用戶(hù)畫(huà)像是根據(jù)用戶(hù)社會(huì)屬性。

生活習(xí)慣和消費(fèi)行為等信息而抽象出的一個(gè)標(biāo)簽化的用戶(hù)模型。

具體包含以下幾個(gè)維度：。

用戶(hù)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(hù)興趣特征：興趣愛(ài)好,使用APP,網(wǎng)站,瀏覽/收藏/評(píng)論內(nèi)容,品牌偏好。

,產(chǎn)品偏好。

用戶(hù)社會(huì)特征：生活習(xí)慣,婚戀,社交/信息渠道。

偏好,宗教信仰,家庭成分。

用戶(hù)消費(fèi)特征：收入狀況,購(gòu)買(mǎi)力水平,商品種類(lèi),購(gòu)買(mǎi)渠道喜好,購(gòu)買(mǎi)頻次。

用戶(hù)動(dòng)態(tài)特征：當(dāng)下時(shí)間,需求,正在前往的地方,周邊的商戶(hù),周?chē)巳?新聞事件。

如何生成用戶(hù)精準(zhǔn)畫(huà)像。

大致分為三步：。

1.采集和清理數(shù)據(jù)：用已知預(yù)測(cè)未知。

首先得掌握繁雜的數(shù)據(jù)源。

包括用戶(hù)數(shù)據(jù)、各式活動(dòng)數(shù)據(jù)、電子郵件訂閱數(shù)、線上或線下數(shù)據(jù)庫(kù)及客戶(hù)服務(wù)信息等。

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

比如當(dāng)你登陸某網(wǎng)站,其Cookie就一直駐留在瀏覽器中,當(dāng)用戶(hù)觸及的動(dòng)作,點(diǎn)擊的位置,按鈕,點(diǎn)贊,評(píng)論,粉絲,還有訪問(wèn)的路徑,可以識(shí)別并記錄他／她的所有瀏覽行為,然后持續(xù)分析瀏覽過(guò)的關(guān)鍵詞。

和頁(yè)面,分析出他的短期需求和長(zhǎng)期興趣。

還可以通過(guò)分析朋友圈,非常清晰地獲得對(duì)方的工作,愛(ài)好,教育等方面信息,這比個(gè)人填寫(xiě)的表單,還要更全面和真實(shí)。

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(huì)員,也可以分析出未知的顧客與需求,進(jìn)一步開(kāi)發(fā)市場(chǎng)。

2.用戶(hù)分群：分門(mén)別類(lèi)貼標(biāo)簽描述分析是最基本的分析統(tǒng)計(jì)方法,描述統(tǒng)計(jì)分為兩大部分：數(shù)據(jù)描述和指標(biāo)統(tǒng)計(jì)。

數(shù)據(jù)描述：用來(lái)對(duì)數(shù)據(jù)進(jìn)行基本情況的刻畫(huà),包括數(shù)據(jù)總數(shù),范圍,數(shù)據(jù)來(lái)源。

指標(biāo)統(tǒng)計(jì)：把分布,對(duì)比,預(yù)測(cè)指標(biāo)進(jìn)行建模。

這里常常是Data mining的一些數(shù)學(xué)模型,像響應(yīng)率分析模型,客戶(hù)傾向性模型,這類(lèi)分群使用Lift圖,用打分的方法告訴你哪一類(lèi)客戶(hù)有較高的接觸和轉(zhuǎn)化的價(jià)值。

在分析階段,數(shù)據(jù)會(huì)轉(zhuǎn)換為影響指數(shù),進(jìn)而可以做”一對(duì)一”的精準(zhǔn)營(yíng)銷(xiāo)。

舉個(gè)例子,一個(gè)80后客戶(hù)喜歡在生鮮網(wǎng)站上上午10點(diǎn)下單買(mǎi)菜,晚上6點(diǎn)回家做飯,周末喜歡去附近吃日本料理。

,經(jīng)過(guò)搜集與轉(zhuǎn)換,就會(huì)產(chǎn)生一些標(biāo)簽,如”80后””生鮮””做飯””日本料理”等等,貼在消費(fèi)者身上。

3.制定策略：優(yōu)化再調(diào)整。

有了用戶(hù)畫(huà)像之后,便能清楚了解需求,在實(shí)際操作上,能深度經(jīng)營(yíng)顧客關(guān)系,甚至找到擴(kuò)散口碑的機(jī)會(huì)。

例如上面例子中,若有生鮮的打折券,日本餐館最新推薦,營(yíng)銷(xiāo)人員就會(huì)把適合產(chǎn)品的相關(guān)信息,精準(zhǔn)推送這個(gè)消費(fèi)者的手機(jī)中；針對(duì)不同產(chǎn)品發(fā)送推薦信息,同時(shí)也不斷通過(guò)滿(mǎn)意度調(diào)查。

,跟蹤碼確認(rèn)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(yíng)銷(xiāo)人員也在不同時(shí)間階段觀察成長(zhǎng)率和成功率,前后期對(duì)照,確認(rèn)整體經(jīng)營(yíng)策略與方向。

是否正確；若效果不佳,又該用什么策略去應(yīng)對(duì)。

反復(fù)試錯(cuò)并調(diào)整模型,做到循環(huán)優(yōu)化。

這個(gè)階段的目的是提煉價(jià)值,再根據(jù)客戶(hù)需求精準(zhǔn)營(yíng)銷(xiāo),最后追蹤客戶(hù)反饋的信息,完成閉環(huán)優(yōu)化。

我們從數(shù)據(jù)整合導(dǎo)入開(kāi)始,聚合數(shù)據(jù),再進(jìn)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(diǎn)是觀察數(shù)據(jù),單純的統(tǒng)計(jì),看KPI的升降原因。

而數(shù)據(jù)挖掘從細(xì)微和模型角度去研究數(shù)據(jù),從學(xué)習(xí)集、訓(xùn)練集。

發(fā)現(xiàn)知識(shí)規(guī)則。

佰仕興弘全媒體廣告投放平臺(tái),聚合市面95%的主流媒體資源,依托大數(shù)據(jù)算法,AI技術(shù)模型的應(yīng)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(shí)現(xiàn)一站式全行業(yè)的科學(xué)、智能、高效的廣告精準(zhǔn)營(yíng)銷(xiāo)活動(dòng)。

降低企業(yè)推廣成本,提高轉(zhuǎn)化率。