读书笔记丨用户画像（赵宏田）

本书从技术维度系统讲解了用户画像的方法论和一些常见的工程化解决方案。 全书共分为9个章节。

读书笔记丨用户画像（赵宏田）

• 应用场景
  • 一、根据拆解指标为提升LTV制定不同运营策略
    • 保证渠道质量，确保用户有效性
    • 提升用户质量及数量
    • 降低获取用户成本
    • 提升用户转化
    • 在用户生命周期各阶段，对不同阶段用户进行流失原因分析，提高用户活跃度
  • 二、评估用户运营活动是否盈利
    • 单个用户毛利=用户生命周期价值-获取用户成本-运营成本=CLV-CAC-COC
    • 毛利大于0时，产品才能良性地、持续稳健地发展下去
  • 三、追踪投资回报率（Return On Investment，ROI）
    • ROI=转化率×ARPU/(CAC+COC)，提高ROI，需要以下三方面
      • 1、提高转化率：一在开源，二在节流。开源指不断通过各种方式来获取新用户；节流指减少产品用户流失及挽回即将流失或已经流失的用户。
        • ——节流，减少用户流失的2个关键点：
          • （1）从产品出发。
            • 通过先有指标找出用户是在哪一步流失的，再结合具体产品进行改进。
            • 根据用户生命周期各个阶段对应的关键指标，追踪各个关键节点的转化率，找出转化率较小的节点，定位原因进行优化。
          • （2）从运营出发，形成种子用户群体，保证流失下限，结合运营策略（抽奖、签到送积分），将优质内容推送给精准用户，进行用户等级体系建设等。
      • 2、提高ARPU
        • ①发放优惠券、各种抵价金币、红包等优惠方式，满足用户占便宜的心理，促进用户下单
        • ②建立用户等级体系，对不同等级用户设立不同的福利规则，满足用户对身份地位高人一等的诉求
        • ③建立精准营销平台，精准定位用户群体，满足用户的特定场景需求；
        • ④提示用户信息不会被泄露，满足用户安全感的诉求
        • ⑤生日提供满减券或其他福利，满足用户对情感的认同需求
      • 3、降低成本
        • 降低用户获取成本
        • 降低用户运营成本
  • 判断用户处在生命周期哪一个阶段，可以从以下几个维度着手：
    • APP使用阶段：安装、注册、首次购买、复购、沉默、卸载
    • RFM：R（用户最近一次消费距今天数）、F（用户近x天消费次数）、M（用户近x天消费金额）
    • 访问时间：最近一次访问距今天数
  • 用户生命价值周期划分
  • 用户生命周期延长策略
  • 根据用户生命价值周期划分表，采取不同的运营策略：
    • 引入期：通过消息推送、站内广告推送等渠道触达，缩短用户购买时间间隔，实际中可通过红包、优惠券的方式激励用户缩短从安装到注册、注册到首次下单的时间
    • 成长期：通过消息推送、站内广告推送等渠道触达，培养用户使用习惯，缩短用户购买时间间隔，刺激其复购
    • 成熟期：消息推送、站内广告推送、设计丰富的购物场景进行场景营销，如满减、满送等提高用户客单价。
    • 衰退期：建立用户流失预警机制，情感挽留，提升用户活跃度，通过短信/邮件/主动外呼等渠道触达。
    • 流失期：获取一个新用户的成本比挽留一个老用户成本高5倍以上。通过短信/邮件/主动外呼等渠道触达。
  • 精准营销客群的逻辑
• 用户生命周期划分与营销
  • 生命周期划分（用户进入产品后，不一定会走完一个完整的周期，在每个阶段都可能离开）
    • 引入期
    • 成长期
    • 成熟期
    • 衰退期
    • 流失期
  • 拆解核心目标
    • 提升用户生命周期每个节点的转化率
    • 提升用户的留存（用户参与度）
  • 根据核心目标拆解指标
  • 根据用户生命周期，拆解用户结构
  • 用户生命周期各个阶段对应的关键指标
  • 用户生命周期价值拆解：
• 案例（用户画像--A/B测试）
  • 某零食快消商品为在大促期间获得较好的销量，计划通过消息推送的方式种草新上市的产品等系列文章，为大促造势，激发销量转化。
    • 为了精准定位目标人群流量，计划做两个A/B人群效果测试：
      • 不同内容标题对流量的影响
      • 精准推送相对普通推送带来的流量提升
    • 画像系统如何切入AB人群测试中：
      • 1、对AB组流量做切分：从cookie id尾号入手做流量切分，可以将用户划分为A/B人群，也可以使用人群创建+随机分流的形式对流量进行切分
      • 2、测试文案标题对流量影响的方案：在活动预热期选取少量用户做测试。
        • 控制组A选取近x天来访过、cookie尾号为a，且近x天内浏览/收藏/加购过该零食的用户群，给其推送文案A。
        • 对照组B选取近x天来访过、cookie尾号为b，且近x天内浏览/收藏/加购过该零食的用户群，给其推送文案B。
      • 后续监控两组人群点击率，进而分析不同文案对用户点击的影响。
      • 3、精准推送相比普通推送的流量提升的测试方案：
        • 控制组A选取近x天来访过、cookie尾号为1，没有类目偏好的用户群；
        • 对照组B选取近x天来访过、cookie尾号为2，且近x天内浏览/收藏/加购过该零食的用户群。
      • 对AB组用户群都推送相同文案，后续对点击率进行监控，进而分析精准营销推送带来的增长点的大小。
    • 效果分析
      • 搭建监控报表来监控控制组和测试组的流量和转化情况
      • 除了Push，短信、邮件等其他营销渠道同样可借助此方法进行A/B测试。
• 用户画像与渠道分析
  • 激活：对用户来源渠道进行分析。在不依靠自然流量的情况下，哪些合作、投放渠道对我们的APP、Web产品更合适
  • 注册：只有通过高质量内容、合适的产品功能契合用户需求，用户才会有进一步了解产品的欲望，才会有转化的下一步操作——注册。需要关注用户是否进一步注册转化，从注册流程上看是否存在需要优化的细节点。
  • 留存：一方面满足用户需求，另一方面优化用户体验。在优化过程中可通过用户分群、精细化运营，将精准内容推送给有特定需求的用户，来提高用户满意度。对沉默/流失用户进行标记，通过推送、发放优惠等方式进行用户唤醒/召回。
  • 营收：帮助运营了解用户属性，筛选出高价值用户，让用户向营收转化；通过一系列运营手段让新用户持续向付费转化，让老用户持续付费。
  • 传播：分析目标人群的渠道来源，使得渠道投放的策略更有针对性。例如，业务人员使用画像系统组合标签圈定对某女装款式感兴趣的人群，在渠道维度进行透视，分析该批用户主要来自哪个渠道投放该女装的广告。
• 数据指标体系
  • 用户属性为度
    • 注意，需判断多个标签之间的关系为互斥关系还是非互斥关系
  • 用户行为维度
  • 用户消费维度
    • 如，某女装大促活动期间，渠道运营人员需要筛选出平台上的优质用户，并通过短信、邮件、Push等渠道进行营销。品类+行为中的组合应用方式找到目标潜在用户人群
  • 风险控制维度
    • 防止薅羊毛、恶意刷单、借贷欺诈等行为。结合公司业务方向，例如从账号风险、设备风险、借贷风险等维度入手构建风控维度标签体系
  • 社交属性维度
    • 用户了解用户家庭成员、社交关系、社交偏好、社交活跃度等，通过这些信息更好地提供个性化服务
  • 其他常见标签划分方式
  • 标签命名方式
• 用户画像主要覆盖模块
• 标签类型
  • 用户画像建模即“打标签”，根据打标签方式分为三类：
    • 统计类标签
      • 最基础最常见的标签类型，例如，年龄、性别、星座、近7日活跃时长、近7日活跃天数、近7日活跃次数等
    • 规则类标签
      • 基于用户行为及确定的规则产生，例如“消费活跃”用户这一口径的定义为“近30天交易次数≥2”。这类标签一般由运营人员和数据人员共同协商确定。
    • 机器学习挖掘类标签
      • 需要算法挖掘产生，根据用户的某些属性或某些行为进行预测判断
• 画像简介
  • 用户画像，即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。
  • 用户画像是企业应用大数据的根基，是定向广告和个性化推荐的前置条件，为数据驱动运营奠定基础。
  • 数据应用体系的层级划分