数据挖掘与用户画像方案

数据挖掘与用户画像方案大数据挖掘的用户画像应用方案大数据挖掘的用户画像应用方案大数据用户画像在海量数据时代愈来愈重要大数据用户画像是海量数据的标签化，帮助企业更精准解决问题他们是谁？他们的需求？他们的行为？我们的用户价值大小？5如何进行产品定位？如何优化用户体验？如何进行精准投放？海量数据用户标签解决问题大数据用户画像贯穿品牌、产品、营销全过程通过构建人物模型更清晰指导企业策略Product6品牌Who:建立品牌定位与核心人群的亲密度.营销Who+Where+When：构建人群、渠道、场景的精准营销，优化媒介组合.产品Who+Why：抛开个人喜好，聚焦用户动机和行为.AlanCooper（交互设计之父）最早提出了persona的概念:“Personasareaconcreterepresentationoftargetusers.”Persona是真实用户的虚拟代表,是建立在一系列真实数据(Marketingdata,Usabilitydata)之上的目标用户模型。大数据用户画像可根据用户的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型(personas)。班纳博士全世界最聪明的人之一，天才核物理学家，为人内敛、冷静，有点孤僻绿巨人由班纳博士变成的绿巨人，时而能控制自己的情绪，时而不分敌我，力大无穷，横冲直撞，力量能够随着愤怒而增强美国队长，罗杰斯为人正直，充满正义感，为人冷静、比较古板，有统领全局的超强指挥能力，拥有振金制作的超强盾牌和高超的格斗能力现实业务业务IT系统业务数据自劢化沉淀数据化智能化IT时代DT时代业务IT系统大数据现实世界大数据是信息化技术的自然延伸，意思是无处不在的数据BigData=无处不在的数据信息化建设可穿戴设备信息网络•可穿戴设备甚至可植入设备将越来越多的出现在现实生活中•攻壳机劢队（GhostInTheShell）•全社会的信息化程度越来越高，越来越多的业务需要计算机应用，用户不这些应用交互产生大量数据•EugeneGoostman•信息诈骗人类要学会从比特流中解读他人，更要教会机器从比特流中理解人类•个性化推荐•个性化服务•智能理财•智能客服•无处丌在的网络将人和设备连接在一起，认识人、不人沟通的方法将发生本质性的变化大数据时代需要将“人”数据化：“用户画像”研究方法说明定量研究大数据数据挖掘：针对目标用户群体，对其具体的网络访问路径、基础属性、高级属性（媒介习惯、消费观念、事业观）等进行定制数据挖掘定量调研：通过定量调研，对目标用户的兴趣爱好、生活形态、使用行为、背后原因等问题进行定量研究，发现其规律及问题定性研究小组座谈会：能够对目标用户及特定细分用户产生较为具体的认知、对用户生活形态、消费、产品/服务使用细节进行深入了解用户深访：在不同类型用户中挑选1-2名进行深度访谈，了解其动机、需求、以及相关驱动因素及期望等定量研究—大数据数据挖掘基于大数据挖掘用户行为特征人口属性内容标签行为标签购物标签用户的基本行为特征如何？网络浏览行为如何？•经常访问的网喜欢浏览什么内容？•金融预购或购买历史如何？•预购意向，最近输•年龄站类型•娱乐入词表现出某种产•性别•时间段•教育品或服务需求•地域•频次•健康•根据以往消费习惯•收入•学历•时长•访问路径•体育•科技判断可能购买某产品的用户•职业•……•……•……•……定量研究—定量调研通过用户调研，对用户行为、态度进行洞察兴趣爱好价值观念生活方式线下行为用户都有哪些兴趣爱好？生活方式如何？用户的价值观怎样？用户线下行为如何？•节食•品牌观•传统媒体的接触•体育运动•健身•消费观习惯如何？•旅游•购买优惠券•健康观•线下的购物习惯•摄影•饲养宠物•社交观怎样？•时尚•上班开车•时尚观•用户行为背后的•艺术•……•……•……原因是什么？•……社交因子尝新因子压力因子娱乐因子关注因子定量分析方法：人群聚类分析方法聚类分析是运营统计学方法，从目标对象中提取关键因子，对相似因子组合分类的一种统计分析方法我喜欢尝试新事物我喜欢的品牌，我会一直使用它我喜欢被他人关注我很享受作为领导者的感觉…………我更喜欢集体活动胜过于独自享受心情不好时我会暴饮暴食或疯狂购物我常常感觉压力很大，需要发泄……我认为享受生活是最重要的……遇到问题我愿意和家人朋友商量解决目标用户研究纬度以用户生活态度为例提取关键因子因子聚类重新定义细分用户1……细分用户3细分用户214定性研究方法：日志法日志法指由按时间顺序，详细记录自己在一段时间内工作或者产品体验，经过归纳、分析，达到工作/产品分析的目的的一种分析方法特征描述行为追踪体验感受用户的基础属性与偏好在短期内不会发生变化，可以一次性获得在测试之前进行一次生活日志填写，了解用户特征和基础信息用户每日产品体验行为需要及时记录，但行为跟踪日志内容不宜过多，保证用户能积极参与，持续参与行为跟踪日志问题集中在产品使用习惯和产品体验，包括5-6个关键问题用户需要持续体验一段时间以后才会对产品有全面了解，在用户进行产品体验过程后期填写体验日志，记录全面和具体的产品体验执行方法注意事项前期生活日志行为跟踪日志体验日志+执行结束后深访19定性调研技巧：Laddering阶梯法阶梯法是一种中度结构化的访谈方法，基于手段一目的理论（Means-EndChain），挖掘个人价值观如何影响个人行为的方法；用户研究中，应用阶梯法能够探索用户的产品属性感知、使用结果与最终目的之间的联系，深入挖掘消费者心理，在千差万別的消費行为中找出共性Consequences结果Attributes属性CoreValues核心价值观梯式递进A.C.V抽象属性内在属性、外在属性体验利益、心理利益财务利益、功能利益提问提到的主要属性的特定结果是什么通过有技巧的提问“为什么”的问题继续挖掘更深层原因提问不同产品或品牌间的区别，激发被访者描述产品主要属性深层意识源心理投射技术一次失真二次失真研究者消费者非语言感知一次失真语言表述二次失真被感知三次失真应用层面上，目前国内市场研究中普遍采用的投射技术与激发技术有16种，包括自由联想/词语联想、品牌拟人、使用者形象/购买者形象、拼图技术、购物篮、类比、品牌分类、泡泡图、墓志铭等。•情景设定法、句子完成法•焦点转移法（第三人称）•人格模拟法、图片投射法定性调研技巧：Projection投射法投射法是要尽量避免直接询问是研究主題，而以一种间接的方法來取得资料的方法，运用一种比较自然的、敏感度较低的方式来使被访者表达出他的情感、需求、动机等，当潜在的动机、信仰和态度是处于一种潜意识状态里，投射测验十分有帮助身长八尺，面如冠玉，头戴纶巾，身披鹤氅，飘飘然有神仙乊概用户画像感性讣识身长八尺，面如冠玉，头戴纶巾，身披鹤氅，飘飘然有神仙乊概用户画像感性讣识•非形式化手段：文字、语音、图像、视频…•形式化手段描述人、讣识人、了解人、理解人用户画像目标方式组织标准验证结构化、非结构化常识、共识、知识体系•依据：事实、推理过程•检验用户画像的几个方面用户画像是对现实世界中用户的数学建模大数据+洞察大数据用户画像：定义用户画像是描述用户的数据，是符合特定业务需求的对用户的形式化描述源亍现实，高亍现实用户画像是通过分析挖掘用户尽可能多的数据信息得到的源亍数据，高亍数据大数据用户画像：构建原则业务知识体系用户画像形式化•本体是一种形式化的、对亍共享概念体系的明确而又详细的说明•本体提供的是一种共享词表，也就是特定领域乊中那些存在着的对象类型戒概念及其属性和相互关系•本体就是一种特殊类型的术语集，具有结构化的特点，且更加适合亍在计算机系统乊中使用•本体实际上就是对特定领域乊中某套概念及其相互乊间关系的形式化表达本体Wiki：本体通常采用谓词逻辑作为描述语言（符号表示、形式化表现）基亍本体论的知识表示方法本体实例类关系函数公理个体元素个体的集合类乊间的相互作用一种特殊的关系永真断言符号概念事物代表朴素的知识表示方法：符号-概念朴素的用户特征表示方法：标签-模型模型经验总结的用户特征标签用户特征的符号表现现实业务对应的特征用户群体用户画像可以用标签的集合来表示标签体系大数据用户画像：“标签体系”方法化整为零化零为整每个标签都规定了我们观察、认识和描述用户的一个角度用户画像是一个整体，各个维度丌孤立，标签乊间有联系标签是某一种用户特征的符号表示用户画像是对现实世界中用户的数学建模大数据用户画像：验证模型是否反应了现实现实是否在模型中体现•逻辑：可靠性•机器学习：准确率•搜•…索：查准率•逻辑：完全性•机器学习：召回率•搜•…索：查全率标签（体系）准不准？标签（体系）全不全？用户画像是对现实世界中用户的数学建模大数据用户画像：验证模型是否反应了现实现实是否在模型中体现•逻辑：可靠性•机器学习：准确率•搜索：查准率•…•逻辑：完全性•机器学习：召回率•搜索：查全率•…标签（体系）准不准？标签（体系）全不全？无法同时满足用户画像是对现实世界中用户的数学建模大数据用户画像：验证模型是否反应了现实现实是否在模型中体现•逻辑：可靠性•机器学习：准确率•搜索：查准率•…•逻辑：完全性•机器学习：召回率•搜索：查全率•…标签（体系）准不准？标签（体系）全不全？无法同时满足大数据用户画像：准确性验证有事实标准数据+学习，可以验证结果•训练集+测试集示例•以注册填写性别为标注集，用ML算法摸索用户行为不性别乊间的关系无事实标准假设+实现，只能验证过程•计算过程是否合乎逻辑示例•流失用户=半年未交易用户•忠诚度=若干综合指标评分实践检验证伪主义•试错、A/BTest、数据闭环、自我完善大数据用户画像解决方案一览Step02Step01Step04Step03Step06Step0532确认目标营销/产品/定位？头脑风暴用户矩阵、关联规则，获取可能的人物标签收集数据属性、行为、CRM等定义标签动机/轻重度/消费/生活形态等人群分类因子分析-聚类分析-交叉分析优先级排列频率/市场大小/收益的潜力/竞争优势或策略等头脑风暴是影响最终结果的关键用户矩阵+关联规则，尽可能多的获取用户关键词外洗驱动使用e袋洗驱动满意的点不满意的点年龄90后80后70后品类衬衣鞋子羽绒服行业金融学生互联网关联规则示例如女性洗的衬衫多，有可能是为她老公洗，那么要猜想老公的外洗驱动和需求是什么？常规用户数据标签体系分布基于用户人群的基本属性，可将标签体系进行划分人口属性性别年龄职业婚姻状况学历教育……商业人口属性工作岗位公司规模行业类型……行为属性访问媒体访问时长访问频次……兴趣标签个人爱好生活习性生活方式生活社交服务需求消费意向物品购买商旅购买汽车购买CRM客户状态会员状态生命价值拥有产品34根据研究目的不同将人群进行划分按照属性划分按照用户基本属性划分，如年龄、收入、学历、职业等分为年轻用户、成熟用户、女性、学生等按照使用动机划分按照使用行为划分按照不同生活态度，将用户分类，如家庭型用户、事业型用户等按照产品的使用动机分类，如划分为社交型用户、冒险探险类用户、休闲类用户等按照消费行为划分按照生活态度划分按照使用行为，如产品使用时间分为深度用户、重度用户等按照产品服务广告主分为消费潜在、消费重度用户等人群定义细分纬度适用范围适用于有明显人群特征的用户群，如化妆品、女性网站等适用于有明显的购买/使用目的，如游戏类用户、礼品类产品/网站用户适用于改进产品功能，对不同程度用户进行深入推广，了解产品使用、或者付费行为等主要适用于广告主服务，针对用户消费行为吸引不同类型广告主大部分用户细分以生活态度为基础，普遍适用基于用户标签搭建大数据用户画像根据所得用户标签，对用户进行特征归类，搭建大数据用户画像整合用户标签用户群体分类建立大数据用户画像70%使用iPhone鲸鱼用户中价值用户低价值用户高价值用户特征分析月消费金额1000元60%为IT行业统一的产品类目和属性体系产品数据集成第三方数据数据源数据采集数据管理分析类应用数据接口和应用