用戶(hù)畫(huà)像概念來(lái)自交互設(shè)計(jì)師之父阿蘭·庫(kù)珀：
- （1）是真實(shí)用戶(hù)的虛擬代表
- （2）建立在一系列真實(shí)數(shù)據(jù)之上
- （3）是用戶(hù)目標(biāo)、行為、觀點(diǎn)等信息的標(biāo)簽化
為什么需要用戶(hù)畫(huà)像
簡(jiǎn)練精準(zhǔn)的表達(dá)用戶(hù)特征
了解和結(jié)構(gòu)場(chǎng)景內(nèi)用戶(hù)
驅(qū)動(dòng)更好的決策
個(gè)性化推薦和服務(wù)
精細(xì)化運(yùn)營(yíng)和數(shù)據(jù)分析
精準(zhǔn)營(yíng)銷(xiāo)和定向投放
…
用戶(hù)畫(huà)像具備以下特征
- 標(biāo)簽化
- 時(shí)效性：用戶(hù)數(shù)據(jù)中的動(dòng)態(tài)屬性隨著用戶(hù)的行為變化而變化，具有明顯的時(shí)效性特征。
- 動(dòng)態(tài)性：用戶(hù)畫(huà)像需要不斷的更新迭代才能更加精準(zhǔn)的表示用戶(hù)特征。
- 領(lǐng)域性：不同的領(lǐng)域?qū)τ脩?hù)畫(huà)像系統(tǒng)有不同的側(cè)重點(diǎn)，因此需要針對(duì)不同的領(lǐng)域建立專(zhuān)屬的畫(huà)像標(biāo)簽維度
用戶(hù)畫(huà)像的構(gòu)建步驟
1. 數(shù)據(jù)收集
2. 特征抽?。褐饕ㄟ^(guò)兩類(lèi)方法來(lái)完成特征抽取。維度提煉即特征抽取過(guò)程。
- （1）人工抽?。阂蕾?lài)研究者的知識(shí)和經(jīng)驗(yàn)，從而抽取用戶(hù)特征。具有一定的主觀性，僅適用于數(shù)據(jù)表達(dá)清晰、數(shù)據(jù)量小的研究場(chǎng)景。
- （2）技術(shù)抽?。和ㄟ^(guò)機(jī)器學(xué)習(xí)算法抽取用戶(hù)特征，適用于大數(shù)據(jù)環(huán)境下海量用戶(hù)數(shù)據(jù)的研究場(chǎng)景。
3. 提煉標(biāo)簽：可建立專(zhuān)屬的標(biāo)簽庫(kù)
用戶(hù)畫(huà)像分類(lèi)
- 根據(jù)用戶(hù)畫(huà)像是否可變分為靜態(tài)畫(huà)像和動(dòng)態(tài)畫(huà)像
| 用戶(hù)畫(huà)像分類(lèi) | 靜態(tài)畫(huà)像 | 動(dòng)態(tài)畫(huà)像 |
| 概念 | 穩(wěn)定不變的信息 | 用戶(hù)不斷變化并且需要不斷修正的行為信息，可以解構(gòu)為5W |
| 實(shí)時(shí)性 | 弱 | 強(qiáng) |
| 覆蓋面 | 大 | 小 |
| 粒度 | 粗 | 細(xì) |
| 信息來(lái)源 | 用戶(hù)基本屬性 | 基礎(chǔ)行為標(biāo)簽 |
| 來(lái)源舉例 | 包括但不限于（可以不斷細(xì)化）：個(gè)人屬性：性別、年齡、學(xué)歷、職業(yè)通訊屬性：入網(wǎng)年限社會(huì)屬性：所屬行業(yè)、崗位層級(jí)、工作年限價(jià)值屬性（商業(yè)屬性）：月收入、財(cái)務(wù)狀態(tài)、消費(fèi)能力位置屬性：常在區(qū)域、出行情況 | 包括但不限于（可以不斷細(xì)化）：When時(shí)間偏好：訪問(wèn)時(shí)段，訪問(wèn)時(shí)長(zhǎng)Where渠道偏好：訪問(wèn)媒體,訪問(wèn)設(shè)備,流量來(lái)源，流量去向What行為偏好：訪問(wèn)頁(yè)面，訪問(wèn)次數(shù)，購(gòu)買(mǎi)行為，接觸行為，使用行為Why興趣偏好：游戲、新聞、社交、閱讀、購(gòu)物、影音、金融、旅游、動(dòng)漫、攝影、時(shí)尚、寵物、收藏、汽車(chē)、體育、美食、軍事。。。等行為刻畫(huà)Why深層需求：此為關(guān)鍵驅(qū)動(dòng)因素Why態(tài)度/傾向：一般購(gòu)買(mǎi)態(tài)度，購(gòu)買(mǎi)心理因素，忠誠(chéng)度，體驗(yàn)評(píng)價(jià) |
- 根據(jù)畫(huà)像指向的用戶(hù)數(shù)量分為：?jiǎn)斡脩?hù)畫(huà)像和群體用戶(hù)畫(huà)像
淺層用戶(hù)畫(huà)像與深層用戶(hù)畫(huà)像
無(wú)論什么畫(huà)像都需要特征提取和標(biāo)簽建立，我們對(duì)于基本信息（包括基本屬性和基礎(chǔ)行為）的初步提取和概括可建立淺層用戶(hù)畫(huà)像，對(duì)于淺層畫(huà)像的深度分析再次提煉可以建立深層的用戶(hù)畫(huà)像。深層標(biāo)簽例如：高風(fēng)險(xiǎn)理財(cái)偏好客戶(hù)、近期境外游需求客戶(hù)、車(chē)險(xiǎn)需求客戶(hù)、潛在家庭保險(xiǎn)客戶(hù)、潛在高風(fēng)險(xiǎn)客戶(hù),etc. 深層畫(huà)像更加逼近用戶(hù)目標(biāo)和用戶(hù)深層需求。
用戶(hù)畫(huà)像、用戶(hù)分群、用戶(hù)標(biāo)簽之前的關(guān)系
- 維度：我們首先結(jié)合產(chǎn)品業(yè)務(wù)和需求場(chǎng)景建立維度，維度可以不斷細(xì)化。在每一個(gè)維度下可以創(chuàng)建一系列的標(biāo)簽。例如建立年齡維度，則標(biāo)簽可以劃分為80后、90后、Z世代等等。
- 用戶(hù)畫(huà)像是多個(gè)標(biāo)簽的集合。
- 用戶(hù)分群：每個(gè)產(chǎn)品爭(zhēng)取有3-6個(gè)細(xì)分用戶(hù)群。細(xì)分太少粒度不夠，細(xì)分太多不夠聚焦
（1） 單維度分群：基于某一維度，把目標(biāo)人群分為不同的群體。比如按照性別來(lái)分群，從身份證層面上可以分為男性和女性，按照年齡來(lái)分類(lèi)，可以分成嬰幼兒、青少年、成年人、老年人等。
????（2）多維度分群：即將多個(gè)維度的特征都相同的用戶(hù)統(tǒng)一為一個(gè)分群。例如：組合“近30日購(gòu)買(mǎi)次數(shù)”大于3次和“高活躍”“女性”用戶(hù)這三個(gè)標(biāo)簽進(jìn)行定義目標(biāo)人群，查看該類(lèi)人群覆蓋的用戶(hù)量，以及該部分人群的各維度特征。
—— 如果覺(jué)得文章還OK，請(qǐng)轉(zhuǎn)發(fā) ——
特別提示：關(guān)注本專(zhuān)欄，別錯(cuò)過(guò)行業(yè)干貨！
PS：本司承接 小紅書(shū) / 淘寶逛逛 / 抖音 / 百度系 / 知乎 / 微博/大眾點(diǎn)評(píng) 等 全網(wǎng)各平臺(tái)推廣；
咨詢(xún)微信：139 1053 2512 (同電話(huà))
首席增長(zhǎng)官CGO薦讀：
- 《首席增長(zhǎng)官 – 增長(zhǎng)黑客 Growth Hacker》
- 《小紅書(shū) – 增長(zhǎng)黑客 Growth Hacker》
- 《用戶(hù)增長(zhǎng) – 增長(zhǎng)黑客 Growth Hacker》
更多精彩，關(guān)注：增長(zhǎng)黑客（GrowthHK.cn）
增長(zhǎng)黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來(lái)達(dá)成各種營(yíng)銷(xiāo)目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實(shí)現(xiàn)低成本甚至零成本帶來(lái)的有效增長(zhǎng)…
本文經(jīng)授權(quán)發(fā)布，不代表增長(zhǎng)黑客立場(chǎng)，如若轉(zhuǎn)載，請(qǐng)注明出處：http://m.gptmaths.com/cgo/user/39226.html
微信掃一掃 
支付寶掃一掃 
