我們經(jīng)常在淘寶網(wǎng)購(gòu)物，作為淘寶方，他們想知道用戶(hù)是什么樣的，年齡、性別、城市、收入、購(gòu)物品牌偏好、購(gòu)物類(lèi)型、平時(shí)的活躍程度等，這樣的一個(gè)用戶(hù)描述就是用戶(hù)畫(huà)像分析。

在實(shí)際工作中，用戶(hù)畫(huà)像分析是一個(gè)重要的數(shù)據(jù)分析手段，幫助產(chǎn)品策劃人員對(duì)產(chǎn)品功能進(jìn)行迭代，幫助產(chǎn)品運(yùn)營(yíng)人員做用戶(hù)增長(zhǎng)。

作為產(chǎn)品策劃人員，需要策劃一個(gè)好的功能，獲得用戶(hù)最大的可見(jiàn)價(jià)值與隱形價(jià)值、必須價(jià)值與增值價(jià)值，那么了解用戶(hù)并做用戶(hù)畫(huà)像分析，是數(shù)據(jù)分析師幫助產(chǎn)品策劃做更好的產(chǎn)品設(shè)計(jì)重要的一個(gè)環(huán)節(jié)。

作為產(chǎn)品運(yùn)營(yíng)人員，比如針對(duì)用戶(hù)的拉新、挽留、付費(fèi)、裂變等的運(yùn)營(yíng)，用戶(hù)畫(huà)像分析可以幫助產(chǎn)品運(yùn)營(yíng)人員去找到他們的潛在用戶(hù)，從而用各種運(yùn)營(yíng)手段去觸達(dá)。因?yàn)椋?dāng)我們知道群體特征時(shí)，也基本可以判定潛在用戶(hù)也是類(lèi)似的一群人，這樣才可以精準(zhǔn)地尋找新用戶(hù)，提高ROI。

總的來(lái)說(shuō)，用戶(hù)畫(huà)像分析就是基于大量的數(shù)據(jù)，建立用戶(hù)的屬性標(biāo)簽體系，同時(shí)利用這種屬性標(biāo)簽體系去描述用戶(hù)。

01用戶(hù)畫(huà)像分析的作用

用戶(hù)畫(huà)像分析的作用主要有以下幾個(gè)方面（見(jiàn)圖1）。

圖1

1、廣告投放

在做用戶(hù)增長(zhǎng)時(shí)，我們需要在一些外部渠道投放廣告，吸引可能的潛在用戶(hù)，比如，B站在抖音上投放廣告。

我們?cè)谶x擇平臺(tái)進(jìn)行投放時(shí)，有了用戶(hù)畫(huà)像分析，就可以精準(zhǔn)地進(jìn)行廣告投放，比如，抖音中主要的用戶(hù)年齡為是18～24歲，那么廣告投放時(shí)就可以針對(duì)這部分用戶(hù)群體，提高投放的ROI（見(jiàn)圖2）。假如我們沒(méi)有進(jìn)行用戶(hù)畫(huà)像分析，那么可能會(huì)出現(xiàn)投了很多次廣告，結(jié)果沒(méi)有人點(diǎn)擊的情況。

圖2

2、精準(zhǔn)營(yíng)銷(xiāo)

假如某個(gè)電商平臺(tái)需要做一個(gè)活動(dòng)，給不同層次的用戶(hù)發(fā)放不同的券，就需要利用用戶(hù)畫(huà)像分析對(duì)用戶(hù)進(jìn)行劃分，比如，劃分成不同付費(fèi)次數(shù)的用戶(hù)，然后根據(jù)不同付費(fèi)次數(shù)發(fā)放不同的優(yōu)惠券。給付費(fèi)次數(shù)在1～10次的用戶(hù)發(fā)放10元優(yōu)惠券，依此類(lèi)推（見(jiàn)圖3）。

圖3

3、個(gè)性化推薦

個(gè)性化推薦即精確的內(nèi)容分發(fā)，比如，我們?cè)谝魳?lè)類(lèi)APP中會(huì)看到每日推薦，這是因?yàn)檫\(yùn)營(yíng)人員在做點(diǎn)擊率預(yù)估模型（預(yù)測(cè)給你推薦的歌曲會(huì)不會(huì)被點(diǎn)擊）時(shí)，會(huì)考慮用戶(hù)畫(huà)像屬性，這樣才有可能推薦用戶(hù)喜歡的類(lèi)型。比如，根據(jù)你是“90后”，喜歡傷感的音樂(lè)，喜歡周杰倫這些屬性，推薦類(lèi)似的歌曲給你，這就是基于用戶(hù)畫(huà)像推薦。

4、風(fēng)控檢測(cè)

風(fēng)控檢測(cè)主要是金融或者銀行業(yè)涉及得比較多，常見(jiàn)的問(wèn)題是銀行怎么決定是否放貸給申請(qǐng)人。普遍的解決方法是搭建一個(gè)風(fēng)控預(yù)測(cè)模型，預(yù)測(cè)申請(qǐng)人是否有可能不還貸款。模型的背后就有用戶(hù)畫(huà)像分析的功勞。用戶(hù)的收入水平、教育水平、職業(yè)、是否有家庭、是否有房子，以及過(guò)去的誠(chéng)信記錄，這些畫(huà)像數(shù)據(jù)都關(guān)系到模型預(yù)測(cè)是否準(zhǔn)確（見(jiàn)圖4）。

圖4

5、產(chǎn)品設(shè)計(jì)

互聯(lián)網(wǎng)的產(chǎn)品價(jià)值離不開(kāi)用戶(hù)、需求、場(chǎng)景這三大元素，所以在做產(chǎn)品設(shè)計(jì)時(shí)，要知道用戶(hù)到底是怎樣的一群人，他們的具體情況是什么，他們有什么特別需求，這樣才可以設(shè)計(jì)出對(duì)應(yīng)解決他們需求和痛點(diǎn)的產(chǎn)品功能。

在產(chǎn)品功能迭代時(shí)，我們需要分析用戶(hù)畫(huà)像行為數(shù)據(jù)，發(fā)現(xiàn)用戶(hù)的流失情況。典型的場(chǎng)景是用漏斗模型分析轉(zhuǎn)化情況，就是基于用戶(hù)的行為數(shù)據(jù)發(fā)現(xiàn)流失嚴(yán)重的頁(yè)面，從而優(yōu)化對(duì)應(yīng)的頁(yè)面。

比如，我們發(fā)現(xiàn)從下載到點(diǎn)擊付款的轉(zhuǎn)化率特別低，這可能是付款按鈕做得有問(wèn)題，可以有針對(duì)性地優(yōu)化按鈕的位置等。

同時(shí)，還可以分析這部分轉(zhuǎn)化率主要是在哪部分用戶(hù)群體中低，假如發(fā)現(xiàn)高齡用戶(hù)的轉(zhuǎn)化率要比中青年的轉(zhuǎn)化率低很多，則有可能是因?yàn)樽煮w的設(shè)置及按鈕位置不顯眼等，或者操作不方便。

6、數(shù)據(jù)分析

在進(jìn)行描述性數(shù)據(jù)分析時(shí)，經(jīng)常需要用戶(hù)畫(huà)像的數(shù)據(jù)，比如，描述抖音中某美食類(lèi)博主的用戶(hù)群體特征，可以關(guān)注他們觀(guān)看其他抖音視頻的情況，關(guān)注其他博主的情況等（見(jiàn)圖5）。

圖5

簡(jiǎn)單來(lái)說(shuō)，用戶(hù)畫(huà)像分析可以幫助數(shù)據(jù)分析師更加清晰地刻畫(huà)用戶(hù)。

02如何搭建用戶(hù)畫(huà)像

用戶(hù)畫(huà)像架構(gòu)如圖6所示。

圖6

1、數(shù)據(jù)層

進(jìn)行用戶(hù)畫(huà)像分析的基礎(chǔ)是獲取完整的數(shù)據(jù)，互聯(lián)網(wǎng)數(shù)據(jù)主要是利用打點(diǎn)，也就是通常所說(shuō)的數(shù)據(jù)埋點(diǎn)上報(bào)的。整個(gè)過(guò)程是數(shù)據(jù)分析師根據(jù)業(yè)務(wù)需要提交數(shù)據(jù)上報(bào)的需求，然后由開(kāi)發(fā)人員埋點(diǎn)，獲得數(shù)據(jù)（見(jiàn)圖7）。

圖7

除了上報(bào)的數(shù)據(jù)，還有從數(shù)據(jù)庫(kù)中同步的數(shù)據(jù)，一般會(huì)存到Hive表中，按照數(shù)據(jù)倉(cāng)庫(kù)的規(guī)范，根據(jù)主題來(lái)放置。其他數(shù)據(jù)，比如調(diào)研的數(shù)據(jù)，以Excel格式存在，就需要把Excel 數(shù)據(jù)導(dǎo)入Hive 表中。

2、挖掘?qū)?/strong>