用户画像分析在网络营销中的运用

admin2021年04月30日 11:34
cover

用户画像分析我们引入一个对照组,默认的可以是全体用户,也可以是「最近 7 日活跃用户」。

人群中标签值的 TGI 指数:用来反映人群中该标签是否是一个突出的特征,按照 TGI 指数进行排序,我们就可以得到这个群体与对照组最大的差异点在哪里。

单体分析,也就是单个用户画像,单个用户画像承载的目标是:描绘出单个用户的使用轨迹以及属性特征。

这个分为两个部分,在我们分析单个用户时,通过观察行为轨迹来探索用户的偏好和特征,通过已有的属性标签全面的观察总结性的特征信息。

用户的行为序列:按照时序展示用户的每个行为触发情况

用户的标签分布:展示一个用户身上的标签情况,并额外展示标签的变更记录和在整体的分布情况

静态和动态:

静态分析,即我们将人群选择后,通过增减维度、变换视角来进行人群信息的展示,从而获得信息。静态分析的目标是,得到一个人群的当前状态,当前特征,然后用于运营。

动态分析,人群演进,引入时间的概念,由于我们提前准备好了标签的历史数据,那么我们就可以在这里应用。选定人群后,可以向前或向后进行演进,观察同一个人群中标签的迁移情况。这个在我们做运营活动后,观察活动效果的作用上体现尤为明显。

探索分析和目标倒推:

探索分析是个正向的分析过程,探索观察这个用户群中的特征以及行为情况,来获取我们想要的信息和知识。

目标倒推,智能预测,是我们从目标出发,提前判断出人群的特性。我们使用用户画像,获取信息和知识,最后的目标是为了进行运营。运营的目标可能是完成某个活动或者是个多维立体的指标,那么如果我们能在运营之前,就先预测到这个群体与目标是否相匹配,就会规避一些效果不理想的风险。

高效稳定的对外输出:

在我们生成了用户画像后,接下来落地的场景就是我们需要去应用这个人群或者特征了。这里主要有两个场景,第一个是使用人群包,第二个是使用人群的特征。

人群包的使用上,系统中应考虑提供多种高效的对接方式。由于应用场景的不同,人群包中携带的特征属性等也可能不尽相同。

人群的特征使用上,应考虑到应用场景。大部分都是需要支持高 QPS 查询的在线服务。尽可能快速的响应,返回一个用户身上的标签情况。

同时,设计完善的通知机制,当人群计算完成、标签计算完成的状态,可以快速被获取到。

数智赋能每一个岗位