做遊戲運營不懂使用者畫像怎麼行? 5分鐘讓你讀懂使用者畫像
使用者畫像對於網際網路從業者來說是一個繞不過去的坎兒,無論從事市場營銷還是產品運營,無論你是剛入行的小白還是工作幾年的老司機。
可是有的從業者而目前只是有點懵懂的概念但沒有系統瞭解過,在實際工作中遇到類似的工作,容易理不清楚頭緒,無從下手。
這篇文章我將從什麼是使用者畫像,如何構建使用者畫像,使用者畫像的實際場景應用三個維度說明,希望對各位有所幫助。
什麼是使用者畫像?
目前比較有代表性的說法是:“ 使用者畫像是根據使用者社會屬性、生活習慣和消費行為等資訊而抽象出的一個標籤化的使用者模型。”
構建使用者畫像的核心工作即是給使用者貼“標籤”,而標籤是通過對使用者資訊分析而來的高度精煉的特徵標識。
從這個定義我們可以提取出關鍵詞:「標籤」
「標籤」可以分為社會屬性,生活習慣以及消費行為3個方面,也有分為人口屬性、社會屬性、行為習慣、興趣偏好和心理屬性5個方面的。
這篇文章不說那麼複雜,先概括的說下較為通用的3個方面:
社會屬性:年齡,性別,地域,學歷,職業,婚姻狀況,住房車輛等。
生活習慣:運動,休閒,旅遊,飲食起居, 購物,遊戲,體育,文化等。
消費行為:消費金額、消費次數、消費時間、消費頻次等(基於產品)。
標籤的包含的內容不是完全固定的,需要根據行業和產品的屬性有所區分,比如社交類的產品會更關注使用者社交關係標籤;電商類會更關注使用者的興趣和消費能力等;金融行業還會有風險畫像,包含徵信、違約、還款能力等。
如何構建使用者畫像
目前已經形成比較成熟的構建使用者畫像的方法,比如Alen Cooper的“七步人物角色法”,Lene Nielsen的“十步人物角色法”等,這些都是非常實用且專業的使用者畫像方法。
在瞭解這些方法後就可以將如何構建使用者畫像拆解為三個步驟:
獲取使用者資料→細分使用者群體→構建使用者畫像
1.獲取使用者資料
1)靜態資料採集
顧名思義就是使用者不會輕易改變的資料,如社會屬性,生活習慣等。
可以通過電話訪談,問卷調查,網路資料分析等方式獲得。常常網際網路企業比傳統企業有優勢,像TB、JD等大平臺可以通過使用者註冊,完善會員資訊積累資料。
2)動態資料採集
使用者不斷變化的行為資訊,一般取決於使用者對於產品的行為反饋:
動態資料都可以通過該產品/網頁的資料統計記錄下來,只要產品資料埋點足夠完善,需要哪些資料就直接從資料庫拉取就可以。
2.細分使用者群體
通過靜態資料和動態資料給不同的使用者打上標籤,通過標籤的權重、排列,可以得到很多使用者的標籤,根據自身產品的需求選擇需要的使用者標籤,找到對應的使用者。
舉個例子:電商企業選擇使用者基礎資料外還需要使用者的興趣,消費習慣、消費能力、訪問記錄、商鋪瀏覽時長、歷史購買記錄等給使用者推薦與其標籤匹配度更高的商品,促進使用者更多的訪問其他商品從而產生再次購買行為。
3.構建使用者畫像
將事件進行建模包括:時間地點人物事件,我在這簡寫為4W1A模式
Who(使用者)-哪些使用者
在於對使用者的表示,方便區分使用者,定位使用者資訊
除上面的獲取方式,在移動端還有通過廣告IDFA獲取使用者裝置資訊,或者直接獲取使用者的UDID獲取使用者裝置資訊。
when(時間)-什麼時間發生
使用者發生行為的時間跨度和時間點,比如瀏覽頁面15s,其中點選按鈕是在3s,返回是在12s,也就是時間跨度15s,發生行為的時間點分別是3s和12s。
where(地點)-使用者行為觸點
也就是使用者接觸產品的觸點,比如網址訪問了哪些分頁,在APP上點了哪些按鈕,重新整理了幾次,或者其他互動行為。
what(事件)-觸發的資訊點
也就是使用者訪問的內容資訊,比如主要瀏覽了類別,品牌,描述,屬性,對應零食,衛龍,辣條,生產日期等,這些內容也生成了對應標籤。
action(行動)-使用者具體行為
比如電商的使用者的新增購物車、搜尋、評論、購買、點選贊、收藏 等等。
使用者畫像的資料模型可以概括為下面的公式:使用者+時間+行為+接觸點,某使用者因為在什麼時間、地點、做了什麼事,然後打上標籤。
不同產品需求不同的標籤組合,不同的標籤組合也就形成了使用者畫像的模型。
使用者畫像的應用
1.個性化推薦
對於電商和內容類平臺,將訪問的使用者細分為很多屬性標籤,根據使用者實時標籤變化並且不斷地重新整理使用者模型,讓並且不斷將重新整理推薦的內容。
常見案例:電商平臺商品(淘寶)推薦,和今日頭條內容推薦,根據標籤組成使用者畫像模型,再利用他們的推薦演算法機制匹配使用者感興趣的內容,做到個性化推薦,千人千面。
2.廣告精準營銷
如今的移動廣告投放已經完全應用了使用者畫像作為投放依據,無論是電商、遊戲還是其他品牌曝光,利用使用者畫像資料指導廣告投放,不僅能夠降低成本,還可以大大促進點選率及轉化率,提升整體廣告投放效果。
比如:某廣告公司供廣告投放選擇的使用者畫像
3.輔助產品立項與優化
舉例1:
某些遊戲大廠在遊戲立項前會利用本身產品定位尋找對應使用者人群,然後利用廣告將遊戲備選的美術設計圖推送給使用者,看使用者的對於不同美術設計點選率如何,然後選擇玩家點選率比較好的圖片作為遊戲美術的定位,這樣可以在立項前就減少了上線後因為玩家對設計的不認可而錯失了市場。
舉例2:
產品測試將功能先提供給匹配的畫像使用者(種子使用者),通過種子使用者的反饋得到比較合理的優化意見,方便給產品做較為正確的迭代方向。比如:美圖軟體APP將功能提供給95後、愛拍照、女生。
4.個性化服務
某些行業將服務精準化找到使用者並且推薦定製化服務。比如:某服裝設計公司,將25歲以上職場男性作為目標使用者,為他們定製季度服裝搭配服務,每個季度根據使用者的預算和喜好需求為他們推薦衣服搭配套裝,並且提供1v1設計師溝通,通過目標使用者的需求直接提供解決方案,目前經營狀況良好。
我相信,未來很多行業基於使用者畫像的定製服務解決方案也會有比較不錯的市場空間,廣闊天地,大有可為!
>完。
歡迎關注作者微信公眾號↑↑↑,或者搜尋【遊戲運營sir】
作者:孫秀龍
相關文章
- 淺談使用者畫像
- 實戰案例 | 細分使用者畫像進行交叉營銷
- 使用者畫像產品化——從零開始搭建實時使用者畫像(六)
- 使用者畫像標籤體系——從零開始搭建實時使用者畫像(三)
- 使用者畫像資料建模方法
- 金融行業大資料使用者畫像實踐行業大資料
- io類遊戲觀察報告(一):遊戲描述和使用者畫像遊戲
- 各公司使用者畫像技術案例分享
- 使用者畫像分析與場景應用
- 如何構建好的使用者畫像平臺?
- UI設計培訓之使用者畫像-帶你認清的你的使用者UI
- 《盜墓筆記》IP使用者畫像——資訊圖筆記
- 大資料智慧:金融行業使用者畫像最佳實踐大資料行業
- 個推使用者畫像的實踐與應用
- 乾貨 :基於使用者畫像的聚類分析聚類
- 電商大資料學習筆記:使用者畫像大資料筆記
- 需求流程之產品願景和使用者畫像
- MaxCompute幫你五步實現使用者畫像的資料加工
- 絕地求生類遊戲研究報告:“吃雞”遊戲使用者畫像及營銷策略分析(附下載)遊戲
- 大資料使用者畫像的方法、實踐與行業應用大資料行業
- MySQL點陣圖索引解決使用者畫像問題MySql索引
- 企業如何利用資料打造精準使用者畫像?
- 數字營銷(一)客戶畫像淺談
- 我用MRS-ClickHouse構建的使用者畫像系統,讓老闆拍手稱讚
- 完善“使用者畫像”,識別目標受眾-CRM系統
- 大資料專案實戰之 --- 使用者畫像專案分析大資料
- 基於使用者畫像大資料的電商防刷架構大資料架構
- 基於大資料的使用者畫像構建(理論篇)大資料
- Gigya:一個網際網路使用者完整畫像–資訊圖
- 休閒遊戲全球使用者畫像:東南亞國家留存最高,泰國玩家最愛玩遊戲
- 資料運營實戰(二):細分漏斗畫像,改善關鍵節點
- 聯想win10攝像頭沒有畫面怎麼辦Win10
- 民生銀行&京東三位大咖,手把手教你構建使用者畫像
- 相似人群畫像演算法演算法
- 批次做成畫像dummy檔案
- 群邑智庫:視訊網站使用者畫像與市場分析網站
- Pinterest:Pinterest典型使用者畫像:千禧一代 已為人母REST
- 基於MRS-ClickHouse構建使用者畫像系統方案介紹