用户画像
用户信息标签
用户信息的收集包括用户基础要素、用户场景、行为偏好、心理个性、交际等多方面。可以用静态标签、动态标签两大类来划分。
用户信息数据包含的范围非常广，特别是动态标签数据具有多变性，所以建立用户画像模型也是一个不断完善的过程。
静态数据：用户相对稳定的信息，主要包括人口属性、商业属性等方面数据；这类信息如果企业有真实信息则无需过多建模预测
动态数据：用户不断变化的行为信息，主要是用户的网络行为。包括搜索、浏览、注册、登陆、签到、发布信息、收藏、评论、点赞、分享、加入购物车、购买、使用优惠券、使用积分……等一系列的行为。
通过统计真实的用户行为，给用户打上不同的行为标签，然后建立模型标签。比如人口属性、用户活跃度、用户兴趣爱好、用户满意度、渠道偏好使用、购买偏好、内容偏好、用户关联、用户风险评分等。
通过模型标签，进一步建立预测标签，如：人群属性、消费能力、流失概率、违约概率、近期需求、潜在需求。
用户画像的使用场景
场景：
目的：
获客：如何进行拉新，通过更精准的营销获取客户
粘客：个性化推荐，搜索排序，场景运营等
留客：流失率预测，分析关键节点降低流失率
用户画像的业务价值
在获客上，可以找到优势的宣传渠道，如何通过个性化的宣传手段，吸引有潜力需求的用户，并刺激其转化。
在粘客上，如何提升用户的单价和消费频次，方法可以包括购买后的个性化推荐、针对优质用户进行优质高价商品的推荐、以及重复购买，比如通过红包、优惠等方式激励对优惠敏感的人群，提升购买频次。
在留客上，预测用户是否可能会从平台上流失。用户流失可能会包括多种情况，比如用户体验、竞争对手、需求变化等），通过预测用户的流失率可以大幅降低用户留存的运营成本。
真实业务场景：
有一天，你的运营同事找到你，说京东电商平台最近小家电类目的订单数量、产品浏览量、搜索数量等都有所下降，现在部门计划对小家电类目进行一次季未促销活动，希望你能针对小家电的用户特征给出一些建议。
这是一个非常典型的对用户画像进行构建和分析的需求，需求要求我们能够对促销活动进行一些建议，一场促销活动必然包含以下几个部分：
我们可以从这些角度去勾勒出小家电消费群体的用户画像，从而可以进一步从用户特征本身来为促销活动提供建议和指导。
受众->用户的基本属性
时间->用户的购物行为属性
产品>用户的偏好属性
京东订单数据介绍：
小家电消费用户的用户信息
性别
0：女，1：男，-1：未知
学历：1：初中及以下，2：高中（中专），3：大学（专科及本科），
4：研究生（硕士及以上），-1：（未识别）
敏感度：
L1-近一年有复购用户
L2-近一年无复购用户
L3-一年前有复购用户
L4-一年前无复购用户
1-不敏感
2-轻度敏感
3-中度敏感
4-高度敏感
5-极度敏感
用户画像数据分析
用户的性别和年龄
从数据来看，下单小家电类目的消费者多为男性，但与女性用户数量差别不是特别大（10%）。用户多集中在25-35岁的年龄区间，25岁以下的年轻用户和45岁以上的中老年用户比较少。
用户的婚育状况
近70%的下单小家电的用户为已婚，超过60%的用户有孩的可能性比较高。
用户的教育水平
绝大多数小家电消费用户拥有专科及以上的学历，说明该类目的消费者学历水平比较高；大多数消费用户从事互联网、白领、教师等收入比较高的职业，这与其学历水平相符。
用户的基础属性描述
小家电消费者的典型用户为：
男性，年龄在30岁左右，已婚且有孩子。
他在一线城市居住，拥有本科学历，并在一家互联网公司任职，收入比较高。
他应该拥比较追求生活品质，注重家庭观念。
但是一线城市节奏快，生活压力大，他可能缺少时间和精力来关注家庭生活。
结论
促销的文案可以采用比较中性的风格，突出促销产品对于家庭生活品质的提升。
从时间维度来对订单数据进行拆分
从整周的数据上来看，绝大部分订单都是在周二和周六完成的，而周三的订单量最少。从单日的每小时订单量来看，早上10点-11点，晚上20点-22点是用户大量下单的时间。因此建议在周二和周六的早十点和晚八点各推送一次促销的活动。
小家电消费用户的加购次数分布
小家电消费用户在其他产品类目上的加购次数最多的是厨房小电，其次是粮油调味。
从这个数据可以看出，小家电消费用户的儒好还是集中于家庭生活中的需求，而且厨房用品占到很高的比重。可以以此为切入点，多在小家电产品或者搜索页面对和厨房有关的产品进行引流。
特别提示：本信息由相关企业自行提供，真实性未证实，仅供参考。请谨慎采用，风险自负。
相关动态
推荐动态
点击排行
©2008-现在 XRBH.CN 迅博思语版权所有 粤ICP备2023022329号