标签|这样构建的用户画像!想不懂你的用户都难

都在谈论的用户画像 , 到底是什么?
用户画像的概念最早由交互设计之父Alan Cooper提出 , 他将用户画像(Personas)定义为:“Personas are a concrete representation of target users” 。 Personas是真实用户的虚拟代表 , 是建立在一系列真实数据(Marketing data,Usability data)之上的目标用户模型 。
通过用户调研去了解用户 , 根据他们的目标、行为和观点的差异 , 将他们区分为不同的类型 , 然后每种类型中抽取出典型特征 , 赋予名字、照片、一些人口统计学要素、场景等描述 , 就形成了一个人物原型 (Personas) 。
1
First Point
构建用户画像的关键点
用户画像最初的应用场景是希望团队在产品设计中 , 能够摈弃个人喜好 , 将注意力聚焦到目标用户真正的动机和行为上来设计产品 。
演进到当今的数据时代 , 企业期望更了解自己的用户 , 从而来改进产品迭代 , 制定营销策略 , 进行运营活动等 。 但其中尤为重要的关键点 , 则会影响用户画像的真正价值 。
用户画像的所有数据要建立在真实的、准确的、全量的、实时的数据之上
影响用户画像的最终呈现的数据有很多 , 当下的环境我们更倾向于选择线上的实时的数据来做洞察 , 相较于线下倒入的数据 , 线上数据更直观 , 也更真实;其次 , 线上的数据能够覆盖更多、更全面的端口 , 来充分记录一个用户的多种行为 。
用户画像中标签林立 , 并不是维度越多、越广泛就一定是最好的
数据量不断扩充 , 用户画像也会越来越细 , 越来越多 , 供我们参考的信息也越多 , 但是数据的存在是为了形成洞察 , 洞察的结果是为了指导业务 。 因此我们建议多个用户画像存在的时候 , 我们一定要制定核心画像和进行优先级排序 , 跟核心业务路径转化最相关的 , 作为我们最重视的画像来指导业务 。
用户画像是需要不断迭代和修正的 , 标签动态变化并非一蹴而就
用户画像终其根源是人的画像 , 人的属性 , 人是复杂的 , 是动态变化的 , 因而在当下的环境中 , 如果还有人对你鼓吹一堆死标签的价值何其有意义的时候 , 这个人不是蠢就是坏 。 在真实的业务环境中 , 一个用户的等级可以逐渐攀升 , 行为确是多种变化 , 所以我们做画像的规则也需要动态适应这种变化 。
2
Second Point
我们应该采用怎样的用户画像工具
能够整合多源多端的数据
现在的用户触点(用户和软件发生交互的场景)多种多样 , 端口(移动终端设备手机、PC等)也品类繁多 , 我们要充分的了解一个用户 , 就要掌握他在各个设备的行为数据 。
其次 , 一个用户也会使用多种系统 , 所以用户在电商平台的订单数据 , 在CRM里的客户数据 , 在营销系统里的点击数据等等我们都需要统一整合 。 如果能够有工具帮助我们省去大量的ETL的工作 , 完成用户的统一识别 , 自动化的采集数据 , 就节约了大量的人力投入 。
能够自助的构建标签体系
最需要使用用户画像的人 , 其实是业务部门 , 但能够生成画像的人 , 其实是技术部门 , 所以我们需要一个可视化界面的工具 , 帮助业务部门的同学低门槛的通过标签自定义的方式 , 自给自足的生成用户标签 。
能够自由的进行标签管理和维护 , 根据业务逻辑中的用户生命周期来匹配用户标签从创建、加工、维护到下线的整个环节 , 紧密贴合业务本质 , 而非生成一堆数据 。

标签|这样构建的用户画像!想不懂你的用户都难
文章图片
易观方舟智能画像自助实现标签加工
能够实时更新数据 , 动态标记
一个用户基于人口学的的社会属性可能会变化较 , 但是用户的消费能力、消费偏好、活跃情况、甚至是影响企业关键转化的决策标签等确是实时变化的 。 因此当下的用户画像的确对实时性会有很大的要求 。
Forrester在2021跨渠道营销系统管理报告中提到:
“Email marketing and PC-centric engagement is not enough for B2C marketers in APAC. They require a CCCM solution that can address mobile- first consumers and meet their mobile-moment- based expectations. ”
所以在当下中国的互联网环境下 , 实时的数据 , 已经是一个十分必要的需求 。 在用户画像上我们需要自动的、动态的标记和更新 。 而在真实的业务环境中 , 我们则更需要实时的、精准的去触达我们的客户 。 与其说是营销 , 不如说是在深度了解客户之后 , 在客户最需求且最适应的时间为客户提供准确的讯息 。
支持数据导入导出 , 赋能业务
用户画像的最终价值还是需要到业务流转中去验证 , 因此数据的导入是一种必要条件 , 多元数据的导入能够实现用户的全量数据 , 保证更加客观准确 , 标签数据的导出和目标人群包 , 能够帮助业务同学更有针对性的去做营销动作和运营活动 。

标签|这样构建的用户画像!想不懂你的用户都难
文章图片
易观方舟支持跨平台、跨设备用户行为数据采集
3
Third Point
构建用户画像 , 从标签体系开始
市场上有各种各样的声音 , 用户画像的不同时代 , 不同版本 , 但是你永远不能指望一个系统或一个工具解决你所有的数据问题 。
所以 , 从最棘手的 , 最贴近你业务的环节开始 , 从梳理用户的标签体系开始 , 构建用户画像的坚实基底 。
什么是用户的标签体系?用户的标签体系实际上就是用户单个标签的集合 , 通过不同的观察?度将标签组合在?起 , 帮助我们从某些??更快、更全?地了解?户 , 形成对于?户综合的评价 。

标签|这样构建的用户画像!想不懂你的用户都难
文章图片
易观方舟智能画像Demo模拟数据
通过对?户标签进?有效的归类、梳理之后 , 基于标签对?户的洞察将更为清晰、易于理解 。
【标签|这样构建的用户画像!想不懂你的用户都难】精细化运营是一个大熔炉 , 用户画像、用户分层、用户分群各种概念纷繁复杂 , 无论概念炒的多热 , 营销的口径怎么演进 , 让我们去繁就简 , 关注业务的核心本质 , 从了解你的用户开始 。

    推荐阅读