详细介绍用户画像京东用户画像分析( 六 ) _用户

另一个方向的思考是，如果我们在部分用户标签维度差异较大，如果我们就是希望拿下这部分用户，那就说明我们可能有做的不对的地方，通过数据去排查问题，比如是我们投放的过程中渠道选择带来这样的差异？货是不是有问题，价格过高？品类深度不够？认识到了这种差异，可以进一步深挖分析或者用户访谈，来对我们的产品给用户的心智营造做调整。
通过画像数据的对比，可以去确定一件事情，就是说我们的竞品到底是谁。真正的竞品突然在你眼前，画像跟你高度重合的那个，而不是我们假想的那个。如果你发现原来被认为是竞品的典型用户群体是在30到50岁之间，而你们的群体在20岁到35岁了，那至少在当前情况下，你们是弱竞争关系。
定位了不同的人群，并结合数据做一定划分后，我们也可以根据情况针对性做投放和媒体选取。在广告营销推广的时候，我们结合画像对用户进行划分，区分为大盘->成交->高价值用户，然后我们通过某些标签进行数据分析，如上图中的性别维度，我们对比中发现其实女性用户比例在高价值用户中与大盘用户中刚好反过来。
那接下来就有几个动作，可以对投放渠道、商品进行分析，是引流的问题？还是货品上对于男性用户天然不高？商品运营有没有问题？如果不做调整，是否后期的投放渠道可以选取女性标签会更精准？
我们希望根据不同的媒体目标覆盖率高低进行一个预算的分配，在平台上人群通过标签进行拆分。上面的问题，我们拆分了性别，是否有其它的维度可以进一步拆分，比如通过用户上报的APP安装列表，在平台上高价值用户有多种购物类APP和金融类APP的安装，那在投放过程中可以根据渠道的差异进行筛选，或者在投放过程中选取对应的一些标签词进行尝试。
上面的例子是结合用户画像做不同渠道的选择，逐步测试和优化。而对于商品的定位调整，可以结合商品生命的周期，尝试做一些品类深度与宽度的运营。
对于不同生命周期内的用户，其实数据和画像的丰富度也会有差异，在精细化运营过程中可以根据情况做差异化的运营。这里再讲一个其他案例，在用户分析维度，初期会通过用户调研访谈进行初期的产品定位，在投放扩量过程中，结合用户站内的情况作出效率分析，新用户有什么特征？核心的用户属性是否有变化？前后一年内获客可能会有很大差异，这种差异时常去关注，可能会了解到产品的变化是否符合预期。
在精准营销领域的的一些尝试，可以参考上图。分析历史某个时间窗口内的用户，哪些方面是有特性的，比如年龄段，性别，地域，收入，偏好等，有了这样的分析，可以选择相应的人群投放。输出到媒体广告，做预算看效果，然后将效果数据回流，再去迭代，以提高进一步的准确率。通过某个特性找人，再去分析这些潜在用户，找到可以触达他们的渠道。

详细介绍用户画像 京东用户画像分析( 六 )

猜你喜欢

详细介绍用户画像京东用户画像分析( 六 )