大数据时代下的“用户画像”

2017-06-05

1.什么是用户画像

20170605151604_18588.png      

交互设计之父Alan Cooper最早提出了用户画像(persona)的概念,认为“用户画像是真实用户的虚拟代表,是建立在一系列真实数据之上的目标用户模型”。通过对客户多方面的信息的了解,将多种信息集合在一起并形成在一定类型上的独特的特征与气质,这就形成了用户的独特的”画像”。

2.大数据时代下的用户画像

    早期的用户画像相对简单,类似于个人档案信息,区分度和可用性都不强。但是随着大数据的发展,数据量的爆发式增长和大数据分析技术的成熟使用户可捕捉的行为数据越来越多,用户画像才真正可以称为更加具备价值的画像。其中典型的大数据时代的用户画像包括:

    用户的消费行为与需求画像

20170605150715_89225.png

    在电商盛行的时代,网上购物所留下的数据痕迹为电商们了解客户的消费和购物需求提供了十足的抓手。电商们通过对用户的个体消费能力、消费内容、消费品质、消费渠道、消费刺激的长时间多频次的建模,可为每个客户构建一个精准的消费画像。

    用户的(内在)偏好画像

    网络社会也就是现在社会的真实映射,一个人的喜好在网络时代完全可以体现出来。常听的歌曲,经常浏览的新闻,翻阅的小说及视频聊天等信息,毫无遮掩的体现了一个人的偏好。

    用户画像随着社会大数据信息的激增,可以说越来越丰富,越来越精细,用户画像也被应用到某些行业自身客户的营销中,比如互联网精准营销,以标签、画像为基础的精准定向广告投放盛行。通过对人群基本属性、行为习惯、商业价值等多种维度信息数据综合分析,精准的进行目标受众的画像和定位,实现基于大数据的精准营销。例如,拥有用户流量入口的社交软件和媒体公司,纷纷通过整合自有和外部的媒介资源,在用户画像的基础上针对行业客户提供广告精准投放服务。

3.如何实现用户画像

20170605150729_41719.png

    用户画像方向或者分类体系的建立

    给谁画像,画什么像,为什么画这个像,画像的分类和预期结果是怎么样的,这些问题都不是系统完全自动产生的。当然,在大数据足够多的程度下,可形成客户的关键信息画像,但是现在应用更为广泛的是人工+系统结合的用户画像,即人工设计画像的方向和体系。这样的优势是体系化和结构化,应用性更强,比如我们要进行消费能力的画像、消费内容偏好画像、消费流失画像,这些也是后面数据采集和画像模型构建的前期和目标。

    客户画像体系和方向的构建是客户画像最关键的一步,类似于打地基和房屋初始设计,东方国信就为电信行业构建了扎实可靠、丰富详实的客户标签体系,依靠电信业客户信息的应用价值和场景,通过三层的标签结构实现了标签的“由浅到深”、”由客观到主观”、“由通用到场景”的画像,这三层分别是基础标签(简单加工后的数据)、营销画像标签(以营销和服务的基础元素,比如各类偏好、能力、倾向就研究的客户标签)、场景&产品营销标签(对应具体场景和产品的目标客户的精准标签),这些标签不仅很好的成为运营商洞察和营销客户的有力支撑和助手,也成为运营商大数据运营的关键。

    用户数据收集

    当确立了画像的方向,即确定了需要的数据信息和力度,比如客户的消费的详细的信息,客户的下单的时间、客单价、商品信息,商品促销信息等等,客户画像的数据要做到真实、可关联应用、存在一定的周期可供偏好类模型构建。

    用户标签、指数建模研究

    上面提到,有的标签是客观引用形式,而很多标签则是需要大量的大数据行为来综合建模完成的,比如我们说客户是爵士乐偏好人群,不能通过客户的某一次购买或者搜索关注行为来下决定,而是要多其应用的频次、占消费比、占大部分人群比等综合信息综合构建。

4.用户画像的应用隐私

    用户画像是营销和服务的重要手段,但是在用户画像应用中更要注意用户的隐私的保护和应用授权,比如商家在一定程度上可以根据客户的消费水平在内部形成客户购买促销力度的标签,但是不能将客户的消费数据给其他的行业或者产业。工信部规定,要在征得用户授权、保障用户隐私安全不泄露的前提下,合理、合法的收集、使用用户个人信息。这就要求利用大数据进行用户画像活动时,要征得用户同意,并且保障用户隐私不泄露,做到安全、合法。

20170605150740_52783.png

转载于网络