讓用戶畫像見效,我找到了這個突破口

0 評論 8252 瀏覽 18 收藏 13 分鐘

編輯導語:用戶畫像最初是在電商領域得到應用的,在大數據時代背景下,用戶信息充斥在網絡中,將用戶的每個具體信息抽象成標簽,利用這些標簽將用戶形象具體化,從而為用戶提供有針對性的服務;本文作者分享了關于用戶畫像的相關分析,我們一起來了解一下。

用戶畫像能不能提升付費率?肯定能,問題是:怎么干?

前幾天就有同學A,在面試的時候遇到這個問題。同學A舉手:這題我會!構建RFM模型,把用戶分成27類,然后重要價值客戶(111)給予VIP資格,重要保持客戶(011)要主動保持聯系……熟練地背誦出27類的做法。

結果,被面試官直接掛掉!

01?談用戶標簽,先談場景

首先,每種分析方法,是有特定業務場景限制的。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務的場景,比如耐用品、母嬰、醫療、保健、游戲、影視娛樂等,都不適合RFM。而這位同學正撞槍口上了:他面的是小說閱讀APP。

小說業務,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。這是用戶畫像要解決的一個問題。

同樣是內容,小說又不同于短視頻或者直播。用戶的爽快感,不是直接被屏幕上扭來扭去的小姐姐或者喋聲喋氣的“烏雞哥”激發的,而是在持續閱讀過程中,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→持續閱讀→付費頁面→付費→持續付費;因此,定位用戶當前所處的階段,引導用戶向下一階段發展,是用戶畫像要解決的第二問題。

此時,可以進一步去想:從小說閱讀APP里,能獲取何種用戶標簽,構建用戶畫像了。

02?基礎屬性標簽

一提到用戶畫像,很多同學又會說貫口一樣說出:性別、年齡、職業、收入、愛好……只要做一個信息收集表,就能搞掂啦!

實際上確實有場景可以用表單收集。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;
  • 醫療保?。耗挲g、性別、身體狀況、病史。

但是,這些表單是建立在業務本身的剛需之上。沒有這些信息,服務根本開展不了。所以這種表單信息能受到用戶的理解和配合,采集難度也相對較低,復核起來也容易。

在小說這個場景里,就不適合用表單收集。

因為對小說的“愛好”根本沒啥剛需可言:

  • 愛好是多個因素綜合組成,不能直接用一兩個問題問清楚;
  • 愛好不是簡單1+1=2,喜歡穿越,喜歡三國,不代表喜歡“穿越去三國”;
  • 愛好并不是完全固定的,有可能被新題材、熱門榜單、朋友推薦等引導。

更不要提其他涉及個人隱私信息,難道看小說還需要被查戶口?不受用戶理解,即使強行采集,數據也是假的。

因此設計表單的時候,要保持克制,盡量找關鍵字段。對閱讀而言,男女差異很大,且容易受到用戶理解,因此可以在表單采集。并且男女,是個符合MECE的簡單選項,不容易引起歧義。

換個角度,如果收集的是:閱讀興趣。

選項是:玄幻、歷史、穿越、言情、霸道總裁、其他

用戶很容易引起歧義,比如玄幻+穿越的,算哪類?比如大女主算哪類?用戶在有歧義的時候,就會亂填一通,收集回來的數據就有問題;這些細節看似瑣碎,實則決定了基礎屬性標簽的準確度。

03?關鍵行為標簽

要定位用戶當前所處的階段,需要找能區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,可以區分三個狀態: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):

讓用戶畫像見效,我找到了這個突破口……

注意,上邊分類里,有一個策略是導向:保持本篇續訂。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。

04?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,區分出未入坑、入坑、脫坑狀態,很重要。

“入坑”是對讀者沉迷在某本小說情節的俗稱。做標簽定義可不能這么隨便,要有具體的指標+計算公式+業務含義,才能算一個標簽。

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,來區分用戶平臺活躍的輕、中、重(如下圖):

讓用戶畫像見效,我找到了這個突破口……

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,而是得關聯上一個周期的狀態,比如關聯上一個周期,發現用戶聚焦下降了,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):

讓用戶畫像見效,我找到了這個突破口……

有了行為標簽,再結合付費,就更能精準區分問題了。當然,在制定策略的時候,也要考慮用戶規模,優先滿足大群體的需求(如下圖)。

讓用戶畫像見效,我找到了這個突破口……

當然,實際工作中,數據情況可能沒有這么復雜。

  • 很有可能,付費/不付費用戶涇渭分明,付費的看完幾頁就付,不付的打死都不付。
  • 很有可能,狀態轉化是一次性完成的,入不入坑,試讀頭幾頁立馬見分曉。
  • 很有可能,用戶都是專一且聚焦的,就是追一個更,追無可追才找其他的。

這些都有可能發生,而且會讓數據分析變簡單。但是在構造標簽邏輯的時候,也要符合MECE方法,才能避免意外發生;這是專業數據分析人員與業務人員思考問題的本質區別——業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。

05?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。如果一個用戶入坑了某個內容,那他肯定是對這個內容感興趣的。

這里的難點,在于區分:他到底對哪個點感興趣。因為一個內容相關的靜態標簽太多了:作者、主題、風格、評論、是否熱門、寫法……還有很多無法標準化的部分。

因此從一開始,就不能太指望興趣標簽做得特別精準,而是要結合小說的品類特點,把同款、交叉款單品選出來,找到貼近的單品即可。畢竟小說不是短視頻,不需要15秒一切換。

當興趣偏好與付費行為交叉,還會產生一種可能:有一類用戶就是堅持白嫖,有很多關聯閱讀行為,但是就是不付錢;此時可用優惠券測試,把其中價格敏感型與真正白嫖到底的區分開,從而形成價格偏好標簽。

06?興趣偏好標簽

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)。

讓用戶畫像見效,我找到了這個突破口……

07?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。

這種現成的數據集練手很爽,可與實際情況差距非常大;實際工作中,即使能用表單采集,也得考慮采集過程中錯誤、造假、復核問題。

更不用說,相當多數據標簽需要通過分析計算+測試獲得,需要一層層的構造,由簡單到復雜;這些處理過程中技巧與手段,才是真正值錢的技能與能力,與大家共勉。

#專欄作家#

接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議。

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!