精准营销中的用户画像是什么？如何生成用户精准画像？

精准营销中的用户画像是什么？如何生成用户精准画像？

用户画像是根据用户社会属性。

生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。

具体包含以下几个维度：。

用户固定特征：性别,年龄,地域,教育水平,生辰八字,职业,星座用户兴趣特征：兴趣爱好,使用APP,网站,浏览/收藏/评论内容,品牌偏好。

,产品偏好。

用户社会特征：生活习惯,婚恋,社交/信息渠道。

偏好,宗教信仰,家庭成分。

用户消费特征：收入状况,购买力水平,商品种类,购买渠道喜好,购买频次。

用户动态特征：当下时间,需求,正在前往的地方,周边的商户,周围人群,新闻事件。

如何生成用户精准画像。

大致分为三步：。

1.采集和清理数据：用已知预测未知。

首先得掌握繁杂的数据源。

包括用户数据、各式活动数据、电子邮件订阅数、线上或线下数据库及客户服务信息等。

这个是累积数据库；这里面最基础的就是如何收集网站／APP用户行为数据。

比如当你登陆某网站,其Cookie就一直驻留在浏览器中,当用户触及的动作,点击的位置,按钮,点赞,评论,粉丝,还有访问的路径,可以识别并记录他／她的所有浏览行为,然后持续分析浏览过的关键词。

和页面,分析出他的短期需求和长期兴趣。

还可以通过分析朋友圈,非常清晰地获得对方的工作,爱好,教育等方面信息,这比个人填写的表单,还要更全面和真实。

我们用已知的数据寻找线索,不断挖掘素材,不但可以巩固老会员,也可以分析出未知的顾客与需求,进一步开发市场。

2.用户分群：分门别类贴标签描述分析是最基本的分析统计方法,描述统计分为两大部分：数据描述和指标统计。

数据描述：用来对数据进行基本情况的刻画,包括数据总数,范围,数据来源。

指标统计：把分布,对比,预测指标进行建模。

这里常常是Data mining的一些数学模型,像响应率分析模型,客户倾向性模型,这类分群使用Lift图,用打分的方法告诉你哪一类客户有较高的接触和转化的价值。

在分析阶段,数据会转换为影响指数,进而可以做”一对一”的精准营销。

举个例子,一个80后客户喜欢在生鲜网站上上午10点下单买菜,晚上6点回家做饭,周末喜欢去附近吃日本料理。

,经过搜集与转换,就会产生一些标签,如”80后””生鲜””做饭””日本料理”等等,贴在消费者身上。

3.制定策略：优化再调整。

有了用户画像之后,便能清楚了解需求,在实际操作上,能深度经营顾客关系,甚至找到扩散口碑的机会。

例如上面例子中,若有生鲜的打折券,日本餐馆最新推荐,营销人员就会把适合产品的相关信息,精准推送这个消费者的手机中；针对不同产品发送推荐信息,同时也不断通过满意度调查。

,跟踪码确认等方式,掌握顾客各方面的行为与偏好。

除了顾客分群之外,营销人员也在不同时间阶段观察成长率和成功率,前后期对照,确认整体经营策略与方向。

是否正确；若效果不佳,又该用什么策略去应对。

反复试错并调整模型,做到循环优化。

这个阶段的目的是提炼价值,再根据客户需求精准营销,最后追踪客户反馈的信息,完成闭环优化。

我们从数据整合导入开始,聚合数据,再进行数据的分析挖掘。

数据分析和挖掘还是有一些区别。

数据分析重点是观察数据,单纯的统计,看KPI的升降原因。

而数据挖掘从细微和模型角度去研究数据,从学习集、训练集。

发现知识规则。

佰仕兴弘全媒体广告投放平台,聚合市面95%的主流媒体资源,依托大数据算法,AI技术模型的应用,基于互联网海量流量、广告表现、媒介策略、人群属性、数据分析管理,实现一站式全行业的科学、智能、高效的广告精准营销活动。

降低企业推广成本,提高转化率。