用户画像分析怎么做

1. 用户画像分析怎么做

用户画像分析就是基于大量的数据，建立用户的属性标签体系，同时利用这种属性标签体系去描述用户。
可以运用营销自动化微信用户标签库来给用户打标签，“标签“就是带有特定含义用于描述真实的用户自身带有的属性特征。“标签”相较于其他用户画像基础要素来说，标签可以是动态的，通过动态的社交活动行为，例如：搜索、浏览、评论、点赞等构建出3D的用户画像。
通过对折叠屏手机用户的标签数据分析，可以得知用户的购物偏好特征和生活属性，从而品牌可以更针对性地展示不同用户想看的内容，还有为以用户需求为导向的产品研发，提供数据支持。

用户画像基本要素
1、地域
即用户所在的地理位置，不同城市的生活消费形态也是不同的。普遍一二线城市的居民平均收入要比三四线城市的居民平均收入要高一些。
2、性别
性别也是对消费需求影响较大的因素之一。参考该要素来宣传产品或服务，能够大大提高品牌的营销效率。
3、年龄
即用户的社会角色，每个年龄段的用户社会角色也不同，感兴趣的商品特性也不同。
4、受教育程度
受教育程度不同的用户对营销内容的要求也会不同，对于生活的态度和关注的事情也不同。
5、行业特征
了解用户所在行业，对产品或服务的关注点不同。

2. 用户画像分析怎么做

首先，是找到目标用户。以Tik Tok为例。在Tik Tok刚刚开始上线之后，分析我们的用户是谁是非常重要的，比如什么年龄，性别，地域教育等等。这样可以快速帮助产品找到当前的主流用户群体是否是产品的初始定位。如果完全不同，那就是产品的设计出了问题，偏离了方向。
上线一段时间后，我们可以把用户分成不同的活跃程度。比如都玩Tik Tok，有的天天玩有的偶尔玩，有的能刷很久，有的刷完就走了。频率和时长成了此时用户最大的特征差异。那么，不同频率和时长的用户在年龄、性别、地域上有什么区别呢？这些是对特征的进一步认识。
一段时间后，部分用户会保留和流失用户，需要分析保留用户和流失用户在行为特征上是否有特殊差异。
https://iknow-pic.cdn.bcebos.com/f703738da977391294357ff1ea198618367ae20b?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto

3. 简单用户画像分析

 用户画像是通过对用户各类特征进行标识，通过标识给用户贴上各类标签，再通过标签把用户分为不同的群体，以便对不同的群体分别进行产品/运营运作。
   比如拉面说在微信进行推广，因为拉面是即食食品，更加吸引年轻人，且更加偏向城市里忙碌的社畜，那么拉面说的用户画像就为年轻化（年龄）、上班族（职业）。
   用户画像的标签有4种：
   如：姓名、性别、年龄、星座、教育、身高、收入、职业等。
   如：婚姻、有无女孩、有无男孩、家里是否有老人等。
    基本行为 ：注册时间、来源渠道、最近一次活跃的时间、最近一次支付的时间。    业务行为 ：是否买过特惠商品、是否曾获优秀学员，这些标识都会对产品的后期运营有所帮助。
   这一类跟其他类不太一样，就像第三类中的业务行为，它是通过业务行为产生出来的特征，而业务相关呢，它是积累了其他的业务不会去记录的一些数据，比如运动健身类的产品。
   它会涉及到：胖瘦高矮、体脂率、BMI、在练胸或者练臀、日均10000步、收藏了多少份健身计划等等。
   1、注册信息   一开始注册叫你填多少岁、地域的基础信息   and选择你喜欢的领域、兴趣，你在app搜索关键词等等
   2、通过用户自己的已有特征推导   比如：从买过的东西去推，比如说买过女士衣服+化妆品。常用IP进行推导地域等。
   3、通过用户身边的人推断   通过距离：基于某些属性，周围的人都具备，用户大概率也具备。   通过行为：通过协同过滤，找到行为相似的目标用户。
   例：EXCEL的数据透视图   当你需要看哪个属性的时候，图跟随你的选择变化，如下动图：
                                           此时你可以清晰地看到省份、城市的数据情况，或者可以选择下次在进行广告投放的时候更加偏重于这些区域。
   由于这个功能会比较简单，下次和切片器一起写。   还有用tableau的仪表盘，或者是python的pychart包，后面有时间会教怎么用。

4. 大数据用户画像的方法、实践与行业应用

大数据用户画像的方法、实践与行业应用
伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。相比传统的线下会员管理、问卷调查、购物篮分析，大数据第一次使得企业能够通过互联网便利地获取用户更为广泛的反馈信息，为进一步精准、快速地分析用户行为习惯、消费习惯等重要商业信息，提供了足够的数据基础。
伴随着对人的了解逐步深入，一个概念悄然而生：用户画像（UserProfile），完美地抽象出一个用户的信息全貌，可以看作企业应用大数据的根基。

5. 用户画像分析方法（案例）

上篇文章，我们了解了常见的业务场景（案例）和5种分析方法。这篇文章将带领大家走进工作时候的业务场景，学习在几种较为复杂的业务场景下，我们都是如何借助数据进行分析，解决问题的。
  
 平常我们在网上也会对用户画像进行搜索，一般情况都会下会找到两种结果的答案。
  
 第一种是会告诉你用户偏标签数字的内容。
  
 第二种是描述一个用户的职业兴趣爱好以及使用产品时候的一些特点。
  
 两种也会有一些差距。第一种一般指的是用户在系统里面产生的一些行为一些用户特征，或者用户主动填写的资料，更偏数据统计过程中形成的标签系统。第二种更是偏用户访谈用户研究的，一些感性的东西。
  
 第一种我们就会用在产品的推广运营，产品设计中。这种一般是来自产品具体数据的表现，所以用在商务或运营中会比较多一些。第二种一般会帮助我们识别产品所主要服务的人是什么类型的，是比较感性的一个东西。但是它对于指导我们具体工作时，会有缺失的。
  
 两者之间有一些差异，但是还是要多了解一下第一种基于数据的用户画像。
  
 
  
                                          
 基础属性（用户的基本情况）：年龄、性别、生日、星座、教育、身高、收入、职业 ....
  
 社会关系：婚姻、有无小孩、有无女孩、家有老人、性取向....
  
 行为特征：基本行为 注册时间、来源渠道....           业务行为 买过特惠商品、曾获优秀学员
  
 业务相关（运动类型产品）：高矮胖瘦、体脂率、在练肌肉、日均9000步、收藏100个健身计划....
  
  1、直接填写（比如是注册的时候，相亲的产品，外卖的产品，装修的产品） 
  
  2、通过用户自己的已有特征推得（一般是在做活动的时候，简单个性化运营，业务分析要拆成不通群体观察，用户研究（准备）） 
  
 举个案例：产品是一个电商平台，运营部门要针对与北京的女大学生做一个女生节这样的运营活动。
  
 这个时候我们如何去区分性别，地址，消费能力。
  
 我们可以用现在已有的特征去推。我们可以通过买过的东西推算，如买过多次男性产品的归为男性，买过多种卫生巾产品的用户归为女性。地址也可以通过收货地址推算得出。消费能力也是可以通过细节消费（比如买一个消耗品超过200元钱这个样子）通过用户特征做推断，都是通过以往信息来筛选。不可能所有用户都发生这样的行为，这样的我们只能给一部分用户打标签，还有一部分用户没有识别出来的。
  
 当然我们还是需要做进一步的推演。比如地址我们也可以进一步通过用户的常用IP来得出是否在北京。或者说消费能力也可以查看用户使用的手机型号是否为新款。比如通过手机型号vivo和美图手机也可以得出大部分女性用户（当然也会有些误判）职业可以通过收货地址是大学消费等地方。
  
  3、通过用户身边的人推断 
  
 距离相近（某些属性，周围的人都具备，用户大概率也具备）
  
 行为相似（通过协调过滤，找到行为相似的目标用户）
  
 常见特征：基础属性 社会关系 行为特征 业务相关
    
 使用场景：市场营销，个性化运营，业务分析，用户研究....
  
 通过用户画像去了解数字背后的用户一般情况下会有三种落地的场景（高质量拉新，精准运营推送，辅助产品设计）
  
  如何高质量拉新？ （一个2手书籍交易平台）
  
 
  
                                          
  1如何从现有的用户里面找到我们，那些是真正的用户 
  
 定义什么是我们真正的用户（比如：高留存用户，核心行为频次，完成率高）
  
  2真正用户的特征 
  
 是谁？     电商平台可以通过他购买的书籍。倒推他们的年龄，受教育程度，地域，消费能力。
  
 从哪里来？   电话访谈等方式，发现很多来自朋友推荐。
  
  3按此类型，找到类似的用户 
  
  用户画像：高校、科研院所、知识密集型工作区域。消费倾向社科类书籍。
    
 有的时候人拉人的这种手段不一定会做的很好。会有很多条件限制我们，没有办法去做。在这种情况下我们可以选择很多渠道做合作做投放，不同渠道会有不同属性，不同渠道的用户会有不同的标签，比如年龄的标签职业性别等。我们有了自己的标签之后，在对接渠道时候我们可以将我们的诉求和特征对应起来选择更好的投放渠道。
  
 另外也有很多广告投放也做的很好，都是可以精准的选择受众。对比两个平台的标签和画像，都是可以对的上。但一开始的时候一定要梳理好我们要投放什么类型的人，不然再好的平台也是用不上的。我们有一个用户画像之后，在拉新的时候会有一个大体的参考。

6. 产品分析：用户画像

什么是用户画像？ 
  
 用户画像分为个人用户画像和用户群画像。个人用户画像可以理解为产品用户的所有相关数据。用户群画像可以理解为将所有个人画像通过不同标识（用户属性、用户角色、应用场景、用户行为、生命周期以及产品的特征）进行划分（分层、分组、分群）。
  
 每个产品定义的用户画像基本都不一样，即便是同类产品，对用户画像的定义也可能不一样；用户画像的呈现和定义是产品经理对产品、对用户、对场景、对生命周期以及对行业的理解等综合因素的转化和抽取。
  
 
  
  
  如何对用户进行划分？ 
  
 就是为用户贴上标签。用户的属性、用户角色、应用场景、用户行为、生命周期以及产品的特征等都可以是明显标识或者根据产品情况定义的特征标识。产品经理根据这些标识进行组合、筛选出用户，以快速对这些用户群进行统计、分析、应用和运营，并为产品经理提供决策依据。
  
 
  
  
  用户画像属性示例 
  
 以物联网智能家居用户为示例简单介绍（假设用户家庭的电子设备全部为智能设备，而使用智能设备的用户就是我们的用户）：
  
 用户属性：用户终端账号（App或其他智能设备账号）、名称、性别、年龄、用户所属家庭角色
  
 房屋属性：房屋位置、房间数量、各房间名称、各房间设备数量
  
 智能设备：设备ID、设备名称、设备分类、图片、联网方式、设备激活时间、设备活跃时间、设备明细参数、设备日志
  
 应用场景：回家（设置时间回家后自动开空调）、离家（自动关闭所有灯关、空调、部分插座）、日出（早晨窗帘自动打开）、日落（窗帘自动关闭）
  
 用户行为：什么时间通过什么方式什么原因使用智能设备（晚上睡觉前语音控制关灯、夜起后夜起灯自动亮）
  
 周期：不同设备生命周期、设备的使用周期、app的使用周期、设备的使用频率、app的使用频率
  
 …
  
 以上用户画像属性数据仅为简单示例，实际物联网智能家居用户画像的数据深度、广度、多维度非常复杂。
  
 
  
  
  用户标签示例 
  
 位置：国家、省、市、区
  
 性别：男、女
  
 年龄段：5-18、19-25、26-30、30-40、40-50、50-60、60以上
  
 家庭角色：父亲、母亲、女儿、儿子、孙子、孙女
  
 房间数量：0-1、1-2、2-3、3-5
  
 智能设备数量：0、1-2、3-5、6-10、10-20、20以上
  
 智能设备活跃度：0、1-3天、4-10天、10天以上
  
 App用户的活跃度：0、1-3天、4-10天、10天以上
  
 智能设备分类：摄像机、电源开关、照明、家居安防、路由网关、厨房电器等
  
 …
  
 以上用户标签数据仅为简单示例，实际物联网智能家居用户标签的数据深度、广度、多维度非常复杂。
  
 
  
  
  用户画像有什么作用？ 
  
 1、 精准营销：邮件、短信、App消息推送、个性化广告、个性化推荐等，通过用户标签筛选出需要的用户画像进行精准运营。
  
 2、 产品定位，用户画像可以围绕产品进行人群细分，确定产品的核心人群，从而有助于确定产品定位，优化产品的功能点
  
 3、  战略决策：好的用户画像可以帮助企业进行市场洞察、预估市场规模，从而辅助制定阶段性目标，指导重大决策。
  
 4、  数据价值：用户画像有助于建立数据资产，挖掘数据的价值，使数据分析更为精确，甚至可以进行数据交易，促进数据流通

7. 用户画像的方法有哪些

用户画像
    使用场景：对已有用户画像的快速调整

定性用户画像
    使用场景：制作用户画像的最佳方式
    样本量：5-30人
    步骤：访谈（收集用户行为、态度、痛点、期望）→细分（分析对比相似信息）
    缺点：1、无法明确用户画像在用户群体中的比例；2、样本量少，可能遗漏特殊特征的用，或集中选择极端观点用户。

定量用户画像
    使用场景：在定性用户画像的基础上增加定量信息
    样本量：至少300，500以上尤佳
    优点：1、很大程度上消除了聚类过程中的主观偏见；2、明确比例【摘要】
用户画像的方法有哪些【提问】
用户画像
    使用场景：对已有用户画像的快速调整

定性用户画像
    使用场景：制作用户画像的最佳方式
    样本量：5-30人
    步骤：访谈（收集用户行为、态度、痛点、期望）→细分（分析对比相似信息）
    缺点：1、无法明确用户画像在用户群体中的比例；2、样本量少，可能遗漏特殊特征的用，或集中选择极端观点用户。

定量用户画像
    使用场景：在定性用户画像的基础上增加定量信息
    样本量：至少300，500以上尤佳
    优点：1、很大程度上消除了聚类过程中的主观偏见；2、明确比例【回答】

8. 怎么样去进行用户画像分析

用户画像，是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌，可以看作是企业应用大数据技术的基本方式。那么怎么样去进行用户画像分析？
  
  1、 静态属性
 
 静态属性主要从用户的基本信息进行用户的划分。静态属性是用户画像建立的基础，最基本的用户信息记录。如性别、年龄、学历、角色、收入、地域、婚姻等。依据不同的产品，记性不同信息的权重划分。如果是社交产品，静态属性比较高的是性别性别、收入等。
 
  2、 动态属性
 
 动态属性指用户在再互联网环境下的上网行为。信息时代用户出行、工作、休假、娱乐等都离不开互联网。那么在互联网环境下用户会发生哪些上网行为呢？动态属性能更好的记录用户日常的上网偏好。
 
  3、 消费属性
 
 消费属性指用户的消费意向、消费意识、消费心理、消费嗜好等，对用户的消费有个全面的数据记录，对用户的消费能力、消费意向、消费等级进行很好的管理。这个动态属性是随着用户的收入等变量而变化的。在进行产品设计时对用户是倾向于功能价值还是倾向于感情价值，有更好的把握。
 
  4、 心理属性
 
 心理属性指用户在环境、社会或者交际、感情过程中的心理反应，或者心理活动。进行用户心理属性得划分更好的依据用户的心理行为进行产品的设计和产品运营。
 
 关于怎么样去进行用户画像分析的相关内容就介绍到这里了。