用户运营知识结构归纳之用户画像

百度文库 - 让每个人平等地提升自我

用户画像的构建流程

数据收集：

网络行为数据：活跃人数、页面浏览量、访问时长、激活率、外部触点、社交数据等

服务内行为数据：浏览路径、页面停留时间、访问深度、唯一页面浏览次数等

用户内容偏好数据：浏览／收藏内容、评论内容、互动内容、生活形态偏好、品牌偏好等

用户交易数据：贡献率、客单价、连带率、回头率、流失率等

收集到的数据不会是100%准确的，都具有不确定性，这就需要在后面的阶段中建模来再判断，比如某用户在性别一栏填的男，但通过其行为偏好可判断其性别为“女”的概率为80%。

储存用户行为数据时最好同时储存下发生该行为的场景，以便更好地进行数据分析。

行为建模：

该阶段是对上阶段收集到数据的处理，进行行为建模，以抽象出用户的标签，这个阶段注重的应是大概率事件，通过数学算法模型尽可能地排除用户的偶然行为

5

百度文库 - 让每个人平等地提升自我

这时也要用到机器学习，对用户的行为、偏好进行猜测，好比一个 y＝kx＋b 的算法，X 代表已知信息，Y 是用户偏好，通过不断的精确k和b来精确Y。

贴标签：

1、用户汽车模型：根据用户对“汽车”话题的关注或购买相关产品的情况来判断用户是否有车、是否准备买车

2、用户忠诚度模型：通过判断＋聚类算法判断用户的忠诚度

3、身高体型模型：根据用户购买服装鞋帽等用品判断

4、文艺青年模型：根据用户发言、评论等行为判断用户是否为文艺青年

5、用户价值模型：判断用户对于网站的价值，对于提高用户留存率非常有用（电商网站一般使用RFM 实现）还有消费能力、违约概率、流失概率等等诸多模型。

关于标签化：

1、多级标签：第一级标签是基本信息（姓名、性别）；第二级是消费习惯、用户行为

2、多级分类：人口属性，地理位置（工作地址、家庭地址）

6

百度文库 - 让每个人平等地提升自我

构建画像：

该阶段可以说是二阶段的一个深入，要把用户的基本属性（年龄、性别、地域）、购买能力、行为特征、兴趣爱好、心理特征、社交网络大致地标签化

构建流程

数据可视化分析：

这是把用户画像真正利用起来的一步，在此步骤中一般是针对群体的分析，比如可以根据用户价值来细分出核心用户、评估某一群体的潜在价值空间，以作出针对性的运营

用户建模：

基础属性：性别、职业、年龄段、收入水平、婚育情况、活跃城市、教育程度、……

用户分级：生命周期、价值分级、优惠敏感度、基于马斯洛用户需求

兴趣偏好：团购偏好（品类）、外卖偏好（品类、品牌）、电影偏好（导演、演员、电影类型……）

7

百度文库 - 让每个人平等地提升自我

行为属性：团购（下单次数、消费频度、评价质量、评价倾向）、外卖、酒店、电影

人群属性：旅游达人、有车一族、……

基于马斯洛用户需求的用户分级：

马斯洛用户需求

1、首先了解自己产品的精准受众群体，分析并确认这类群体的性格特性与使用习惯，不要局限在自己产品中去想这类人群的特性，而是具有XXX特性的人群，来到我的产品中，会有哪些使用习惯与心理特性。

2、搭建用户成长体系时，一定会出现不同阶层之间的边界模糊现象，我们需要观察达成每个成就的用户群体比例，来重新界定每个阶层。

3、用户是波动的，不一定会完全按照我们界定好的体系变动，我们不必稳抓每一个用户，只要保证大体用户是按节奏进行的即可，如果出现大批量用户跃

8