有学生问：陈老师，老板让我做用户画像分析，结果我做了很多数据，却被批评：我什么都没分析出来？怎么办？
今天我就给大家一个系统的解答。
做用户画像的错误方式1.受限于数据，不敢行动
说到用户画像，很多人第一时间想到的是性别、年龄、地域、爱好等基础信息字段，然后惊呼：我们好像没有这些数据，所以就放弃分析了。
但你想一想，知道男性的比例真的有那么大的意义吗？
了解男性占65%或60%真的对企业有帮助吗？
不一定，给用户贴标签的方法有很多，不要只局限于一些难以收集的基本信息。
2. 毫无想法地列出数据
很多人一听到用户画像分析，就会本能地开始把用户标签从数据库中搬出来，编码到报告中：
至于这些数据要做什么，我从来没有想过。这种分析结果当然是令人困惑的。我疑惑地问：“那又怎么样？那又怎么样？”
3. 无限分裂，没有逻辑
很多人一听到“流失用户画像分析”这类比较具体的分析话题，就开始没完没了地去分析数据，从性别、年龄、地域、设备、注册时间、来源渠道、购买金额……去分析流失率，几十个维度，最后只看到有的维度相差5%，有的维度相差10%，当然没有最终的结论，越看越糊涂。
以上问题都是因为太注重“用户画像”二字而忽略了“分析”二字造成的。用户画像作为基础的数据体系，本身不具备分析功能，单纯罗列用户标签或者分解用户指标并不能起到分析作用。想要用好用户画像，还得一步步按照分析套路来。
步骤 1：转变业务问题
用户画像分析本质上是从用户的角度去思考问题。比如一款新上线的产品销量不达预期，我们可以从产品管理的角度去思考问题，也可以从用户的角度去思考问题。同一个问题，可以有两种思考方式（如下图所示）：
所以，简单罗列一堆用户指标（性别、年龄、地域、购买商品、登录次数等）是没有意义的。用户画像只是一种分析的工具。和其他分析一样，你得先思考：我实际想要解决的问题是什么？想通了之后，再把问题转化为用户相关的问题，就可以继续使用用户画像分析的方法了。
需要注意的是，业务问题非常复杂，往往一个问题可能涉及多个用户群体、多个用户行为，比如上面的例子就涉及至少三个用户群体（潜在用户、流失用户、存量用户），涉及到用户态度、信息接收、购买流程、用户体验等多个方面。
所以需要对分析线索和逻辑进行分类整理，找到对应的数据，否则光是列出性别、年龄、地域并不能说明任何问题，这就涉及到下面两个步骤。
第二步：宏观假设验证
问题转化之后，先从宏观层面验证假设非常重要，可以有效避免无限拆解的错误。如果大方向没有建立，就没必要看细节。如果新品卖不出去的问题依然存在，如果想从大方向验证，可以简单如下：
总之，先进行一般性检查，可以有效缩小怀疑范围，怀疑范围越小，后续的用户分析就越准确。同时，在数据不足的情况下，怀疑范围越小，越能集中精力收集数据，提高数据质量，做出精准的分析。
用户分类维度可能有上百个，如果不筛选就做拆解对比，可能几十个维度都有差异，根本看不懂数据，拆解前先聚焦假设很重要。
步骤3：构建分析逻辑
经过宏观验证之后，就可以根据验证的结论构建更加详细的分析逻辑。这个阶段，原本宏大的问题其实已经聚焦到小问题上了，比如：
我们来看一个具体的场景：
这四个子问题都可以通过深挖用户需求和行为来回答，下一步还可以再深入。需要注意的是，这部分分析需要大量对用户态度、潜在用户、竞品用户的研究，单靠内部数据是无法完成的，必须通过外部调研来完成。
我们再来看另一个场景：
这些问题可以通过两种方式解决。
一方面，通过对比关注不同类型的用户，发现配送、奖励活动、购买品类、金额等细节上的差异，从而调整配送、营销、补货等业务。
另一方面，通过对核心用户进行画像，商家可以更清晰的看到真正喜欢购买的人群的信息，从而帮助商家抓住更多这样的核心用户，提升后续的业绩。
步骤 4：获取用户数据
在上一步中，我们看到，用户画像分析如果真的想深入用户，必须依赖多个数据源，很有可能会同时使用内外部数据。考虑到内部数据可能没有收集到充分，外部数据存在抽样误差，在数据的使用上必须有所取舍和有所侧重。这也是我们一直强调逐步验证、缩小假设的原因。只有侧重，才能收集到数据。
一般来说，
传统意义上的市场调研、数据分析，都有各自的定义、方法，以及用户画像的输出，从对企业实际有用性的角度来说，当然是多多益善。
但随着爬虫、NLP、埋点越来越深入，在技术的支持下，系统收集的数据利用率这几年越来越高，所以如果条件允许，还是应该尽量丰富内部数据，否则如果全靠研究，没有数据积累，以后就很难做了。
第五步：总结分析结论
如果以上步骤做好了，最后得出分析结论是水到渠成的事情，不费吹灰之力。其实用户画像分析最大的问题都在前五个步骤。缺乏假设方向、缺乏数据准备、缺乏分析逻辑、简单罗列数据、无限拆解，最后自然会面临一堆零散的数据纠结：“如果男女比例是3：2呢？？？”
当然，用户画像还有很多其他用途，比如支持新品开发、推荐系统、自动营销系统、投放系统等，分析只是其中很小的一部分。所以想要做好分析，还是需要多学习分析方法，多练习分析逻辑。
不考虑具体的问题场景，单纯地问：如何建立一般的用户画像，你会得到来自算法、研究、数仓、分析等各个立场的各种稀奇古怪的答案，自然就没有任何分析思路。
本站候鸟号已成立2年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论