一文搞懂用户画像︱敏捷软件开发之用户故事
2022-12-12
来源：磊叔的数据增长实验
助第三方数据公司来提供更完善的用户画像。例如下图是某第三方数据公司可以提供的用户画像维度和量级：
关于“联邦建模”
但是企业内外部进行数据交换会涉及用户隐私，所以 2017 年谷歌提出了联邦建模的概念，在保证企业内部用户隐私不外流的情况下进行内外部数据的标签匹配：
投放优化通常会通过触达渠道优化、触达地域、性别年龄、偏好特征等，将广告信息精准曝光给目标用户客群。此应用场景较多应用在有特定用户群体的产品推广中，在互联网金融领域也有较多应用，例如线上借贷平台希望通过投放优化提升审核通过率，通过对平台按期用户与逾期用户的特征对比，找到两类用户特征差异，做定向触达优化等。此应用场景也较多在互联网金融行业使用，例如对平台按期还款用户与预期用户的特征对比，找到目标用户特征差异，做定向触达等。
应用场景3：交叉营销交叉营销一般有两种场景，一是对已完成转化的用户进行不同品类的交叉推荐。例如很多电商平台有类似‘买过此类商品的用户还喜欢’的推荐栏目，就是应用标签画像的交叉营销场景；如果企业已积累大量的用户购买数据，可以应用数据挖掘，包括链路分析、网络分析的方法，确定商品间的相关程度，从而确定交叉销售的商品/对象。第二种场景是筛选更有可能购买某类产品的潜客进行营销推荐。这种场景可以直接应用分类模型，对于已经完成某类产品转化的人群的属性信息及交易行为等信息进行特征分析，在未完成此类产品转化的用户中找到更有可能购买的目标用户群做潜客营销， 以提升购买率。
关于“交叉营销”
交叉营销是平台型产品的重要营销工具，常用于提升留存和营收。交叉营销一般是指跨业务场景、或跨业务形态的场景相互引流，核心逻辑是满足用户的多样性需求。
有兴趣的同学可以参详本站原创文章：
《深入探讨交叉营销（一）》
《（续）交叉营销中的峰终定律》
《（续二）交叉营销中的数据模型》
应用场景4：个性化推荐个性化推荐强调‘千人千面’，基于算法模型的建立和调优，对比上面三种应用场景，整体的投入成本也更高。个性化推荐实际解决海量的信息内容与用户的匹配问题，为用户推荐其感兴趣的内容、商品或服务。通常在内容分发平台及电商平台有广泛的应用。
关于“个性化推荐”
个性化推荐是非常复杂的标签应用场景，也是将标签特性发挥的淋漓尽致的场景。在个性化推荐中，通常包括应用框架级别和内容级别两种，前者是在应用的UI架构上实现功能、服务的个性化推荐，也叫“千人千面”，这是重要的营销能力，可以将很多二三级页面直接推到一级曝光位上来获得流量；后者就是大家熟知的推荐策略了，更详细的内容可以参详本站原创文章：
《【7000字】为什么我说你并不懂标签体系》
应用场景5：产品应用/分析洞察最后一个场景是产品化应用，可以理解为数据中台营销服务的一个功能。标签是很多数据产品的基础，诸如广告系统、个性化推荐系统、CRM 基础搭建等，目前市面上有很多成熟的标签搭建和管理的产品。如果选择自建自动化运营平台，本质上对底层的要求就是标签体系。自建平台可以更灵活的满足企业的个性化需求，以及实现更多维度的对用户行为属性变化做深层的分析对比。
用户画像的构建是个系统性的工作，需要区分不同的场景
免责声明：
1、IT项目管理界发布的所有资讯与文章是出于为业界传递更多信息之目的，并不意味着赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请浏览者仅作参考，并请自行核实相关内容。
2、本站部分内容转载于其他网站和媒体，版权归原作者或原发布媒体所有。如文章涉及版权等问题，请联系本站，我们将在两个工作日内进行删除或修改处理。敬请谅解！
-
延伸阅读：
-
