0 前言
下半場，網際網路公司已經不新鮮了，大部分公司已經網際網路化。他們已經在用網路進行產品宣傳，使用電商銷售自己的商品。大資料“賦能”企業，有資料，有使用者：
- 透過大資料告訴政府該如何智慧地管理交通，做城市規劃
- 透過消費資料分析，告訴企業該在什麼時間生產什麼產品，以最大化地滿足使用者的需求
- 透過生活大資料告訴我們餐飲企業，甚至房地產企業該如何選址
網際網路上半場粗狂運營，有流量紅利無需考慮細節。下半場，精細化運營將是長久主題。有資料，有資料分析能力才能讓使用者得到更好體驗。所以，使用者是根本，也是資料分析出發點。
如你在賣羊肉串餐飲公司，老闆說競爭越來越激烈，要想做得好就要明白顧客喜歡什麼。老闆問：“能不能分析下使用者資料，給咱們公司業務做個賦能？”
“老闆啊，咱們是賣羊肉串的，做資料探勘沒用啊。”老闆晚上就把你開了。
本文來看咋一步步分析使用者資料。
1 使用者畫像的階段和準則
首先就是將自己企業的使用者畫像做個白描，告訴他這些使用者“都是誰”“從哪來”“要去哪”。
使用者畫像建模是個系統工程，要解決三個問題:
- 使用者從哪來，需要統一標識使用者 ID，方便對使用者後續行為進行跟蹤。要了解這些羊肉串使用者從哪裡來，他們是為了聚餐，還是自己吃宵夜，這些場景都要做統計分析
- 這些使用者是誰？需要對這些使用者進行標籤化，方便我們對使用者行為進行理解
- 使用者要到哪裡去？我們要將這些使用者畫像與我們的業務相關聯，提升我們的轉化率，或者降低我們的流失率
老闆說：“不錯，都需要什麼資源，隨時找我。”
為啥要設計唯一標識？
整個使用者畫像的核心
以一個 App 為例，它把“從使用者開始使用 APP 到下單到售後整個所有的使用者行為”進行串聯，就可更好跟蹤和分析一個使用者的特徵。
設計唯一標識可從這些項中選擇：使用者名稱、註冊手機號、聯絡人手機號、郵箱、裝置號、CookieID等。
給使用者打標籤
標籤很多，且不同產品，標籤選擇範圍也不同，這麼多標籤，咋劃分才能既方便記憶，又能保證使用者畫像的全面性？使用者消費行為分析。可從這 4 個維度來進行標籤劃分：
- 使用者標籤：它包括了性別、年齡、地域、收入、學歷、職業等。這些包括了使用者的基礎屬性
- 消費標籤：消費習慣、購買意向、是否對促銷敏感。這些統計分析使用者的消費習慣
- 行為標籤：時間段、頻次、時長、訪問路徑。這些是透過分析使用者行為，來得到他們使用 App 的習慣
- 內容分析：對使用者平時瀏覽的內容，尤其是停留時間長、瀏覽次數多的內容進行分析，分析出使用者對哪些內容感興趣，比如，金融、娛樂、教育、體育、時尚、科技等
使用者畫像是現實世界中的使用者的數學建模，我們正是將海量資料進行標籤化，來得到精準的使用者畫像，從而為企業更精準地解決問題。
有了使用者畫像
可為企業帶來啥業務價值？
可從使用者生命週期的三個階段來劃分業務價值，包括：
- 獲客：如何進行拉新，透過更精準的營銷獲取客戶
- 粘客：個性化推薦，搜尋排序，場景運營等
- 留客：流失率預測，分析關鍵節點降低流失率
如果按照資料流處理的階段來劃分使用者畫像建模的過程，可以分為資料層、演算法層和業務層。你會發現在不同的層，都需要打上不同的標籤。
資料層指的是使用者消費行為裡的標籤。我們可以打上“事實標籤”，作為資料客觀的記錄。
演算法層指的是透過這些行為算出的使用者建模。我們可以打上“模型標籤”，作為使用者畫像的分類標識。
業務層指的是獲客、粘客、留客的手段。我們可以打上“預測標籤”，作為業務關聯的結果。
所以這個標籤化的流程，就是透過資料層的“事實標籤”，在演算法層進行計算，打上“模型標籤”的分類結果，最後指導業務層，得出“預測標籤”。
2 外賣使用者畫像設計
你是美團外賣資料分析師，咋制定使用者標識 ID，制定使用者畫像，以及基於使用者畫像可以做哪些業務關聯？
產品背景
美團已和大眾點評合併，因此在大眾點評和美團外賣上都可以進行外賣下單。另外美團外賣針對的是高頻 O2O 的場景，美團外賣是美團的核心產品，基本上有一半的市值都是由外賣撐起來的。
基於使用者畫像實施的三個階段，我們首先需要統一使用者的唯一標識，那麼究竟哪個欄位可以作為使用者標識呢？
登入方式
美團採用手機號、微信、微博、美團賬號的登入方式。大眾點評採用手機號、微信、QQ、微博登入方式。共同登入方式：手機號、微信和微博。
哪個可作使用者唯一標識？當然以使用者註冊手機號為準。這樣美團和大眾點評賬號體系就可相通。集團內部，各部門協作，使用者資料打通很困難，建議如果希望大資料對各部門都能賦能，一定要在集團戰略高度，儘早就在最頂層架構，將使用者標識統一，後續過程中才能實現使用者資料打通。
有了使用者，使用者畫像都可統計到哪些標籤。按“使用者消費行為分析”準則進行設計。
- 使用者標籤：性別、年齡、家鄉、居住地、收貨地址、婚姻、寶寶資訊、透過何種渠道進行的註冊。
- 消費標籤：餐飲口味、消費均價、團購等級、預定使用等級、排隊使用等級、外賣等級。
- 行為標籤：點外賣時間段、使用頻次、平均點餐用時、訪問路徑。
- 內容分析：基於使用者平時瀏覽的內容進行統計，包括餐飲口味、優惠敏感度等。
有了“使用者消費行為分析”的標籤，就可更好理解業務。
如一個經常買沙拉的人，一般很少吃夜宵。一個經常吃夜宵的人，吃小龍蝦機率可能遠高其他人。這些結果都是透過資料探勘中的關聯分析得出。有了這些資料，就可預測使用者行為。
如一個使用者購買了“月子餐”後，更有可能購買嬰兒水，同樣嬰兒相關的產品比如嬰兒溼巾等的購買機率也會增大。
具體在業務層，都可基於標籤產生啥業務價值？
- 獲客，可找到優勢宣傳渠道，透過個性化宣傳手段，吸引有潛在需求使用者，並刺激轉化
- 粘客，如何提升使用者的單價和消費頻次，方法包括購買後的個性化推薦、針對優質使用者進行優質高價商品推薦及重複購買，如透過紅包、優惠等方式激勵對優惠敏感的人群，提升購買頻次
- 留客，預測使用者是否可能從平臺流失。營銷領域，關於使用者留存有觀點——如將顧客流失率降低 5%，公司利潤將提升 25%~85%。可看出留存率的重要。使用者流失可能包括多種情況，如使用者體驗、競爭對手、需求變化等，透過預測使用者的流失率可大幅降低使用者留存運營成本
3 抽象能力，繁雜事務簡單化
上述“使用者消費行為標籤”都是基於一般情況考慮，此外，使用者行為也會隨營銷節奏產生異常值，如雙十一，如商家都在促銷就產生突發的大量訂單。因此在做使用者畫像的時候，還要考慮到異常值處理。但最終目的不是處理這些資料，而是理解、使用這些資料探勘的結果。對資料的標籤化能讓我們快速理解一個使用者，一個商品，乃至一個影片內容的特徵，從而方便我們去理解和使用資料。
資料標籤化考驗抽象能力，將繁雜事物簡單化，方便理解和後續使用。
4 羊肉串連鎖店實戰
本文探討使用者畫像的流程，關鍵步驟就是給使用者打標籤，給羊肉串連鎖店進行使用者畫像分析，都可從啥角度標籤化？
可從以下角度進行標籤化，以便更好地理解使用者的行為和需求，進而最佳化業務決策。
1. 使用者基本資訊標籤
- 性別：統計男女比例，瞭解是否存在顯著的性別偏好。
- 年齡段：如18-25歲、26-35歲等，區分不同年齡群體的消費習慣。
- 職業/收入水平：上班族、學生、白領等，判斷使用者的消費能力和消費頻率。
- 家庭結構：單身、情侶、家庭（有無小孩），判斷用餐場景的差異。
- 居住地/收貨地址：幫助分析不同區域的消費需求，如夜宵高峰區域、住宅區、商業區等。
2. 消費行為標籤
- 消費頻次：分析使用者點餐的頻率（高頻、中頻、低頻），判斷忠實顧客和新顧客。
- 客單價：每次消費的平均金額，如低於50元、50-100元、高於100元，瞭解使用者的消費能力。
- 用餐時段偏好：區分使用者是否在午餐、晚餐、夜宵時段點餐，幫助最佳化時段營銷策略。
- 點餐偏好：如經常點羊肉串、烤串類、配菜類、飲品類等，瞭解使用者的菜品喜好。
- 消費場景：聚餐、宵夜、外賣，分析使用者的用餐動機和場景需求。
3. 行為模式標籤
- 下單渠道：透過美團、餓了麼、微信小程式、電話等下單渠道，分析渠道效能，最佳化渠道投放。
- 促銷敏感度：是否對摺扣、滿減、優惠券等促銷活動敏感，可透過歷史訂單資料進行判斷。
- 外賣/堂食比例：分析使用者更偏好外賣還是堂食，幫助店鋪最佳化配送服務或堂食體驗。
- 支付方式偏好：微信支付、支付寶支付、信用卡等，瞭解使用者習慣，最佳化支付方式。
4. 地理和時間特徵標籤
- 位置標籤：使用者地理位置的距離，如3公里以內、5公里以外等，幫助分析配送範圍內使用者的行為。
- 時間標籤：在一天中不同時段的訂單量，以及週末、節假日等特殊時間段的消費差異，幫助制定不同時間段的營銷策略。
5. 社互動動標籤
- 社交推薦：使用者是否透過好友推薦、社交平臺（如朋友圈、微博等）點單，瞭解社交傳播效果。
- 評價與反饋：使用者在美團、大眾點評等平臺上的評價等級、反饋內容，判斷使用者滿意度和忠誠度。
6. 生命週期標籤
- 新使用者：首次下單使用者，分析其留存率和後續轉化情況。
- 活躍使用者：持續定期點單的高頻使用者，可透過特殊活動或會員制度增加粘性。
- 流失使用者：長時間未下單的使用者，透過促銷或推送啟用其消費行為，減少流失率。
7. 飲食偏好標籤
- 口味偏好：辣味、清淡、偏鹹等，根據使用者對不同調味的偏好進行區分。
- 健康飲食傾向：如是否偏好低脂、素食等，幫助設計更加個性化的選單。
透過這些多維度的標籤化，羊肉串連鎖店可以更精細地理解使用者需求，從而在營銷推廣、產品設計、服務最佳化等方面做出針對性的調整，提升使用者體驗和業務收益。
通訊錄和朋友圈實戰
開啟你的手機，翻翻看你的微信通訊錄，分析下你的朋友圈，都有哪些使用者畫像？如果你來給它設計標籤，都有哪些種類需要統計呢。為了方便後續使用，你是如何將他們歸類分組的？
如果要對微信通訊錄和朋友圈進行使用者畫像分析並進行標籤設計，可以從多個維度進行歸類和統計。以下是我可能會使用的分類標準和標籤設計：
1. 基本資訊標籤
- 性別：男性、女性。
- 年齡段：18-25歲、26-35歲、36-45歲等。
- 地區：根據所在城市或省份歸類（如一線城市、二線城市、海外等）。
- 職業：白領、創業者、自由職業者、學生等。
- 教育背景：本科、碩士、博士等。
2. 社交關係標籤
- 親屬：家人、親戚。
- 朋友：同學、朋友、發小。
- 工作關係：同事、上級、下屬、合作伙伴。
- 興趣社交：基於興趣加入的微信群或朋友圈中的人（如跑步、攝影等愛好群體）。
- 偶爾聯絡：幾乎沒有互動，但有一定社交關係的人。
3. 互動行為標籤
- 互動頻率：高頻互動（經常點贊、評論、聊天）、低頻互動（偶爾點贊或評論）、無互動（很少聯絡，幾乎沒有互動）。
- 資訊釋出頻率：頻繁發朋友圈、偶爾發朋友圈、從不發朋友圈。
- 資訊型別偏好：
- 生活類：日常分享，旅行、吃喝、家庭等。
- 工作類：分享工作動態、專案進展、行業資訊。
- 興趣類：體育、音樂、電影等興趣愛好分享。
- 商業推廣類：微商、產品推廣、營銷資訊。
4. 生活/消費行為標籤
- 生活狀態：單身、已婚、有孩子。
- 消費習慣：
- 經常釋出奢侈品或高階消費品。
- 喜歡團購、秒殺等優惠活動。
- 偏好健康生活方式（健身、健康飲食、旅行等）。
5. 價值觀/情感標籤
- 情感表達傾向：正能量（喜歡釋出積極內容）、負能量（經常抱怨、吐槽）。
- 分享型別：
- 知識分享：分享學習資料、技術文章等。
- 娛樂分享：幽默段子、搞笑影片、熱點新聞。
- 情感傾向：經常釋出感悟、心靈雞湯、人生思考等。
6. 興趣愛好標籤
- 運動類：跑步、健身、瑜伽等。
- 藝術類：攝影、繪畫、音樂、電影。
- 科技/財經類：關注科技產品、投資理財、股票、基金等。
- 遊戲類：經常發與遊戲相關的動態，或在群裡討論遊戲。
7. 職業發展標籤
- 行業分類：網際網路、教育、醫療、金融、製造業等。
- 職位型別：管理層、技術人員、銷售、市場營銷。
- 職業階段：求職中、工作中、創業中。
8. 商業/業務合作標籤
- 合作物件：潛在客戶、已有合作伙伴、供應商。
- 合作型別：商務合作、專案合作、資源互換等。
9. 活動參與標籤
- 常參與的活動型別：線下聚會、線上分享會、社群活動等。
- 活動組織者/參與者：組織者、參與者、旁觀者。
10. 流動性標籤
- 活躍使用者：經常釋出朋友圈並互動的人。
- 潛在流失使用者：很少釋出動態且沒有互動。
- 迴流使用者：之前活躍、後期沉寂但偶爾又重新發布動態的人。
分組歸類
為了方便後續使用，可以基於這些標籤將微信好友分組。常見的分組方法可以是：
- 親友圈：家人、親戚、摯友。
- 工作圈：現同事、前同事、合作伙伴。
- 興趣圈：有共同愛好的人（如攝影群、跑步群等）。
- 朋友圈展示：不同的人可以設定不同的朋友圈許可權，常互動的人可見生活動態，工作合作伙伴可見業務資訊。
- 業務客戶：潛在客戶或已經建立合作關係的人群，分為“重點客戶”、“一般客戶”等。
透過以上的使用者畫像設計和分組，可以幫助更好地管理社交網路，理解不同好友的需求和互動方式，同時也能在個人、業務或社交活動中做出更有針對性的決策和行動。
總結
使用者畫像，標籤化就是資料的抽象能力。
關注我，緊跟本系列專欄文章，咱們下篇再續！
作者簡介：魔都架構師，多家大廠後端一線研發經驗，在分散式系統設計、資料平臺架構和AI應用開發等領域都有豐富實踐經驗。
各大技術社群頭部專家博主。具有豐富的引領團隊經驗，深厚業務架構和解決方案的積累。
負責：
- 中央/分銷預訂系統效能最佳化
- 活動&券等營銷中臺建設
- 交易平臺及資料中臺等架構和開發設計
- 車聯網核心平臺-物聯網連線平臺、大資料平臺架構設計及最佳化
- LLM Agent應用開發
- 區塊鏈應用開發
- 大資料開發挖掘經驗
- 推薦系統專案
目前主攻市級軟體專案設計、構建服務全社會的應用系統。
參考：
- 程式設計嚴選網
本文由部落格一文多發平臺 OpenWrite 釋出！