艾瑞用户画像解决方案.ppt

艾瑞用户画像解决方案
艾瑞用户画像解决方案艾瑞用户画像解决方案用户画像的目的1232艾瑞用户画像案例艾瑞用户画像方法论
用户画像的目的
1
2
3
艾瑞用户画像案例
艾瑞用户画像方法论
2
用户画像在海量数据时代愈来愈重要
用户画像是海量数据的标签化，帮助企业更精准解决问题
他们是谁？
他们的需求？
他们的行为？
我们的用户价值大小？
如何进行产品定位？
如何优化用户体验？
如何进行精准投放？
海量数据
用户标签
解决问题
3
用户画像贯穿品牌、产品、营销全过程
通过构建人物模型更清晰指导企业策略
Product
品牌
Who:建立品牌定位与核心人群的亲密度.
营销
Who + Where + When：构建人群、渠道、 场景的精准营销，优化媒介组合.
产品
Who + Why：抛开个人喜好，聚焦用户动机和 行为.
4
用户画像的定义
Alan Cooper （交互设计之父）最早提出了 persona 的概念:“Personas are a concrete representation of target users.”Persona 是真实用户的虚拟代表,是 建立在一系列真实数据 (Marketing data,Usability data)之上的目标用户模型。
用户画像可根据用户的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出
典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型 (personas)。
班纳博士
全世界最聪明的人之一， 天才核物理学家，为人 内敛、冷静，有点孤僻
绿巨人
由班纳博士变成的绿巨人，时 而能控制自己的情绪，时而不 分敌我，力大无穷，横冲直撞，
力量能够随着愤怒而增强
美国队长，罗杰斯
为人正直，充满正义感，为人冷 静、比较古板，有统领全局的超 强指挥能力，拥有振金制作的超 强盾牌和高超的格斗能力
5
用户画像的目的
1
2
3
艾瑞用户画像案例
艾瑞用户画像方法论
6
用户画像解决方案一览
Step 02
Step 01
Step 04
Step 03
Step 06
Step 05
确认目标
营销/产品/定位？
头脑风暴
用户矩阵、关联规则， 获取可能的人物标签
收集数据
属性、行为、CRM等
定义标签
动机/轻重度/消费/生 活形态等
人群分类
因子分析-聚类分析-交叉分析
优先级排列
频率/市场大小/收益的潜 力/竞争优势或策略等
7
头脑风暴是影响最终结果的关键
用户矩阵+关联规则，尽可能多的获取用户关键词
外洗驱动
使用e袋洗 驱动
满意的点
不满意的 点
年龄
90后
80后
70后
品类
衬衣
鞋子
羽绒服
行业
金融
学生
互联网
关联规则示例
如女性洗的衬衫多，有可能是为她老公洗，那么要猜想老公的外洗驱 动和需求是什么？
8
常规用户数据标签体系分布
基于用户人群的基本属性，可将标签体系进行划分
人口属性
性别 年龄 职业
婚姻状况
学历教育
……
商业人口属性
工作岗位 公司规模 行业类型
……
行为属性
访问媒体 访问时长 访问频次
……
兴趣标签
个人爱好 生活习性 生活方式 生活社交
服务需求
消费意向
物品购买 商旅购买 汽车购买
CRM
客户状态 会员状态 生命价值 拥有产品
9
根据研究目的不同将人群进行划分
按照属性划分
按照用户基本属性划分，如年龄、收入、学历、 职业等分为年轻用户、成熟用户、女性、学生等
按照使用动机 划分
按照使用行为 划分
按照不同生活态度，将用户分类，如家庭型用 户、事业型用户等
按照产品的使用动机分类，如划分为社交型用 户