也可以對群體進行畫像。比如說在我們這個例子里面，看到的就是微博上某個特定人，他的粉絲情況的分析。
在我們第一階段的時候說過，畫像是一種可視化的展現，但是展現的形式不是單一的。在我們這個例子里，和對單一用戶畫像非常的不一樣。
剛剛的例子是對于單一用戶的畫像，其實我們更多的是把每一個屬性進行一個分類和排列，來幫助我們去了解某一個單獨對象的信息，比如說性別是什么、年齡多大、來自哪里等等。
針對群體的畫像，在展示上更多的是將單一標簽類型匯聚在一起，然后去展示統一信息。
比如說性別，每個單元各占多少比例；比如說我們右下角的一個地區，每個省份它所占的比例；或者說每個省份的熱度是多少。相當于是以省份為類別，去統計它所占的比例。
還比如說我們去處理一些連續的值，或者說是比較多的數值時，我們也可以進行分段，比如右上角的年齡，可能會針對一些比較典型的年齡段去進行一個劃分，這個具體怎么去劃分呢，是和業務相關。
02 為什么要做用戶畫像？
前面所講的內容，是對于畫像進行了理論上的定義和直觀上的認識。
我們知道畫像后，為什么要去構建畫像？構建出來有什么用呢？下面和大家分享一下我的看法。
首先，我們從理論上去分析一下，具體分為業務和技術兩個方面。業務層面上，我們通過用戶畫像可以構建一個具象的認知，構建戰略和戰術的方向。同時，也可以去探索用戶的足跡，形成以用戶為導向的方向。
具體是什么意思呢？就是構建具體認知，構建戰略、戰術方向。其實就是說，我們為了在這個層面跟核心用戶，達成一個統一和具象的認識。達成了認識之后，我們才方便在后續的投入上面能有的放矢，至少我們知道應該向哪個方向投入。
當我們在為用戶去設計產品的時候，我們必須要清楚的知道用戶長什么樣子，他有什么行為的特征，有什么樣的屬性特征。這樣我們才能以用戶為導向。所以，我們根據用戶畫像的信息去做產品設計，這樣才是為我們公司提出戰略和戰術層面的指導。
探索用戶的足跡形成用戶的導向，其實是說在我們詳細的了解了真實用戶，他是如何和產品的相關內容進行互動后，我們才能進一步的深化產品。當我們對用戶進行畫像的時候，我們一定要從業務場景出發，帶業務場景目標，去解決實際的一個業務問題。
比如，我們要去進行畫像，要么就是去獲取新用戶，要么就是去提升用戶體驗，再或者可能就是去挽回一個流失用戶。總之，我一定是有一個非常明確的目標。這些是從業務上去構建用戶畫像一些必要性而做出的努力。
從技術層面上來講，我們通過用戶畫像的構建，可以幫助去構建底層的數據基礎，來服務上層的應用。同時，也是在某些層面上方便信息的處理。
為什么呢？用戶畫像除了可以做直觀的展示之外，更多的是服務一些上層的應用。其實剛剛幾位老師也提到過，比如在推薦系統里，用戶畫像是可以做推薦系統非常重要的一環而存在，它對推薦的效果有較大的提升。
另外，像剛剛提到的在金融里面的應用，用戶畫像也可以應用在風控的應用里，做一些規則特征來存在，來量化系統等級。
所謂方便信息的處理，其實是說我們標簽之后，計算機就可以方便地來處理一些量化的需求。
比如去做一些分類統計，某個視頻網站上最近比較火的脫口秀，希望知道看脫口秀大會的用戶到底有多少，男女比例是多少；或者可以去做數據挖掘，喜歡買榴蓮的用戶，通常他們喜歡的是什么服裝品牌；或者經常買咖啡、又買大蒜的用戶，他們的年齡分布是什么樣子。等等。可以幫我們去做一些量化分析。
總之，用戶畫像可以完美地抽象出一個用戶的信息全貌，這是企業應用大數據的根基。
用戶畫像可以幫助企業，為用戶提供個性化的產品和服務。我們也總是在說千人千面，每個給客戶提供服務的企業，最終的目的都是，當用戶打開產品、打開APP或者網站時，他看到的內容和得到的體驗，都是針對他來設計的，或者說符合他的調性。只有這樣，他的體驗才會有一個真正的提升。
下面給大家舉個例子，結合明略的用戶畫像和營銷自動化的場景，舉一個畫像支撐業務的非常淺顯的例子。
當我們想要舉行一場營銷活動的時候，可能不會面向所有的用戶群體，就是針對某一類具有一定特征的用戶來進行。
首先，我們就會用到用戶畫像，根據我們對于用戶的畫像，或者根據用戶構建的標簽，去進行人群的圈選。
根據業務上的條件，去確定用戶群體，我們就可以在群體里面通過條件把它圈選出來。比如這個例子里面，就是通過一個消費行為的標簽，把360天內都沒有購買過的用戶圈出來。
當真正去做營銷活動的時候，我就可以在營銷自動化產品里面，在規劃和實施營銷活動的時候，將剛剛篩選出來的用戶群體作為標準群，就是我畫紅圈的部分。我們就可以輕松地實現定向的營銷。
總體來講，畫像作為一個整體，它到底有什么作用？剛剛提到畫像、標簽，它其中有幾個聯系。下面具體來談一談標簽，標簽到底有什么樣的作用？為什么會有這么大的重要性？
標簽可以將數據及其含有的信息轉化成帶有明確的可決策行為的指導。“人”參與決策越多的地方，越需要將數據/信息進行標簽化，以提升人對數據的理解和處理效率，實現人機協同。
這個總結出來的具體是什么含義呢？我們可以來詳細地交流一下。
我們來觀察一下這些所謂的數據產品，比如營銷領域的DNT、CPP，或者大家不太熟悉的話，我們可以舉一些通用的例子，比如BI等等，這些數據產品的特征，就是怎么樣用數據讓人們去產生快速地理解。
舉一個具體的例子，當前的疫情的環境下，可能有一個大家經常會遇到的標簽，我們在測體溫的時候，如果超過37度，可能就是發燒了，就需要去看醫生，我們可能就會被帶走隔離，這個點就是一個重要的標簽，就是一個發燒點。
再比如開車的時候，如果時速超過120碼，我的導航上的顯示就變成紅色了，這個也是一個非常重要的標簽，它就會告訴我，說我超速了。
所以，我們在日常生活中，總是遇到一些特別底層的標簽，比如說到某個標簽，我就能知道去怎么做，或者下一步該怎么走。比如我看到超速了，就知道該把速度降下來了。
再從另一個角度來看一下，為什么需要去做標簽？比如說我們現在的各種新聞類或者短視頻類的APP，他們的背后都有一個非常好的推薦，這些推薦可能不需要標簽。比如它知道你喜歡這個東西，它就推給你看，然后你去看，它可能再給你推薦另外一個，可能你又看了。
當所有的這些數據由機器去處理的時候，它可能不需要理解是什么，因為它有大量的用戶的反饋數據去幫它做決策，它就可以不斷地去刷新、去訓練模型。
但是如果某些場景中是需要人參與做決策，也就是說人參與決策的地方越多，我們就越需要將數據進行標簽化。為什么呢？因為人處理信息就沒有辦法像機器通過大量的預算，畢竟人處理的信息是有限的。
所以，為了快速地讓人對數據進行理解，可以去提升處理效率，最終實現人機協同。我們用標簽的目的，就是為了把大量的數據驗算完的結果，通過信息的標簽化，變成快速去理解，快速去做決策的一個形式。
就像我們剛剛提到的，在數據產品里，如果可以把數據變成一個明確的標簽，提醒用戶你現在需要降速了，或者提醒用戶你發燒了，該去看醫生了。這就是一個非常好的標簽，因為它已經加速了我們處理的速度，直接幫忙我們去做決策。
下面舉一個例子，我們進一步來看一下標簽的作用。
這個標簽的作用也和后面要講到的標簽的流程相關。在這個地方，它分成了四個步驟，我們來看一下，它是怎么通過這幾個步驟，一步一步地轉化成標簽，最終指導我們去做決策。
第一個步驟，就是最左邊的一列叫做數據在線，數據在線指的是什么呢？就是我要通過數字化的轉型，將我們的業務流程在線化，在業務流程中產生的數據，它就自然到線上，具備了讓人不去處理的條件。
比如，以前我們在超市里面買東西，很難去統計每個用戶買的什么東西，這樣的話，你后續的分析也就很難進行。現在呢？很多人都在電商上買東西，購物環節的數據就在線了，以后可能隨著越來越多的業務流程在線化，我們分析的內容也越來越多。
回到這個例子里，就是我的一個數據在線或者一個采購的過程，通過線上的購物，已經記錄到我的系統里。
數據在線之后，我們第二個要做的就是去進行一個數據轉成信息的過程。比如，我們現在看到這個用戶叫王二妮，這個信息是什么呢？其實這個信息就是，比如說用戶轉化成信息，轉化成什么樣的信息呢？這個信息就是說在我的業務場景下，能夠解讀出來的內容。
我們在這個例子里面看到王二妮，它典型就是一個凈化的文字，這個可能并不是一個非常直接的轉換。但這也是我們在從數據到信息的過程中，也是要基于我們對于業務場景的理解，我們不僅需要直接地分析數據、轉換數據。其實，我們還可以給這些數據附一些新的信息，這個就是我們所謂信息的轉換，以及我們的信息的一個爭議。
第三步，就要把我們的信息轉換成標簽了。比如我們可以通過一些規則的設定，當我看到這個信息的時候，我們就可以判斷，大概率90%以上這個人就是一個女性，叫王二妮。所以這個時候，我可以給她一個標簽，一個應該算是一種性別的標簽，比如這個例子里面給了她一個標簽，叫做女性。
第四步，就是我怎么樣根據這個標簽去產生一個決策。在這個標簽里面，我就是產生一個決策，在后續和這個用戶去溝通的時候，我更可能用一種媽媽性的溝通方式和稱呼。為什么會有這個決策呢？就是因為我們發現她購買嬰兒奶粉。
在電商的場景中，我們的一個用戶購買了一款嬰兒奶粉，我們接下來該如何去跟她互動，在做這個決策的過程中，就結合她的性別標簽，我們可能會去判斷大概率是一個媽媽，就應該使用媽媽性的溝通方式和稱呼去和她溝通。
這里會不會有一些錯誤？那當然會有，比如我買的這個東西是幫別人買的，也可能會有這種情況發生。
不過，我們還會進行更深入地分析，比如我們看到她買過的是三段奶粉，就意味著可能不是一種新生兒奶粉，一般小孩兒到一兩歲的年紀，也不會有人再去看他的時候，去送奶粉了，通常剛出生的時候，可能性會比較大。
所以，我們通過結合多種標簽，將他們去結合起來，幫助我們去做出決策，就是適合用一種什么樣的方式去溝通。
在這個環節中，我們并不要求這個決策100%是正確的，因為在大多數的業務里面，我們只需要它給我們推薦，至少會讓我們去嘗試一下。
文章評論(0)