用户画像（案例一）.pdfVIP

⽤⽤户户画画像像（（案案例例⼀⼀））

⽤户画像

⽤户信息标签

⽤户信息的收集包括⽤户基础要素、⽤户场景、⾏为偏好、⼼理性、交际等多⽅⾯。可以⽤静态标签、动态标签两⼤类来划分。

⽤户信息数据包含的范围⾮常⼴，特别是动态标签数据具有多变性，所以建⽴⽤户画像模型也是⼀不断完善的过程。

静态数据：⽤户相对稳定的信息，主要包括⼈⼝属性、商业属性等⽅⾯数据；这类信息如果企业有真实信息则⽆需过多建模预测

动态数据：⽤户不断变化的⾏为信息，主要是⽤户的⽹络⾏为。包括搜索、浏览、注册、登陆、签到、发布信息、收藏、评论、点赞、分享、加⼊购物车、购买、使⽤优惠券、

使⽤积分……等⼀系列的⾏为。

通过统计真实的⽤户⾏为，给⽤户打上不同的⾏为标签，然后建⽴模型标签。⽐如⼈⼝属性、⽤户活跃度、⽤户兴趣爱好、⽤户满意度、渠道偏好使⽤、购买偏好、内容偏好、

⽤户关联、⽤户风险评分等。

通过模型标签，进⼀步建⽴预测标签，如：⼈群属性、消费能⼒、流失概率、违约概率、近期需求、潜在需求。

⽤户画像的使⽤场景

场景：

不同的客户对企业具有不同的价值，通过对⽤户进⾏多维度的特征分析，企业可以根据⽤户的特征进⾏区分，帮助企业实现对潜在⽤户的识别，并对不同价值客户采取不

同程度的维护⼿段。

通过给不同⽤户打上专属标签，可以重新理解消费者，分析并预测⽤户的消费⾏为。不仅能满⾜消费者⽇益挑剔的需求，同时也可以促进商品曝光，提⾼转化率。

⽤户画像可以辅助决策者在正确的时间对正确的⼈开展正确的活动，通过⽤户画像分析⽅法改善经营决策，为管理层提供可靠的客户相关数据⽀撑，可以使经营决策更加⾼

效。

⽬的：

获客：如何进⾏拉新，通过更精准的营销获取客户

粘客：性化推荐，搜索排序，场景运营等

留客：流失率预测，分析关键节点降低流失率

⽤户画像的业务价值

在获客上，可以找到优势的宣传渠道，如何通过性化的宣传⼿段，吸引有潜⼒需求的⽤户，并刺激其转化。

在粘客上，如何提升⽤户的单价和消费频次，⽅法可以包括购买后的性化推荐、针对优质⽤户进⾏优质⾼价商品的推荐、以及重复购买，⽐如通过红包、优惠等⽅式激励对优

惠敏感的⼈群，提升购买频次。

在留客上，预测⽤户是否可能会从平台上流失。⽤户流失可能会包括多种情况，⽐如⽤户体验、竞争对⼿、需求变化等），通过预测⽤户的流失率可以⼤幅降低⽤户留存的运营

成本。

真实业务场景：

有⼀天，你的运营同事找到你，说京东电商平台最近⼩家电类⽬的订单数量、产品浏览量、搜索数量等都有所下降，现在部门计划对⼩家电类⽬进⾏⼀次季未促销活动，希望你

能针对⼩家电的⽤户特征给出⼀些建议。

这是⼀⾮常典型的对⽤户画像进⾏构建和分析的需求，需求要求我们能够对促销活动进⾏⼀些建议，⼀场促销活动必然包含以下⼏部分：

促销活动的受众

促销活动的时间

促销活动的产品

我们可以从这些⾓度去勾勒出⼩家电消费群体的⽤户画像，从⽽可以进⼀步从⽤户特征本⾝来为促销活动提供建议和指导。

受众-⽤户的基本属性

时间-⽤户的购物⾏为属性

产品⽤户的偏好属性

京东订单数据介绍：

⼩家电消费⽤户的⽤户信息

性别

0：⼥，1：男，-1：未知

学历：1：初中及以下，2：⾼中（中专），3：⼤学（专科及本科），

4：研究⽣（硕⼠及以上），-1：（未识别）

敏感度：

L1-近⼀年有复购⽤户

L2-近⼀年⽆复购⽤户

L3-⼀年前有复购⽤户

L4-⼀年前⽆复购⽤户

1-不敏感

2-轻度敏感

3-中度敏感

4-⾼度敏感

5-极度敏感

⽤户画像数据分析

⽤户的性别和年龄

从数据来看，下单⼩家电类⽬的消费者多为男性，但与⼥性⽤户数量差别不是特别⼤（10%）。⽤户多集中在25-35岁的年龄区间，25岁以下的年轻⽤户和45岁以上的中⽼年⽤

户⽐较少。

⽤户的婚育状况

近70%的下单⼩家电的⽤户为已婚，超过60%的⽤户有孩的可能性⽐较⾼。

⽤户的教育⽔平

绝⼤多数⼩家电消费⽤户拥有专科