用户分群画像：抽样“猜想”让位于大数据“观察”.pdf

用户分群画像 ：抽样“猜想”让位于大数据“观察” 小白叨一叨 ：虽然每个用户都会在互联网上投 出一个“我” ，但遗憾的是 ，长久以来对于互 联网用户的认知 ，仍靠的是“猜”。其实互联网用户真实的内心完全呈现在网络上 ，通过有效 的方式可以观察出来。这意味着只要足够多、足够长的用户数据 ，就可以将那个面目模糊而 内心真实的“我”勾勒出来。 虚拟与真实是互联网的一体两面。一方面 ，我们会自觉不自觉地掩饰自己 ，采用网名也好 ，对性别 、年龄、职业、收入等等守口如瓶也好 ，都在下意识地让自己不为别人知晓。另一方面 ，我们的行 为——浏览网页、观看视频、微博关注、搜索关键词 ，又将我们真实关注的兴趣点一一做了最详尽 的展现。当两者结合 ，就是在互联网上面目虽然模糊 ，内心最接近真实“我”的投影。 可以“看到”何必再去“猜想” 虽然每个用户都会在互联网上投 出一个“我” ，但遗憾的是 ，长久以来对于互联网用户的认知 ，仍 靠的是“猜”。传统的媒体无论是综合性的还是垂直的 ，无论是基于PC的或者基于其他终端的 ，或是 更传统的纸媒、屏媒、电视媒体 ，在定义媒体价值的时候 ，通常以传统受众人口学特征来做定义。 以电视为例 ，统计收视率时 ，是通过每个城市的几千个样本户进行抽样调查去推及全国的收视率 ， 并以此作为下一步推广、营销的基础。这样的抽样方式只能获取小部分用户的信息及行为 ，绝大多 数用户是被这小部分用户“代表”了。即使这样 ，调查到的结果也往往是片面的 ，只能对用户进行粗 线条、片段式描述 ，如年龄、性别、收入等 ，然后以此对偏好和消费意愿进行倒推。当用户在不同 的时间、地点 ，状态下的实时特征、需求发生改变时 ，就无法跟进了。 但正如前文所言 ，互联网用户真实的内心其实完全呈现在网络上 ，通过有效的方式可以观察出来。 互联网与传统媒体不同 ，能够对用户行为进行实时的、全流量的监测 ，这意味着只要足够多、足够 长的用户数据 ，就可以将那个面目模糊而内心真实的“我”勾勒出来。第三方数据机构目前已推出网站 用户分群画像解决方案。这一方案依托的DDMP平台平均每天跨网采集2亿网民、30亿条网民行为 数据 ，为每个用户从人口属性、兴趣、产品行为等打上多维度的标签 ，再对不同维度的标签进行 筛选、聚类 ，进行族群划分、标签描述、定性描述。 这样的应用 ，将让互联网媒体及相关的网络营销产业改变以往费劲心力“猜”用户的方式 ，而去“看” 用户 ，并进一步研究用户、投其所好。 精准营销基于了解用户 无论媒体提供资讯也好 ，企业提供产品、服务也好 ，所面对的主体都是用户 ，“用户导向”的口号也 早已尽人皆知 ，但在无法对用户及需求识别进行细分、了解消费的偏好和意愿的时候 ，这样的口号 也就只能是口号。 用户分群画像对于网络营销环境最大的改变 ，在于打破数据孤岛并真实了解用户。在只掌握一家数 据的情况下 ，用户行为的偏差不可避免——现在的网络环境下 ，谁会只在一家网站、平台上完成所 有活动?而在跨网数据的支持下 ，网站不仅知道用户在这里爱看什么 ，还知道用户在网站之外的行为 、偏好、特征 ，从而全面了解消费者的购买行为、态度、生活形态和媒体接触习惯。如果说传统调 研方法是找个体之间的共性 ，那么用户分群画像就是找到目标用户消费者的个体差异和偏好 ，而且 这个差异好偏好还是实时的、动态的。 在了解真实用户的基础上 ，网络营销就可以实现在恰当的时间、恰当的渠道 ，恰当的形式传递给恰 当的人。用户分群画像系统中的T GI(Target Gro up Index ，目标群体指数) ，可以清晰反映目标群体 在特定研究范围内的强弱态势 ，标示出媒体甚至广告位的商业价值所在 ，使媒体与广告主进行最适 当的匹配。而通过对目标群体年龄、性别、地域、兴趣等的条件设定 ，还可以更精准预定目标人群 、对媒体进行筛选。比如 ，某红酒类广告主进行广告投放 ，根据其原有数据认为爱喝红酒的是时尚 类人士 ，因此选择了时尚网站进行广告投放。但是采用数据分析后发现 ，其爱买红酒的用户最爱看 的是军事新闻 ，当广告投放由时尚网站转向军事网站后 ，用户转化率提升了17倍。 用户分群画像也可以更好地支持原生广告生产 ，实现精细化的“集体关注”营销。所谓“集体关注”营销 不应只去迎合热点 ，而是要通过全网数据去精准预测、获取目标人群的关注点 ，在第一时间发现目 标用户的集体关注点 ，将其与自身产品和服务进行有机拼接 ，从而使广告内容、形式更能为目标用 户接受 ，让“关注”更顺畅地向消费转化。 如果说 ，以往的营销是从产品出发 ，去猜测受众在哪里并去那里等待“偶遇”。那