用戶分析方法
用戶角色(1)和用戶畫像(2)的方法區(qū)別：
- 技術(shù)方法
- 小規(guī)模用戶調(diào)研熊痴，問卷他爸、訪談、統(tǒng)計
- 海量用戶的建模果善、挖掘诊笤、分析
- 核心目標(biāo)
- 核心目標(biāo)，共情巾陕，需求差異讨跟、行為動機
- 大規(guī)模用戶，客觀行為惜论，用戶標(biāo)簽體系
- 數(shù)據(jù)形態(tài)
- 具體许赃、若干定制的用戶原型
- 抽象、可基于標(biāo)簽圈選任意用戶群
- 應(yīng)用場景
- 市場分析馆类、品牌定位混聊、產(chǎn)品設(shè)計、用戶體驗優(yōu)化
- 用戶研究、經(jīng)營分析句喜、精準(zhǔn)營銷预愤、個性推薦
- 應(yīng)用特點
- 數(shù)據(jù)量小，獲取成本低咳胃、周期短植康、一次性、人工分析
- 數(shù)據(jù)量大展懈，獲得和維護(hù)成本高销睁、周期長；靈活存崖、廣泛冻记、規(guī)模化来惧、系統(tǒng)化冗栗、自動化
用戶調(diào)研是一套一次性具體場景的設(shè)計、研究和分析的方案供搀，依賴于人工經(jīng)驗隅居；用戶畫像是一套系統(tǒng)基礎(chǔ)設(shè)施，需要很多工程葛虐、算法的搭建工作胎源，能持久化、廣泛化挡闰、多場景地發(fā)揮數(shù)據(jù)價值乒融。
用戶標(biāo)簽體系
- 自然屬性：年齡、性別摄悯、常駐地
- 設(shè)備屬性：品牌、運營商
- 身份屬性：賬號愧捕、ID
- 行為偏好：行為偏好奢驯、內(nèi)容偏好
- 社交屬性：家庭關(guān)系、社交網(wǎng)絡(luò)
- 業(yè)務(wù)屬性：會員次绘、游戲瘪阁、觀影
可以把用戶標(biāo)簽簡單分為兩類，一類是基礎(chǔ)通用標(biāo)簽邮偎，在各個行業(yè)和業(yè)務(wù)場景中都是需要的管跺，且數(shù)據(jù)建設(shè)和建模的方法基本上都是通用的，比如年齡性別預(yù)測等禾进；另一類是基于具體的業(yè)務(wù)場景豁跑、解決具體業(yè)務(wù)問題的標(biāo)簽，需要PM深刻地理解業(yè)務(wù)場景和目標(biāo)泻云、標(biāo)簽價值艇拍。
用戶畫像挖掘流程
- 基礎(chǔ)數(shù)據(jù)
- 用戶屬性：注冊填寫狐蜕、問卷調(diào)查
- 用戶行為：搜索、上報
- 外部數(shù)據(jù)：爬取卸夕、第三方
- 特征工程
- 特征庫：歷史特征层释、實時特片、效果統(tǒng)計快集、異常監(jiān)控
- 特征處理：異常點贡羔、歸一化、離散化个初、組合治力、降維、缺失值填補
- 預(yù)測建模
- 算法：LR/FM/GBDT/Word2Vec/LSTM
- 工具：樣本抽取勃黍、實驗配置宵统、效果監(jiān)控、模型解釋
- 應(yīng)用出口
- 廣告投放：DMP
- 數(shù)據(jù)分析：用戶圈選覆获、細(xì)查
- 用戶特征：CTR預(yù)估马澈、推薦召回/排序
用戶畫像案例
- 用戶屬性識別（性別、年齡）
- 自然人識別
- wifi數(shù)據(jù)挖掘家庭網(wǎng)絡(luò)關(guān)系
