用戶畫像是根據(jù)用戶社會屬性。

生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型。

具體包含以下幾個維度：。

用戶固定特征：性別,年齡,地域,教育水平,生辰八字,職業(yè),星座用戶興趣特征：興趣愛好,使用APP,網(wǎng)站,瀏覽/收藏/評論內容,品牌偏好。

,產品偏好。

用戶社會特征：生活習慣,婚戀,社交/信息渠道。

偏好,宗教信仰,家庭成分。

用戶消費特征：收入狀況,購買力水平,商品種類,購買渠道喜好,購買頻次。

用戶動態(tài)特征：當下時間,需求,正在前往的地方,周邊的商戶,周圍人群,新聞事件。

如何生成用戶精準畫像。

大致分為三步：。

1.采集和清理數(shù)據(jù)：用已知預測未知。

首先得掌握繁雜的數(shù)據(jù)源。

包括用戶數(shù)據(jù)、各式活動數(shù)據(jù)、電子郵件訂閱數(shù)、線上或線下數(shù)據(jù)庫及客戶服務信息等。

這個是累積數(shù)據(jù)庫；這里面最基礎的就是如何收集網(wǎng)站／APP用戶行為數(shù)據(jù)。

比如當你登陸某網(wǎng)站,其Cookie就一直駐留在瀏覽器中,當用戶觸及的動作,點擊的位置,按鈕,點贊,評論,粉絲,還有訪問的路徑,可以識別并記錄他／她的所有瀏覽行為,然后持續(xù)分析瀏覽過的關鍵詞。

和頁面,分析出他的短期需求和長期興趣。

還可以通過分析朋友圈,非常清晰地獲得對方的工作,愛好,教育等方面信息,這比個人填寫的表單,還要更全面和真實。

我們用已知的數(shù)據(jù)尋找線索,不斷挖掘素材,不但可以鞏固老會員,也可以分析出未知的顧客與需求,進一步開發(fā)市場。

2.用戶分群：分門別類貼標簽描述分析是最基本的分析統(tǒng)計方法,描述統(tǒng)計分為兩大部分：數(shù)據(jù)描述和指標統(tǒng)計。

數(shù)據(jù)描述：用來對數(shù)據(jù)進行基本情況的刻畫,包括數(shù)據(jù)總數(shù),范圍,數(shù)據(jù)來源。

指標統(tǒng)計：把分布,對比,預測指標進行建模。

這里常常是Data mining的一些數(shù)學模型,像響應率分析模型,客戶傾向性模型,這類分群使用Lift圖,用打分的方法告訴你哪一類客戶有較高的接觸和轉化的價值。

在分析階段,數(shù)據(jù)會轉換為影響指數(shù),進而可以做”一對一”的精準營銷。

舉個例子,一個80后客戶喜歡在生鮮網(wǎng)站上上午10點下單買菜,晚上6點回家做飯,周末喜歡去附近吃日本料理。

,經過搜集與轉換,就會產生一些標簽,如”80后””生鮮””做飯””日本料理”等等,貼在消費者身上。

3.制定策略：優(yōu)化再調整。

有了用戶畫像之后,便能清楚了解需求,在實際操作上,能深度經營顧客關系,甚至找到擴散口碑的機會。

例如上面例子中,若有生鮮的打折券,日本餐館最新推薦,營銷人員就會把適合產品的相關信息,精準推送這個消費者的手機中；針對不同產品發(fā)送推薦信息,同時也不斷通過滿意度調查。

,跟蹤碼確認等方式,掌握顧客各方面的行為與偏好。

除了顧客分群之外,營銷人員也在不同時間階段觀察成長率和成功率,前后期對照,確認整體經營策略與方向。

是否正確；若效果不佳,又該用什么策略去應對。

反復試錯并調整模型,做到循環(huán)優(yōu)化。

這個階段的目的是提煉價值,再根據(jù)客戶需求精準營銷,最后追蹤客戶反饋的信息,完成閉環(huán)優(yōu)化。

我們從數(shù)據(jù)整合導入開始,聚合數(shù)據(jù),再進行數(shù)據(jù)的分析挖掘。

數(shù)據(jù)分析和挖掘還是有一些區(qū)別。

數(shù)據(jù)分析重點是觀察數(shù)據(jù),單純的統(tǒng)計,看KPI的升降原因。

而數(shù)據(jù)挖掘從細微和模型角度去研究數(shù)據(jù),從學習集、訓練集。

發(fā)現(xiàn)知識規(guī)則。

佰仕興弘全媒體廣告投放平臺,聚合市面95%的主流媒體資源,依托大數(shù)據(jù)算法,AI技術模型的應用,基于互聯(lián)網(wǎng)海量流量、廣告表現(xiàn)、媒介策略、人群屬性、數(shù)據(jù)分析管理,實現(xiàn)一站式全行業(yè)的科學、智能、高效的廣告精準營銷活動。

降低企業(yè)推廣成本,提高轉化率。