用户画像
简而言之,用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化用户模型。构建用户画像的核心工作即是给用户贴”标签”, 而标签是通过对用户信息分析而来的高度精炼的特征标识。
其作用大体不离以下几个方面: 1.精准营销,分析产品潜在用户,针对特定群体进行营销; 2.用户统计,比如中国大学购买书籍人数TOP10,全国各城市奶爸指数; 3.数据挖掘,构建智能推荐系统。利用关联规则计算喜欢红酒的人通常喜欢什么运动品牌; 4.进行效果评估,完善产品运营,提升服务质量。其实这也相当于市场调研、用户调研; 5.对服务或产品进行私人定制,即个性化的服务某类甚至某位用户(个人认为这是目前的发展趋势,未来的消费主流)。比如,某公司想推出一款面向5 - 10岁儿童的玩具,通过用户画像进行分析,发现形象= “喜羊羊”、价格区间= “中等” 的偏好比重最大,那么就给新产品提供类非常客观有效的决策依据。 6.业务经营分析以及竞争分析,影响企业发展战略。
用户画像本质是对任何一个用户都能准确描述,用户画像通常用NoSQL的格式存储,和用户角色的文字卡片又不同。为了方便新人理解,我用的是中文。
{
"ID": 123456,
"姓名": "张建国",
"性别": "男",
"出生年月": 631123200,
"籍贯": "北京",
"居住地": "北京",
"教育背景": {
"学校":"北京大学",
"专业": "CS",
"入学年月":1220198400
}
}
这是一个简化的画像,真的画像还有不少的子文档嵌套,和上文用户角色的文字描述差异很大,它是各数值变量和分类变量的集合。用户画像是能描述每一个用户的,不同用户的画像肯定不一样。
用户角色通过访谈和调研的形式收集信息,而用户画像可以通过已有数据提炼获得,比如拥有用户的身份证信息,就能准确获得性别、籍贯、出生年月这三个标签。也能通过算法计算获得,比如在淘宝购物遗留的收件人姓名,通过机器学习,以概率的形式获得买家是男是女,建国很大可能是男性,翠兰很大可能是女性。
其余兴趣偏好、行为偏好、社会工程属性、消费特征等,也都能作为用户画像使用。
具体形式其他答案也都说了,就不讲了。
用户角色和用户画像基本上算两个体系,虽然会有互通,用户画像可以参考用户角色设计,用户角色也能使用用户画像的属性。可实际差别还是挺大的。
参考文献
https://www.zhihu.com/question/19853605
数据的敏感性?