用户画像简单地说就是在用户身上贴各种各样的标签,以至于实现对客户的精准分类从而进行定制化服务、精细化运营。用户画像是一个庞大的体系,本文主要分享的是数分接触最多的画像标签开发。
统计类:基于历史数据和业务逻辑的统计类指标,例如年龄、近7日活跃天数等
规则类:基于用户行为和运营规则产生,例如高价值客户(近30天消费金额高于1000)
挖掘类:基于机器学习挖掘产生,例如流失意向、商品偏好等
每个公司的用户标签都不一样,但整体上都包括但不限于用户属性、用户行为、偏好细分、用户分层、风险控制、营销场景等,这里参考赵宏田老师的《用户画像 方法论与工程化解决方案》绘制如下思维导图
用户标签
一般依据标签体系开发的标签需要进行统一的管理和维护,以应对业务发展带来的标签变化,简单的可以参考如下的表格
标签值 | 标签名称 | 标签主题 | 一级归类 | 标签类型 |
---|---|---|---|---|
男 | 自然性别 | 基本属性 | 用户属性 | 统计类 |
女 | 自然性别 | 基本属性 | 用户属性 | 统计类 |
未知 | 自然性别 | 基本属性 | 用户属性 | 统计类 |
用户画像主要是通过各维度区分用户,区分出了用户后就可以进行精准广告投放、定制化营销、个性化推荐、风控检测等。而且作为标签体系也可以帮助进行产品设计和数据分析。
共勉~