你对“用户画像”一脸懵逼吗？今天就来聊一聊

「用户画像」事实上，这个词在中国的互联网很可能是错误的。这里有两个英文词，第一个叫「PERSONA」，这是Allencooper通过研究和问卷获得的典型用户模型，用于产品需求挖掘和交互设计。其中，另一个词叫，「Profile」，数据分析方法是利用获得的数据来概述用户的需求和偏好。这两个词都可以翻译成「用户画像」，但第一种用于产品研究和交互设计，第二种用于操作和数据分析。因此，首先要明确使用哪一种，考虑到梁哥的用户结构，我就说第二种。数据是如何获取用户肖像获取用户肖像的基础。这是胡说八道，但对一些初创公司来说，这是事实。如果我们今天想分析一个人，我们会从什么角度来分析？让我们回忆一下，我们多年来填写的表格让我们填写了什么：当前居住地联系信息似乎是标准内容，但也会遇到：血星座兴趣爱好工作经验家庭成员收入更多，让我们先在这里停留。通常，如果我们想了解一个人，我们需要了解这个人的基本信息，即上述1-6部分。当然，根据需要，我们可以或多或少，但一般不会超过上述部分。除了了解这些基本信息外，我们还将了解基本信息以外的部分，如：性格是外向还是内向？有没有口头禅，是什么？闲暇时喜欢做什么，是呆着还是出去玩？对食物有什么偏好？你喜欢甜还是辣？好朋友多不多，是不是很受欢迎？....等等。这些需要一段时间接触的信息不是基本信息，而是更接近一些隐私和偏好信息。今天，当用户使用越来越多的产品时，我们会逐渐提高对用户的认知。在这个过程中，我们可以通过一些方式给用户的习惯、行为和属性贴上一系列标签。最后，用户可能会变成这样：当我们得到一堆这样的标签时，它有什么用？精细操作。本质上，广告推荐、内容分发、活动营销都需要这套东西作为基础。充分利用标签实际上是整个画像过程中必不可少的东西。说到标签，很多人可能会有点头疼，因为很多人会认为这是一个问题，但事实上，它并不那么复杂。首先是分类。假设我们的运营工作是针对C端客户的，那么我们可以简单地分为以下几类：1、人类属性标签是指利用用户留在系统中的信息，我们可以给他的人类属性贴上各种标签，如男性和女性，这是性别分类中的标签；90后和80后是年龄分类中的标签；狮子座和射手座是生日分类中的标签、行为属性标签是，用户在系统中的真实行为，我们可以标记行为属性，如：如果有消费行为，那么我们可以根据时间维度和单次消费金额或累计消费金额进行标签分类，如：土豪劣绅在360天内，累计消费金额超过10万元或单次消费金额超过1万元。3、社交属性标签是指用户在社交网络和系统中留下的各种社交属性标签。例如，大V是社区中5万多人*的用户；1万名粉丝可以分为这种类型，因为他们的*者中有80%是异性。3、社交属性标签是指用户在社交网络和系统中留下的各种社交属性标签。例如，大V是社区中5万多人*的用户；1万名粉丝可以被分为这种类型，因为他们的*者中有80%是异性。。。你也可以继续贴其他类型的标签。如果简单地说，标签本身只是用来分类的条件。即使没有标签，只要你能清楚地解释行为之间的关系和所需条件的叠加，我认为这不是一个大问题，但经验告诉我，如果是这种情况，它将限制需求的复杂性。亮哥一直认为，增长黑客实际上是一个系统的操作。增加黑客与大多数公司运营的差距实际上是数据的使用，以及建立假设数据验证后获得结果的速度和持续验证的能力。因为我们通过Profile描述的用户需求和角色几乎可以100%被认为是滞后的。利用这些滞后的数据，我们实际上想要实现的是预测，否则我们就无法获得商机。让我们看看。用户A今天在平台上买了5公斤苹果。用户下次什么时候需要购买苹果，以及如何确保他下次在我们的平台上购买苹果？假如只是理论上的思考。我们基本上有以下思维模式：聚合所有在平台上购买水果的用户，连续购买N次以上的用户（假设N=3），计算间隔与用户A的比较，找到近似值，然后在此间隔内推荐A，验证效果。或者换个思路：通过数据分析，算算看，A家有多少人计算5斤苹果大概是多少。假设每个人每天吃一个苹果，最多几天后更换假设条件，并在不同的天数上向用户A推荐不同的吃天数，以验证效果。你会发现预测需求比判断需求要困难得多。在实践中，我相信，如果你只推荐苹果，恐怕还不够。要考虑人们的决策过程，我们需要对人性有更深入的了解。这是另一个话题。

以上就是关于你对“用户画像”一脸懵逼吗？今天就来聊一聊的相关介绍，更多你对“用户画像”一脸懵逼吗？今天就来聊一聊相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对你对“用户画像”一脸懵逼吗？今天就来聊一聊有更深的了解和认识。