《新媒体写作与运营》课件——项目三 用户画像与运营策略.pptxVIP

1.渠道用户画像

渠道主要包含：搜索引擎、信息流广告、科技网站、媒体推广、社交广告、第三方电子市场、资源置换、刷排名、厂家预装等。

用户画像的核心工作就是给这些来自不同渠道的用户打标签。

怎们结合场景来设计传播模式，并尽量降低成本呢？

标签通常是指人为规定的高度精炼的特征标识，如年龄、性别、地域、兴趣等。这些标签集合就能抽象出一个用户的信息全貌。

一般用户画像有五类信息可以参考：

1.人口属性—用户是谁（性别、年龄、职业等个人基本信息）2.消费需求——消费习惯和消费偏好

3.购买能力——收入及购买力、购买频次和渠道

4.兴趣爱好——品牌偏好、个人兴趣

5.社交属性——用户活跃场景（社交媒体等）

2.绕开用户画像误区

用户画像广泛应用于大数据精准营销和个性化服务等领域，“千万人撩你，不如一人懂你”，用户画像是洞察用户特征的基本工具，大家都普遍认同用户画像的重要性。

但并不是每个运营者打开用户画像的姿势都是正确的，用户画像也暗藏了不少误区。

因此，有必要绕开画像误区，防止从源头上出错。

用户画像似乎已经成为了现代企业的标配。别人有，我不能没有。于是，有些企业就盲目跟风，先上一个用户画像平台再说。

1.误区一：目的不明确，画像与业务场景的关联度不高

企业构建自己的标签库时，很容易踏入的误区就是贪多求全，认为标签越多越好、越全面越好，有的公司标签数量甚至超过了3000个。做标签库规划时，恨不得将用户的衣食住行、方方面面的指标都纳入标签库。

2.误区二：重数量、轻质量，认为用户标签越多越好

真实的企业运营过程中，真的是标签越多越好吗？答案是否定的。很多时候，随着标签库运营的逐步深入，你会发现，其实很多标签都是被闲置的，利用率很低。

很多做过标签库建设与运营的专家指出，标签贵在精，不在多。标签不是越多越好，而是够用就好。

用户标签是对用户特征的高度概括和提炼，用户标签的生产是需要基于用户本身的数据来做的。但有些企业在生产标签时却误入歧途。

3.误区三：标签的生产并非基于用户数据的客观表现

比如：有些公司采取用户调研的方式获取数据、验证标签。但是，这种方式并非十全十美，尤其调研问题、调研方式存在不足时。

第一，如果问题选项带有倾向性或过于封闭，用户的回答很容易出现偏差。例如这样的“封闭式问题”：“你业余时间是喜欢听流行音乐还是喜欢听古典音乐？”回答者只能从“听流行音乐”和“听古典音乐”里选择一个。实际上，用户的真实情况可能是喜欢听相声，由于没有此选项，用户只好二选一，但并不能反映用户的真实喜好。

第二，用户在回答问题时不一定会说出真实的情况。另外，用户的回答经常受其知识水平、过往经验的限制，未必代表其真实感受。福特汽车公司的创始人亨利·福特曾说过:“如果我最初问消费者他们想要什么，他们会告诉我‘要一匹更快的马’！”也就是说，如果亨利·福特采用提问式画像去研究用户需求，恐怕福特汽车就不会出现了。

有些新媒体运营者，喜欢根据自己或自己团队的喜好或行为特点，去推断其他用户的行为特征。把自己当成用户，替用户来思考，根据自己的经验判断来定义标签。这是典型的“以己度人”。

4.误区四：以己度人的代入式画像

在用户标签生产时，标签的权重也是经常被忽略的误区。

某个标签的权重，是指该标签在用户的整体评估中的相对重要程度，权重影响着对用户属性的归类。

5.误区五：注重标签生产，但忽视标签的权重

不同的行为对用户特征判别的重要性是不一样的，时间越久远的行为，对用户归类的影响就越小，权重也就越小。

比如，在电商领域用户浏览、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。

提到用户画像，多数情况下是指给C端个人用户画像，当然B端用户也是可以画像的。（C端用户，就是个人用户，Consumer。B端用户，就是企业用户Business）

6.误区六：标签设置没有把握好用户的隐私尺度

如果不把握好隐私尺度，在用标签来开展业务运营时太露骨，可能招致用户的抵制。而一旦用户隐私泄露，可能会给企业带来灭顶之灾。

用户画像的准确度和有效性与用户隐私之间，实际上是一个矛盾体，不同用户对待隐私的态度不同，需要采取差异化的对待方式。一方面，企业需要对标签在保密级别上做区分和设定，另一方面，原则上对某些数据的提取和加工需要征得数据主体的同意。

大数据画像，即通过百度指数、微指数等互联网大数据，挖掘用户属性，做出目标用户画像。但大数据画像只对一部分企业适用。

7.误区七：大数据画像

一方面，大数据不具备完整维度——百度指数只代表行业搜索大数据，微指数只代表行业讨论大数据，微信指数只代表事件热度大数据。

但对于非生产数据的企业，通常不能直接使用大数据进行画像。

另一方面，行业大数据不代表企业大数据——每一家企业的粉丝或消费者都有其独特