用戶畫像除了描述性別，年齡等基礎情況，能不能指導運營策略，輸出提升用戶活躍/付費的方案？當然可以！只不過，必須結合具體業(yè)務情況。前幾天有同學面試某大廠，光顧著背誦RFM指標，結果掛了…… 一起來復盤下，看大廠對用戶畫像的分析思路與要求。
一、談用戶標簽，先談場景
首先，每種分析方法，是有特定業(yè)務場景限制的。從本質上看，網上盛傳的RFM做法，只適合高頻互動的零售電商業(yè)務的場景，比如耐用品、母嬰、醫(yī)療、保健、游戲、影視娛樂等，都不適合RFM。這位同學雖然有電商的經驗，但忽視了：他面的是某廠的小說閱讀APP。
小說業(yè)務，其付費的動力是高度內容驅動的。想讓用戶掏錢，至少得有內容讓用戶看得爽。想讓用戶看得爽，得知道用戶喜歡什么樣的內容題材。并且，小說不同于短視頻或者直播。用戶的爽快感，不是被炫酷的視頻瞬時刺激，而是在持續(xù)閱讀過程中，在沉浸式的體驗中獲得的。
這樣就形成了一個逐步沉浸的轉化過程：尋找內容→點擊閱讀→持續(xù)閱讀→付費頁面→付費→持續(xù)付費。因此，定位用戶當前所處的階段，引導用戶向下一階段發(fā)展，是用戶畫像最關鍵的問題。這需要豐富的用戶標簽，清晰用戶的狀態(tài)
二、基礎屬性標簽
有些用戶標簽，可以用表單收集。比如：
母嬰產品：BB出生月份數、BB健康情況
少兒教育：年齡、年級、科目（英語/語文/奧數）、目的
物流貨運：貨物類型、貨物重量、出發(fā)地、達到地、時間要求
家政服務：家庭位置，服務內容（保姆/清潔/護理），上門時間
醫(yī)療保?。耗挲g、性別、身體狀況、病史
注意！這些表單是建立在業(yè)務本身的剛需之上。比如沒有地址信息，阿姨無法上門服務。所以這種表單信息能受到用戶的理解和配合，采集難度低，標簽準確度高。
在小說這個場景里，就不太適合用表單收集。因為用戶對小說的需求并不是簡單1+1=2，喜歡穿越，喜歡三國，不代表喜歡穿越去三國。因此設計表單的時候，無需事無巨細的八卦，盡量找關鍵字段。對閱讀而言：
1）男女性別（男頻女頻確實差異大）
2）故事題材（比如：玄幻、歷史、穿越、言情）
3）是否是某作者粉絲（熱門作者/經典作者）
對用戶行為影響大，且容易采集，因此可以在表單采集。其他的標簽，則要靠后續(xù)行為分析獲得。
三、關鍵行為標簽
要定位用戶當前所處的階段，需要找能區(qū)分用戶類型的最關鍵標簽。既然目標是提升付費率，因此付費相關標簽，就是第一重要的。根據用戶付費記錄，可以區(qū)分三個狀態(tài)：從未付費/付費一本小說/付費2本及以上。引導方向也很清晰（如下圖）
注意，上邊分類里，有一個策略是導向：保持本篇續(xù)訂。這就意味著，需要觀察用戶在閱讀小說時候的進度。如果付費的小說已經完結了/斷更了，就得即使推薦新內容；如果用戶根本連看都看不下去，或者已經憤然棄坑，那也得另尋好內容推薦。因此得再考慮用戶閱讀行為標簽。
四、分層行為標簽
用戶閱讀行為對付費意義很重大。理論上，只有入坑的用戶才會付費，還很有可能對更多其他感興趣內容付費。對還沒入坑的要盡快拖進坑里，已經脫坑的要防止流失。因此，區(qū)分出未入坑、入坑、脫坑狀態(tài)，很重要(備注：入坑是對讀者沉迷在某本小說情節(jié)的俗稱）
用戶如果入坑了，最起碼的要求是在小說APP的登錄時長、登錄頻次有一定保證，因此可以現用比如最近一周內登錄次數/登錄總時長，來區(qū)分用戶平臺活躍的輕、中、重（如下圖）
再次，如果用戶入坑了一個內容，那么他肯定不會東瞄西逛，而會聚焦在一個內容里。那么這個內容占他在平臺活躍時間的比例，一定相當長。
這樣可以將用戶是否聚焦一個內容的標簽區(qū)分出來：
無感：沒有一個長時間活躍的內容
專一：有一個長時間活躍內容
博愛：有多個長時間活躍內容
具體多長算長，也得用分層分析法哦
第三，入坑、脫坑是一個動態(tài)過程。之前沒有聚焦內容，之后有了，叫入坑；之前有聚焦的，之后沒有，叫脫坑。因此構造標簽的時候，不能只考慮當前狀態(tài)，而是得關聯(lián)上一個周期的狀態(tài)，比如關聯(lián)上一個周期，發(fā)現用戶聚焦下降了，那么可以歸納為入坑。如果聚焦上升，可以歸納為脫坑（如下圖）。
有了行為標簽，再結合付費，就更能精準區(qū)分問題了。當然，在制定策略的時候，也要考慮用戶規(guī)模，優(yōu)先滿足大群體的需求（如下圖）。
在構造標簽邏輯的時候，要符合MECE方法，才能避免意外發(fā)生，這是專業(yè)數據分析人員與業(yè)務人員思考問題的本質區(qū)別：業(yè)務人員能直接抓最顯眼的，數據則關注情況全面性與嚴謹性。
五、興趣偏好標簽
上文有提到，直接收集興趣會有各種問題。那還能怎么辦呢？當然可以從用戶行為中提煉興趣。如果在上個階段，對用戶的內容的閱讀行為做了詳細分類和統(tǒng)計，就很容易區(qū)分出來：
1）用戶對XX類型題材閱讀時間長
2）用戶對XX類型題材忠誠度高
3）用戶對XX類型題材付費率高
這樣將活躍+付費行為交叉，很容易定義出用戶興趣偏好
當然，有一類用戶就是堅持白嫖，有很多關聯(lián)閱讀行為，但是就是不付錢。此時可用優(yōu)惠券測試，把其中價格敏感型與真正白嫖到底的區(qū)分開，從而形成價格偏好標簽。
六、輸出策略
有了以上基礎的標簽準備，最終輸出策略時就可以像搭積木一般，針對用戶需求，組合出各種策略，只要基礎打得牢，出結果是手到擒來的事（如下圖）
七、小結
很多同學習慣了做網上的現成數據集。所謂的用戶畫像，大部分是現成的字段，尤其以直接收集的表單字段居多。這種現成的數據集與實際情況差距非常大，并且沒有練習到最總要的：利用用戶行為打標簽。
如果想做更多深入的練習，推薦加入我的知識星球，系統(tǒng)學習我的《用戶分析詳解》+《數據指標體系梳理》視頻課程哦，我在課程里從概念到基礎能力到實際運用，深入講解了用戶分析的全流程，還可以找我一對一輔導，掃碼加入我的星球，即可學習！
看完覺得寫得好的，不防打賞一元，以支持藍海情報網揭秘更多好的項目。
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進行掃碼打賞哦
手機直接保存圖片,掃一掃識別二維碼,即可進行掃碼打賞哦
