详细介绍用户画像京东用户画像分析( 二 ) _用户

然后我们来看看目录，第一部分是说what，就是什么是用户画像；第二部分是说why，为什么我们需要用户画像以及精细化运营；然后第三部分是how，我们如何构建商品和用户画像；第四部分是举例，是一些方法论的介绍；最后，我们做一个整体的总结。
课程目标是希望通过分享，首先让大家去了解到用户画像和商品画像，整体概念框架以及构建的一些方法；熟悉常见的商品和用户画像的一些应用；尝试结合自己的工作做一些实践。出于对于过往公司数据及技术的保密，无法直接分享给大家特别细粒度且对应的数据。所以分享过程中我会结合业界的一些案例，以及其他前辈公开在网上的分享内容和数据，帮助大家去理解整个应用。
01
什么是商品/用户画像
首先我们来看一下什么是用户画像，根据维基百科的定义，用户画像就是与该用户相关联的数据的可视化的展现，一句话来总结就是用户信息标签化。从用户海量的信息里面去找到一些标签，为用户去贴上这些标签，当然这些标签的来源就是一些用户的行为。
举个范冰冰的例子，客户这个实体通过客户信息的收集，映射到一个客户的画像，最终通过这些画像来建立认知，比如说范冰冰是一个演员，是一个女性，有参加过哪些电影节等。当然你会问那上面的这些标签有什么用呢？这会根据具体的业务场景来定，有些标签在X场景下它是没用的，在Y场景下则可能非常有用，当然这也提前说明了画像构建的过程肯定是需要与业务结合的展开。
比较常见的画像是我们需要建立平台客户群体化认知时，我们需要借助可视化的标签，我们看一下京东的一个食品用户画像。对于食品这个业务场景，平台上购买的用户他们是长成什么样的？比如性别比例，蓝领与白领占比，评价敏感的人的占比等，通过拉平垂类偏好用户画像与全站的对比，来寻找差异点和优化点。
举个例子来说，你是抢购秒杀频道的运营负责人，你通过类似的上述分析，找到了秒杀频道和全站的用户画像差异点，那有什么用呢？比如我们发现秒杀频道女性用户或者大龄女性用户，相对于全站占比高很多，然后我们通过全站分析出这类用户喜欢购买的品类是A、B、C；但是频道内我们发现几乎没有A、B、C这些品类的商品，或者A、B、C这些类目的价格段高了很多，甚至是大量的男性商品。那我们马上就找到了一个优化点，是否可以在该场景做一些品类和商品的调整进行一些测试，可能就会在测试中找到明显的提升。
再比如食品品类下的商品运营如何去拓宽自己的流量池，通过类似上述的分析，比如在一个某个频道发现有非常多的18-30岁的男性，并他们在平台有非常多的电子类产品的购买，结合你的专家知识，你的碳酸饮料是否可以考虑进入这个频道呢。

详细介绍用户画像 京东用户画像分析( 二 )

猜你喜欢

详细介绍用户画像京东用户画像分析( 二 )