微客加|電商大數據應用之用戶畫像

技術這樣說

大多數電商都知道大數據技術和大數據技術的潮流，也都感覺大數據很有用，但不清楚大數據在電商方面的具體應用與價值，通過這篇文章可以讓電商賣家對大數據的具體應用與作用有一個認識。文章圍繞三個問題展開：什麼是用戶畫像？用戶畫像是如何獲得的？用戶畫像的用途。

1，什麼是用戶畫像？

用戶畫像也叫用戶信息標籤化、客戶標籤，從電商的角度看，根據你在電商網站上所填的信息和你的行為，可以用一些標籤把你描繪出來，描述你的標籤就是用戶畫像。Alan Cooper （交互設計之父）最早提出了用戶畫像的概念：「畫像是一個具體的目標用戶的代表。」用戶畫像是真實用戶的虛擬代表，是建立在一系列真實數據（營銷數據與業務數據）之上的目標用戶模型。通過用戶調研去了解用戶，根據他們的目標、行為和觀點的差異、將他們區分為不同的類型，然後每種類型中抽取出典型特徵，賦予名字、照片、一些人口統計學要素、場景等描述，就形成了一個用戶畫像。簡單的說就是根據用戶在電商系統中的用戶基本信息與用戶行為，判斷出用戶非可直接獲取的用戶信息。

用戶基本信息，如：年齡、婚否、性別、教育程度、收入等等……

用戶的行為，如：購買行為、瀏覽行為、點擊行為、購物車行為等等……

用戶的擴展信息，如：小孩的信息、購買能力（等級標誌）、行為特徵（購物類型、活躍程度）、社交情況、心理特徵（促銷的敏感度、購物的忠誠度）、興趣喜好（顏色偏好、品牌偏好）等等……，用戶的擴展信息可以根據業務需要挖掘獲取，前提是需要構建不同的模型演算法，一些基本的擴展信息通過簡單的模型就可以直接獲得。

用戶基本信息和延伸屬性結合出來的結果就是貼近用戶現實世界的人物角色，可以有多個標籤，如：男、31歲、已婚、有小孩，小孩兩歲以上、有房沒車、收入10000以上、團購達人、職業程序員、喜歡籃球運動。

用戶畫像是如何獲得的？

先上圖：

從上圖可以看出獲取用戶畫像需要3個步驟。

1，數據收集：在數據收集的方法中可能還會有其他方法，常用的方法如網路日誌數據和網站交易數據這些數據在電商系統中大多都是直接可以拿到的，而用戶行為數據需要針對性的構建才可以獲取到，一些好的電商系統中會記錄簡單的行為數據。

2，行為建模：行為建模的方法多種多樣主要是通過構建不同的模型來獲取用戶的標籤信息，商家可以根據自己的需要來選擇不同的分析方式獲取到想要的畫像數據。

3，用戶畫像：通過用戶填寫的數據和分析出的數據形成的用戶畫像，描述一個在真實世界的人物角色，可以根據不同的角色採用一些商業策略。

實際的分析中通常數據分為兩種類型，靜態信息數據與動態信息數據。

靜態信息數據（是指用戶直接填寫的數據或分析得出相對固定的數據）

➤ 用戶填寫的數據：來源於用戶的個人資料、或者由此算出的數據 → 生日性別、所在地、收貨地址 → 根據生日算出年齡➤ 建模分析的數據：如果有不確定的用戶屬性，可以建立模型來判斷，比如用戶性別如果不填性別，可以建立性別模型，根據用戶的行為來判斷其性別是什麼及其概率。典型靜態數據 ，如：性別、生日、城市、學歷、星座、月收入、婚姻狀況、職業。動態信息數據➤ 用戶行為產生的數據：註冊、瀏覽、點擊、購買、簽收、評價➤ 比較重要的用戶行為：購買商品、瀏覽商品、放入購物車、關注商品典型的動態數據，如：註冊時間、首次下單時間、糾結商品、最大消費、退貨數量、品牌偏好確定的標籤與根據演算法猜測的標籤➤ 確定的標籤：比如用戶購買了或者收藏了某個商品，用戶送貨地址和聯繫手機。➤ 猜測的標籤：比如用戶的性別，是男性的概率0.8，另外還有很多模型：孕婦模型，潛在汽車用戶模型，用戶價值模型等等。典型的猜測標籤，如：是否孕婦、孩子性別概率。疑似馬甲標誌、潮媽族、滿減促銷敏感度、敗家指數標籤舉例未購買過商品、活躍用戶、沉睡用戶、流失用戶 → 分析得出整站活躍度

3，用戶畫像的用途

用戶畫像的用途：➤ 分類統計，比如：的大學購買書籍人數TOP10，全國女性胸部大小，全國城市不同品牌汽車關注熱度。➤ 營銷推薦，比如：判斷到你有小孩，可以簡訊推薦一些母嬰產品➤ 數據挖掘，利用關聯規則計算，喜歡紅酒的人通常喜歡什麼運動品牌？利用聚類演算法分析，喜歡紅酒的人年齡段分佈情況？➤ 其他方法等等

我們來看一些簡單的例子：

分類統計：十二星座對霧霾天氣的防範指數根據某年用戶購買口罩和霧霾凈化器購買數據和星座數據匹配得出的結果。

分類統計：奶爸當家指數根據整站男性購買母嬰類產品與地區匹配得出的結果。

男女比例、新老用戶比例男女比例：根據整站的男女用戶比例，判斷出網站用戶性別的實際情況。新老用戶比例：根據新老用戶比例，判斷出網站推廣和運營的情況。

年齡分佈、學歷分佈年齡分佈：根據不同的年齡分佈，可以採取不同的活動營銷策略。學歷分佈：根據不同的學歷，可以針對性的提供服務。

數據挖掘

➤ 喜歡什麼東西的人往往喜歡什麼➤ 做了這個事的人一般接下來會怎麼做一個經典的數據挖掘例子：沃爾瑪啤酒和尿布的關聯。根據用戶的數據挖掘出一些有用的規律以支持決策和營銷方案。常用的線上營銷方法：郵件營銷、簡訊營銷、手機APP推送營銷、線上活動營銷。