用户画像、用户分群、用户分层,到底有啥区别?

新闻共有2244个文字 ,如需转载,请注明本文以下信息。
新闻发布具体时间:2022-05-19 00:26 Thursday
本文网址:http://www.ncicndu.cn/93963.html
该热点新闻加载共0.799秒

用户标签、用户画像、用户分群、用户分层、用户细分……很多做用户分析的同学,会被这几个概念绕晕。今天系统讲解一下。一图以敝之,这几个东西关系如下:用户画像、用户分群、用户分层,到底有啥区别?用数据描述一个用户,有标签和指标两种方式指标:连续型数据,比如过往3个月消费标签:分类型数据,比如用户性别、居住地有了丰富的指标和标签,才能对用户进行描述。之所以单独强调用户标签,是因为大量未经分类整理的指标很难用,对业务直接意义不大。标签可以做得很复杂,可以附加业务含义。这些带了业务含义的标签,甚至可以直接组合出业务落地方案,因此非常好用。用户画像、用户分群、用户分层,到底有啥区别?大量的用户指标与标签,形成了用户画像。用户画像是一个统称,通常一讲用户画像,大家都知道是在说用户的指标与标签问题。用户画像是数据服务业务的底座,有了用户画像才可以进一步地工作。用户分群是用户画像运用的方法,即不把用户视为一个整体,而是从用户特征、行为等方面找差异,划分为不同群体。比如按性别、年龄、城市、消费多少、活跃程度进行划分,分为不同群体。分群以后,能便于业务更好地识别不同类型的用户,做精细化运营动作。简单的用户分群,可以直接拿用户标签(特别是物理特征)做分类,复杂的分群,则可以用更多数据。用户分层就是一种典型的复杂分群。如果把分群的标准,定为用户价值的高低,这种分群就是用户分层。用户分层不只是简单的分群,而是要区分出价值的高中低,从而更进一步地进行服务。用户画像、用户分群、用户分层,到底有啥区别?注意:“价值”本身,可以有很多种定义1、活跃价值:用户在平台登录次数多,活跃时间长2、转介绍价值:用户会转介绍很多次,带来很多新用户3、历史消费价值:用户历史上累计消费很多钱4、未来消费价值:用户未来会消费很多钱因此讨论分层前,首先要搞清楚分层的标准,该用何指标定义。定义指标以后,就可以着手进行层次划分了。很多同学会纠结到底分界线定在哪里合适。定分界线的原则是:1、分层后,各层级有明显区分度(10%或更多)2、分界限本身简单清晰,容易辨识3、分层后,每个群体的规模足够大,有价值做只要符合这三个标准的,都是好分层。用户画像、用户分群、用户分层,到底有啥区别?另一个分层的注意事项是:要区分历史行为和未来行为。很多同学做分层,就只知道拿历史消费,历史活跃数据。这样是有风险的,因为历史消费高不见得意味着未来消费高,特别是这种历史消费高峰是在促销期,或者买耐用品买出来的。这时候用户是很少有未来消费需求的。拿历史消费记录排个序,就说:这是我的高价值用户 or 这是我的优质用户,很可能在未来被打脸。所以历史消费与未来消费之间的关系需要验证一下,如果不直接挂钩,可以试着从用户特征等方面进行区分。注意,用户分层有明分和暗分两种,明分,即向用户公开分群规则,比如1年内消费满1万成为金卡,金卡用户可以享受3888入会大礼包和9折购物优惠。暗分,即内部设定好标准,比如A类用户促销敏感度低,B类用户促销敏感度高,之后在抽奖的时候,不给A类用户中奖,只给B类用户中奖。明分和暗分,在业务上、数据上,会产生明显的效果差异,所以在实操的时候一定要分清楚。明着分,能直接拉动用户消费,促使用户升级。只要给的奖励够吸引,你可以看到一个普通用户一夜之间变成VVVIP。因此如果要公布分群规则,最好直接把这种分群当成促销活动。考核额外给到的资源、新拉动的消费数量,评估分群效果。用户画像、用户分群、用户分层,到底有啥区别?注意,这么做也是有限制的。1、分群规则不能复杂,否则用户看不懂,一切白搭。2、分群奖励门槛要高,否则躺着进来的人太多,成本会爆炸3、分群奖励要够给力,否则没人为三瓜俩枣掏腰包4、身份认证要做好,否则几个用户凑一张金卡薅羊毛也是常事5、奖励重叠要控制,避免金卡优惠和其他优惠重叠太多,成本失控暗着分,其实就是大数据杀熟,暗搓搓地搞价格歧视。暗着分在控制成本、拉动运营指标上比明着分更有效果。比如运营部门发现最近转化率降了,如果直接搞大促销,有相当大一部分成本是被原本就会消费的用户薅走的,那么可以通过复杂的内部规则(或者干脆训练购买预测模型),找到更大概率不会自然消费的用户,只针对他们投。这样暗箱操作,可以让成本更少,指标提升效果更明显。用户画像、用户分群、用户分层,到底有啥区别?不过这样做也有前提条件:1、有封闭信息,直接推送给用户个人的APP/小程序2、用户的活跃度得高,得有能力接收到信息3、下单时间有限制,避免用户多平台比价/更换账号比价而且,一般暗搓搓地给优惠,没法直接丢3888大礼包,也不方便直接收用户1万元。意味着这种暗搓搓做法不太适合做消费量,更适合打转化率,让用户小花几笔钱,先下两单。但是这样也有问题,就是转化低用户活,跃率很有可能也不高,如果用户不活跃,是收不到推送信息的,后边的分层推送也就没机会了。所以还是需要有一些大规模的宣传/促销做支持,先解决活跃问题再说。看到这里,肯定有同学会联想:那推荐系统和用户分层又有啥区别?不都是推个东西给用户吗?虽然都是推个东西,但是解决的业务问题不一样:推荐系统解决的是降低用户搜索难度,不用搜海量商品的问题。用户分层解决的是拉动用户消费,提升用户活跃的问题。很多公司的SKU就一二百款,产品线就5、6个,即使搞推荐系统,搞来搞去也就那几款。而电商/短视频平台的SKU动辄以亿为单位,所以必须得搞推荐,不然咋展示呀。而即使只有1个SKU,用户也有高中低消费的区别,也能结合用户画像,找到谁是我的高端消费者。所以用户分群和分层应用范围比推荐系统大很多,只要是个公司都可以用。文章标题: 用户画像、用户分群、用户分层,到底有啥区别?
本文链接:http://www.ncicndu.cn/93963.html





今日热点新闻专题:  北京市  天津市  广东省  山东省  江苏省  河南省  上海市  河北省  浙江省  香港特别行政区  陕西省  湖南省  重庆市  福建省  云南省  四川省
 广西壮族自治区  安徽省  海南省  江西省  湖北省  山西省  辽宁省  黑龙江  内蒙古自治区  贵州省  甘肃省  青海省  新疆维吾尔自治区  西藏  吉林省  宁夏回族自治区

今日热点新闻网(www.ncicndu.cn)第一时间报道今天新闻头条最新热点新闻、最近国内外热点新闻、科技体育生活热点新闻以及国内各省热点新闻事件。 

         网站地图 txt地图 声明:本网全部信息转载于互联网,如稿件涉及版权等问题,请联系我们!E-Mail:1115168887@qq.com。