【修真院小課堂】淺談用戶畫像在電商領域的應用

淺談用戶畫像在電商領域的現狀和發展

1、什麼是用戶畫像？

用戶畫像是根據用戶社會屬性、生活習慣和消費行爲等信息抽象出的標籤化用戶模型。

用戶畫像核心價值在於瞭解用戶、猜想用戶的潛在需求、精細化的定位人羣特徵、挖掘潛在的用戶羣體。

結合媒體網站、廣告主、企業及廣告公司獲得的數據深度挖掘羣體用戶的特徵，根據族羣的差別化特徵和共性特徵，幫助客戶找到營銷機會、運營方向，全面提升客戶的核心影響力。

2、用戶畫像在電商行業的現狀

在電商領域中，京東、阿里這些以TB計的高質量、多維度數據記錄着用戶大量的網絡行爲，用戶畫像就是對這些數據的分析而獲得的用戶基本屬性、購買能力、行爲特徵、社交網絡、心理特徵和興趣愛好等方面的標籤模型，從而指導並驅動業務場景和運營，發現和把握在海量用戶中的巨大商機。

圖1 用戶畫像技術

基本屬性：即性別、職業、月收入、有無車等標籤，經過用戶註冊信息和多維建模得到；

購買能力：即敗家指數、潮媽族、消費水平等標籤，經過消費金額、下單頻度、消費週期等數據分析建模得到；

行爲特徵：即活躍程度、購物類型、起居時間等標籤，經過分析瀏覽、點擊、下單等數據得到；

社交網絡：即社交關係網、公司關係網等標籤，經過收貨地址、活動地址等信息來判斷；

心理特徵：即促銷敏感度、購物忠誠度等標籤，經過代金券使用頻度、購買單品類的品牌分佈等數據判斷；

興趣愛好：即運動偏好、品牌偏好、愛打扮、顏色偏好等標籤，經過購買的商品、顏色、品牌等信息判斷。

3、用戶畫像在電商行業的應用

用戶畫像用於解決把數據轉化爲商業價值的問題，就是從海量數據中來挖金煉銀。如今京東和阿里主要把用戶畫像技術主要應用於廣告、推薦、搜索等方向，也致力於用戶統計和數據挖掘，爲網民展示一場電商大數據的饕餮盛宴，同時給商家和消費者提供了經營和購物參考。其主要應用於如下幾點：

圖2 電商女性用戶畫像描述

一、精準營銷

精準營銷就是完美解決什麼時間（when）把什麼內容（what）發送給誰（who）。要解決這個問題，其實就得依靠用戶畫像技術，須要咱們去描述用戶形象。京東和阿里一般基於用戶瀏覽、點擊、諮詢、加關注、放購物車等一系列動做爲用戶打上多維度標籤，而後以郵件、短信、push、站內信等方式將適合的信息發送給用戶。

咱們會一般遇到如下場景：

用戶想買的商品恰好沒貨，用戶設置了到貨提醒，咱們在提醒到貨的時候該如何推送？

用戶瀏覽了某類目的商品卻遲遲沒有購買，爲了促成購買，咱們該如何推送？

解決這些場景，咱們都可以藉助用戶畫像技術；根據用戶平時購買的品類、用代金券的狀況、購物車的商品分析用戶的性格，是否價格敏感、是否理性消費等標籤進行推送；或者在提醒到貨的時候加上經過瀏覽、跳出、收藏、加入購物車等行爲組合分析獲得的推薦商品。適當的推送不只會讓用戶產生點擊和成交，也會由於幫助用戶節省時間、得到更優的產品體驗，從而增長好感併產生依賴。

二、用戶統計

用戶統計就是根據大量的用戶行爲數據，進行行業或人羣現象的描述。好比經過購買口罩、空氣淨化器等類目的訂單表和用戶表能夠獲得不一樣星座的霧霾防範指數，這些行業分析報告就是爲網民提供描繪電商大數據的成果，迎合相應的IP熱點和社會效應能夠增強品牌影響力的傳播。

其中京東指數和阿里指數就是基於大量的數據而生成的洞察統計類產品，這些數據包括用戶信息、行爲數據、媒體標籤、合做mapping數據等，幫助品牌、店鋪更瞭解本身產品的受衆人羣，明確在行業中的競爭關係和優劣勢。

三、數據挖掘

根據用戶的數據挖掘出一些有用的規律進行決策，數據挖掘就是經過屬性篩選、聚類算法、關聯分析、迴歸算法等方法，去發現人羣與人羣、人羣與商品、商品與商品、商品與品牌等之間的差別與聯繫，從而發現並挖掘更大的商機。

圖3 數據挖掘算法

數據挖掘每每能解決「喜歡什麼東西的人每每還會喜歡什麼」 、「或者作了這件事的人每每還會作什麼」這些場景。咱們能夠看到，京東、淘寶在38婦女節不只對女性類目的商品進行活動，還會附帶男性的商品進行促銷或者組合活動。男性商品跟女性節日看起來沒有什麼關係，其中卻蘊藏着大道理。就好似咱們熟悉的啤酒和尿布營銷案例：沃爾瑪超市經過大量的數據調查，發現週五下班點後會有一類人羣（奶爸）購買兩類商品——啤酒和尿布，因而對這兩類商品組合促銷並收穫了使人滿意的結果。啤酒和尿布自己並無聯繫，卻經過用戶畫像技術，使得這兩個商品結合產生了更大的效益。

另外數據挖掘還能夠爲用戶進行恰當的推薦，這個場景也就是咱們在京東、淘寶首頁上能看到的 「爲你推薦」「有好貨」等推薦欄目了，這些欄目會根據用戶畫像爲用戶私人定製相關的推薦商品、商鋪和文章。

四、效果評估，分析高質量用戶

用戶畫像另外一重要做用就是分析某類目、商店或者品牌的用戶羣體特徵，找出高質量用戶，而後更有目標和效果地進行精準廣告投放，從而讓真正對該品類有興趣的用戶產生更多的點擊和成交。

好比在618前夕京東範產品的數據接口服務將用戶畫像模型充分應用到產品當中。根據族羣的差別化特徵，幫助各種目業務部門找到營銷機會、運營方向，全面提升產品的核心影響力，加強產品用戶體驗。應用模型包括：年齡、性格、購物偏好、購買力等用戶特徵，詮釋勾勒出用戶在京東上的體貌特徵，賦予必定的潮流「範兒」的概念，貼近用戶。正所謂知己知彼，方能百戰不殆，用戶畫像就是讓京東更瞭解本身和電商行業的工具。

五、優化搜索和其餘產品

用戶畫像提供統一數據服務接口供搜索、人工智能等其餘產品調用，來提升與用戶間的溝通效果，優化用戶體驗。好比提供給推薦搜索調用，針對不一樣用戶屬性特徵、性格特色或行爲習慣在他搜索或點擊時展現符合該用戶特色和偏好的商品，給用戶以友好溫馨的購買體驗，能很大程度上提升用戶的購買轉化率甚至重複購買，對提升用戶忠誠度和用戶粘性有很大幫助；好比數據接口提供給網站智能機器人JIMI，能夠基於用戶畫像的用戶量身定作諮詢應答策略，好比快速理解用戶意圖、針對性商品評測或商品推薦、個性化關懷等，大幅提高JIMI智能水平和服務力度，贏得用戶歡迎和確定。

4、電商用戶畫像的將來發展

用戶畫像的核心就是讓咱們比用戶自己更瞭解用戶，從而爲用戶提供更好的服務。針對電商行業用戶畫像技術的發展，我主要從如何完善用戶畫像和畫像技術的其餘應用兩方面進行討論。

一、完善用戶畫像

數據是造成用戶畫像的根本，要想完善用戶畫像，就必須擁有更多維度的數據。只有這樣才能更加精準地定位市場，分析行業。

就電商現有的畫像數據而言，基本只覆蓋用戶信息、用戶訪問行爲和媒體標籤。這些數據很全很大，可是缺了線下數據。如何補充這部分數據，就須要經過產品手段讓用戶反填信息進行補充。咱們能夠經過問卷／月帳單統計等方式讓用戶主動填寫消費數據。經過月帳單這類產品一方面能夠幫助用戶記錄每個月開支，幫助月光族解決不知花費去向的痛點，另外一方面還能讓電商產業瞭解用戶的線下開銷大小、開銷流向以及開銷場景，結合線上數據進行更深度的數據挖掘。

另外一種完善數據的方式就是打通多方數據，進行跨界數據mapping，從而增長畫像維度，好比補充金融行業數據，能夠加深用戶的信用描述和其餘商業描述。就京東和阿里而言，都會有金融或者其餘行業的數據，這塊對完善畫像也是一個重要的支持。

二、畫像技術的其餘應用

用戶畫像的應用除了本文以前介紹的幾點，還能夠與實時場景結合，進行消費引導。針對高質量用戶而言，當經過共享單車、滴滴、地圖導航等方式進行搜索或到達目的地時，電商app實時進行推送同該線下商場品牌店鋪的線上商城品牌店鋪的促銷活動，不只攔截部分線下消費促成線上消費，還能帶給消費者更友好的體驗。

5、用戶畫像技術在其餘行業的應用

要說用戶畫像在其餘行業的應用，做爲一位還沒畢業就進入汽車行業數據領域的產品經理而言，固然首談汽車行業的用戶畫像。就我所知，阿里是有本身的汽車電商部門，京東那邊接的是易車網的旗艦店，兩個電商平臺都是有必定的汽車數據，能夠跟電商行業的數據發生關聯創造更大的價值。

一、如何描述汽車用戶畫像

對車而言，咱們會描繪出某個品牌、廠商、車型或者車款的畫像羣體，幫助各廠商、經銷商明確產品定位，幫助他們進行更好的營銷；對用戶而言，咱們會經過cookie ID、device ID、帳號、手機號等方式關聯，來標識惟一用戶，從基本屬性（性別、年齡等）、購買能力（購車意願、購車緊迫度、購買偏好等）、行爲特徵（購買用戶、消費偏好）等方面進行描述。

圖4.汽車行業的用戶畫像

二、汽車用戶畫像的應用

其實跟電商同樣，用戶畫像技術會主要應用於廣告、推薦和搜索、用戶統計等這些場景中，來提供精準投放、個性化文章或車型推薦、優化搜索、優化網站內容和運營等方面的支持。

經過用戶畫像，咱們能給不一樣的用戶帶去不一樣的體驗，好比給非購車用戶推送熱門和他感興趣的資訊和車型，提升用戶黏度；給購車用戶推薦他適合的車型，提供購買決策導向，來提升交易轉化。

或者經過對用戶的分析，咱們能夠知道哪些地區什麼車型關注和銷量最高，什麼月份汽車關注和銷量最高，咱們能夠根據這些分析，廠商或各地經銷商能夠進行有效的競品車型攔截、營銷投放、線下活動等。

除此以外，用戶畫像技術也會支持其餘部門的工做。好比將畫像數據接入cc系統，能讓電話銷售與客戶進行電話溝通前就能提早了解到客戶的喜愛，從而提供更具針對性的推薦和服務，來提升成交量。