数据分析领域的用户画像构建

这是一篇关于数据分析领域的用户画像构建的思维导图。

用户画像(给用户打标签)

• 来源
  • 属性数据
    • 人口属性
      • 姓名
      • 年龄
      • 住址
    • 商业属性
      • 收入
      • 学历
      • 职业
  • 行为数据
    • 前端埋点数据
      • 用户在某个端口的动态行为
        • 抢红包点了N次
    • 后端日志数据
      • 前端行为数据结果反馈
        • 抢到了后端反馈为1,没抢到为0
• 构建用户画像模型
  • who
    • 什么用户
  • when
    • 什么时间
      • 时间戳
      • 时间跨度
  • where
    • 什么位置(touch point)
  • what
    • 做了什么是
      • 用户行为
        • 浏览
        • 点击
        • 收藏
        • 购买
        • 不同的页面/场景对应的用户行为代表不同的权重
• 数据选取
  • 定位用户类型
    • 定位目标用户,评估用户,触达用户
      • 商业属性
        • 收入,学历,行业
      • 人口属性
        • 姓名/联系方式
      • 社交属性
      • 电商/购物属性
  • 结合业务场景,选取强相关数据,忽略弱关联书
    • 存在因果关系的数据
    • 相关成都高的信息
  • 定量-定性
    • -年龄段-岁定义为青年群体
    • 收入段-高中低收入人群
  • 外部数据引入
    • 消费偏好
    • 社交偏好
    • 兴趣
    • 注意点
      • 覆盖率和匹配率
      • 引入多家而非一家
      • 合规性
• 应用
  • 战略分析
    • 业务经营分析
    • 收入分析
    • 竞争分析
    • 用户运营
  • 产品运营
    • 业务运营监控
      • 用户路径
      • 异动指标
    • 用户体验优化
      • 产别使用体验
      • 口碑监测
        • 传播路径
  • 精细化营销
    • 个性化推荐
    • 用户生命周期管理
    • 精准投放渠道
• 数据埋点
  • 针对特定用户行为或事件在应用忠的特定流程进行捕捉,处理和发送的相关技术及其实施过程,用来跟踪应用使用的状况
  • 埋点可以通过监测分析工具,提供的SDK来进行编程实现
  • 搭建查询后台
• 位置/场景决定权重(用户偏好)对应的内容决定标签