用户画像分析怎么做(数据分析用户画像的7个维度)

用户画像分析怎么做,数据分析用户画像的7个维度.研究用户画像的方法往往非常复杂.本文作者通过数据分析总结了一个简单的获取用户画像的方法,分享给大家.

在做任何产品之前,我们都会首先考虑受众.然而产品上线后,发现预设的用户群似乎并没有买单.例如,许多新产品成为了现象级产品,寿命很短.或者随着产品的发展,最初的受众可能已经发生了变化.比如最先用QQ的那群用户已经建立了家庭,宿舍里攻击CS的那群人已经放下了屠夫.

1-21102Q3021b09.jpg

如果用户发生变化,产品必须迅速跟进和调整以适应新的用户群体.这时候,重新定位寻找用户画像就变得迫在眉睫.

用户画像是真实用户的虚拟代表.它是基于真实的.它不是一个特定的人.它根据目标行为观点的不同分为不同的类型.它们被快速组织在一起,然后提取新获得的类型.形成一类用户画像.

最常用的用户画像有八个要素:基本性、合理性、真实性、独特性、目标性、数量性、适用性和持久性.寻找用户画像可能会吓跑一群人.今天我们将把这些要素组合起来,搬到线上,从产品的实际运营数据中提取出来,一步步分析用户画像的标签.

一、用户画像的3个维度

我们对在线用户画像的8个要素进行聚类整合,勾勒出目标用户的群体特征.这在产品中称为“受众群体定位”.在线用户画像研究主要围绕产品运营数据,获取产品中的用户基本信息和用户网络行为,进行差异化组合和分组.

按照顺序可以分为三个维度:信息画像、行为画像、群体画像.

信息画像:用户的基本信息,属于静态数据,包括地区、性别、收入、婚姻状况、家庭、职业、收入、资产、消费水平等.

行为画像:是用户在产品中的网络行为,也称动态数据,包括用户的浏览习惯、访问时间、使用频率、消费记录、喜好偏好、行为轨迹等.

分群画像:就是细分用户群,根据产品和业务的需求,给具有共同业务特征的用户打上标签,聚合标签来划分群像.

1-21102Q304264Q.png

1、建立信息画像

现有数据一般通过第三方统计平台获取,如友盟.对于大公司或一些机密单位,他们可能会开发自己的监控系统.

1-21102Q3054bc.png

使用我们做过的分期购车产品查找信息画像.首先从统计平台和数据库中提取可以提取的用户基本信息,然后将这些基本信息在用户群中的占比进行整理,最后整理成以下关键指标,如下图所示:

1-21102Q3060a38.png

2. 绘制行为画像

产品根据市场发展和用户需求变化不断更新迭代,在产品迭代中获取关键变量,绘制行为画像.用户在产品中可统计的网络行为主要包括使用场景、获取的内容、访问路径等.使用场景主要是设备终端、网络状况、接入周期等;获取内容是用户在产品中浏览、完成任务、使用工具等内容;访问路径是用户从进入产品到离开的整个行为轨迹.

1-21102Q306335S.png

继续使用分期付款汽车产品来分析行为画像的第二维度.获取业务相关的网络行为,然后计算数据占比,分析需要获取的关键点:

1-21102Q30A3357.png

3. 勾勒分群画像

梳理完信息画像和行为画像后,如何聚合这些信息,给用户准确贴上标签,勾勒出群体画像,就需要想办法解决问题.这减少到 3 个步骤.首先找出信息极值的概念,找到聚合信息的合理画像,最后画出合理的分组画像.

1-21102Q30IAF.png

第一步:极值

尽量合理覆盖每组信息的“极端信息值(每组数据的最高或最低比例)”.

1-21102Q30KNF.png

第二步:合理的价值

这里有极值的用户,分析合理的群体.例如,下图中的聚合信息图像显示了相关信息的最高值.看来买车买房的资金压力很大.看似不合逻辑,但买房是很稳定的投资,这样的用户买车.能够接受贷款的可能性很高.最低值不合理的用户年龄相对较大,又得不到网上交易的安全保障,怎么买股票?

聚合行为画像显示相关信息价值最高,流量来源呈现PC端数据占近一半的现象.这其实反映了两个问题:一是移动端做的不好,二是用户群多为上班族等.

第三步:勾勒收藏和分组画像

尽量将用户行为的“聚合信息价值(将每组数据与其他组合理结合,分析出与真实用户最匹配的信息价值)”进行合理连接,即基数比较大的用户组.

勾勒用户画像,产品需求迭代更有针对性.但这是我们根据数据分析得出的结果.不能说这样的结果是正确的.接下来,我们需要进一步验证用户画像.

1-21102Q30QU49.png

二、验证用户画像

这是基于我们理论分析的用户画像,但是这样对吗?

我们还是用同样的方法去验证,梳理新版本上线后的真实数据,寻找其中的变量,然后分析它带来的改进或实际转化.我们总结了以下三种验证方式.

1.验证真实数据

产品上线后,收集各组实时数据,了解产品变更数据是否符合我们最初的迭代修订预期,分析是否符合我们勾勒的用户画像,分析变更需求.如果它不符合预期,我们必须结合一些数据变化.有针对性地分析原因.

2. A/B 测试

A/B Test 被认为是互联网上最常用的验证方法.它是基于用户画像上线后的产品与当前产品的对比分析,验证用户画像反馈需求的准确性.对于访问量大的产品,我们通常设置99%的用户正常访问原版,只有1%的用户会随机切换到新版本,重点关注新旧对比的幅度数据.

例如,上述案例中使用的分期付款汽车产品中使用的A/B Test的数据变化如下:

1-21102Q30TI08.png

三、业务数据转化验证

产品能为企业带来的利润是衡量产品质量的关键指标.虽然这是商业上的考虑,但它必须在产品层面实施.主要看产品能给商家带来的转化率.这是企业评估的关键 KPI.如果转化率下降,则可能是浪费工作.如果转化率提高,可以作为有说服力的验证结果.

上例中的分装车产品中的数据如下图所示:

1-21102Q30Zc18.png

通过对用户画像的不断迭代验证,带来用户增长.但在产品带来大量新增功能的同时,也会带来产品需求的变化,因为用户本身就是一个变量,产品仍然需要迭代更新,不断更新和验证用户画像.用户画像可以让我们更好的解决用户的需求,验证我们用户画像的可行性,获取产品的用户画像.

以上就是“用户画像分析怎么做(数据分析用户画像的7个维度)”的全部内容,更多内容敬请关注

您可能还会对下面的文章感兴趣: