用户画像pdf

[kemistep]

用户画像pdf.pdf

[kemistep]

笔记本： 用户
创建时间： 2020/5/19 9:42 更新时间： 2020/5/19 10:21
作者： Andrew
URL： https://baijiahao.baidu.com/s?id=1635024324409706547&wfr=spider&for=pc
用户画像体系建设
https://baijiahao.baidu.com/s?id=1635024324409706547&wfr=spider&for=pc
明确营销目标——聚焦北极星指标及增长杠杆
标签体系框架建设
从属性来看，标签可分为人口标签，会员标签，行为标签，交易标签，消费标签以及营
销标签等。
从来源类型上来看，标签可分为事实标签、模型标签以及策略标签。
用户状态模型
用户状态是我们评价品牌与用户之间联系紧密度的重要属性，通常会以顾客的消费频次作为主
要判断依据
用户忠诚度模型 https://wenku.baidu.com/view/22f870be33d4b14e852468d8.html
https://blog.csdn.net/benpaobagzb/article/details/48058975
用户价值模型
RFM模型是众多客户关系管理（CRM）分析方法中的一种，能够方便快速有效的量化用户价值
和创利能力。
用户标签体系的应用
标签体系建设的短期目标是通过打造“渠道”“内容”“时间”的黄金组合优化用户前端旅程
体验，提升单次营销活动效果。
长期目标是通过定制化的服务，优化前端用户旅程，延长用户生命周期，提升CLV。我们分别
从信息推送，营销杠杆，用户生命周期管理的角度分别畅想下标签化建设对于营销场景的重
塑。
1、智能化信息推送体系，既在合适的时间，通过最佳的运营渠道，给用户传递最感兴趣的内容
（1）渠道渠道个性化：基于短信，EDM，push，公众号模板消息等主流触达渠道用户的互动
反馈情况，在用户偏好的渠道推送信息，提升体验的同时节约推送成本。
（2）推送内容个性化，根据用户历史订单/浏览数据，实现基于用户消费/兴趣偏好的个性化推
荐，并在文案中适当植入“姓名“”昵称“”星座“等个人属性显示，在千人千面的基础上增
加互动亲密度。
（3）推送时间个性化：基于用户历史点击/购买时间，判断用户最易被营销触动的时间点，在
黄金时间点给用户发送营销信息。
2、个性化的营销活动配置，在烧钱式一次性营销和0成本概念型营销的风潮褪去后，越来越多
地企业开始回归理性。找到每个用户的痛点/痒点/爽点，因人而异地进行营销刺激，才是提升
ROI的最佳路径，以下是4种常见的用户驱动类型及对应驱动杠杆：
3、生命周期的自动化管理
有CLV管理意识的企业通常会定期整理用户消费行为数据，并针对不同周期的用户进行对应的
营销活动，这是标签体系的初级应用。但实际上，营销策略的变化永远赶不上用户兴趣迁移的
速度，用户的来源，退出的节点都是动态的。因此，给用户打标签的过程也应该是动态的，当
我们设置一个打标签条件后，所有满足条件的用户会自动打上这一标签，并进入此类标签人群
的营销活动。这样的自动化管理可以确保我们对用户的认知永远是实时的，更能将运营人员从
繁复的数据处理工作中解脱出来，真正释放营销创意。
标签策略验证及动态设定
要获得能给业务带来实际增长的标签体系，生成可持续的用户运营策略，我们需要对在标签体
系中引入“假设-测试-验证-定义”的迭代过程，只有不断的迭代挖掘与试验，我们才会找到可
以准确刻画用户的标签体系，找到更多业务增长点。
以下是基本的标签策略迭代验证流程：
以上是用户标签体系构建的基本流程，在构建了有营销导向的，动态可迭代的标签体系之后，
我们可以对用户开展深度洞察并进行全生命周期MOT运营或基于标签特征的个性化营销。
https://www.cnblogs.com/qilin20/p/12264794.html
行为类型权重
用户浏览、搜索、收藏、取消收藏等不同行为反映用户对商品的喜爱程度，不同行为的权
重也不同，权重值的设置该应根据具体应用场景来设置其值。比如浏览、搜索、收藏代表用户
喜欢商品，应设为正值，但是收藏>搜索>浏览，取消收藏代表用户不喜欢该类商品，其权重应
设为负值。
https://blog.csdn.net/Minus_God/article/details/82623045
一般来说，将能关联到具体用户数据的标签，称为叶子标签。对叶子标签进行分类汇总的标
签，称为父标签。父标签和叶子标签共同构成标签体系，但两者是相对概念。
标签级别（标签的体系结构）
标签命名&赋值
用户画像标签层级的建模方法，用户画像的核心是标签的建立，用户画像标签建立的各个阶段
使用的模型和算法如下图所示。
https://zhuanlan.zhihu.com/p/27828271
https://blog.csdn.net/u014156013/article/details/82656883
用户标签权重 = 行为类型权重 × 时间衰减 × 用户行为次数 × TF-IDF计算标签权重
公式中各参数的释义如下：
行为类型权重：用户浏览、搜索、收藏、下单、购买等不同行为对用户而言有着不同的重
要性，一般而言操作复杂度越高的行为权重越大。该权重值一般由运营人员或数据分析人
员主观给出；
时间衰减：用户某些行为受时间影响不断减弱，行为时间距现在越远，该行为对用户当前
来说的意义越小；
行为次数：用户标签权重按天统计，用户某天与该标签产生的行为次数越多，该标签对用
户的影响越大；
TF-IDF计算标签权重：每个标签的对用户的重要性及该标签在全体标签中重要性的乘积得
出每个标签的客观权重值；
https://blog.csdn.net/xiaokang06/article/details/78076925
基于用户标签的时间衰减因子