当前所在位置： >
热门微信号：
大数据用户画像背后映射出的生活服务APP创新思路
作者： 浏览数：0 用手机扫描二维码
阅读，只需一秒。精彩，尽在掌握！说起生活服务,2015年注定是“大众创业、万众创新”的元年,智能手机越来越普及的今天,有更多的商业机会被释放出来,同时移动...
说起生活服务，2015年注定是“大众创业、万众创新”的元年，智能手机越来越普及的今天，有更多的商业机会被释放出来，同时移动互联网也在改变着大家的生活和消费的方式。不管是最早切入的互联网的购物，还是现在的交通出行服务，还有日益火爆的到家医疗、生鲜宅配，在这样一个巨大市场面前，它的背后都有着数据，都有着用户需求的影子。以下是在2015易观移动新营销峰会“生活服务分论坛”上的精彩观点节选。易观智库研究总监潘崴：基于用户数据，创造美好生活当下生活服务O2O这种方式，深刻地影响着我们的生活方式，对于个人，这种方式够提供给我们极大的便利，对于企业，这样的方式能更精准地获取用户，给用户提供更好的服务。对于企业来讲，更精准获取用户，给用户提供服务，用户大数据是其基础的支撑。生活服务的O2O，它在深入发展过程中，用户价值明显的显现。经济的发展水平、消费的水平，也决定了互联网的渗透程度，同时也决定了生活服务的O2O的发展程度。生活服务类O2O的发展历程，可以分为四个阶段，首先是信息交换阶段，不介入任何交易的过程。第二阶段，进入到了交易的环节，交易预定。第三阶段，进入到平台化的过程中，不介入任何实际业务当中去。商家基于平台自己去运营，这是平台化的阶段。最后，我们认为最终是走向了一个“生态化”的阶段，能够把用户的整个生活的场景，通过用户为核心，给用户提供整个生活链的服务。最后面两个阶段，平台化和生态化，从之前的流量运营的阶段去转变成为用户运营的阶段，需要更深入的、更细致的了解以及理解用户，把控用户的整个生命周期，而非通过很高的成本去获取新的流量，然后老用户的流失率非常高，效率低。从用户使用看，生活服务O2O发展，具有地域特征，基于易观监测得出的数据。我们看到不同的城市，不同的区域用户，在生活服务不同的细分领域上面用户的活跃程度不一样。用数据去反映用户在不同的地理位置，不同的地域分布上面需求的不同。用户数据帮助给用户提供他更强需求的服务。未来互联网的发展，其实是从流量的运营转向了用户运营，所以我们需要去对于用户的数据有更好的把握。如何更好的使用用户数据？说到用户的数据，能归结为三类，描述性的数据，行为的数据和意识形态的标签。我们去看用户就需要解决或者是回答这三大类的基本问题。另外一个方面，我们还需要强调一点，一个是内部数据和外部数据的打通。要真正的用好用户数据，需要全面的掌握用户的数据，对于企业来讲，利用好自己自身的一些数据，是首要的问题，但还是需要借助外在的第三方的一些数据，来去支撑我们，用户的数据价值，能够做到最大化内外体系数据的打通，核心的层面在于构建科学的用户标签模型。这种模型其实是通过一些原始的用户数据收集进来，经过这样一个模型的计算、分析、处理，最后形成了一个完整的用户标签库，在这样一个标签库里面，我们对用户进行分类，对用户进行画像的处理。第二类用户行为画像。其实更多的是描述用户在某一类的APP上面使用的一些情况，主要是做APP的竞争分析的方式。通过第二类用户行为画像对产品进行改进。也可以去指导我们去做好用户的生命周期的管理。了解行业整体情况。用户的数据可以让我们看到整个大致行业发展的情况。通过用户行为分析来勾勒用户画像。我们对用户更加了解，对于这样的商家或者是品牌来讲，我们可以更好的通过这样的一些数据指导去做我们的营销，以及后期的用户管理和维护。最后，我们还可以去分析用户的触点，不同APP之间的关联程度，以及用户在某个APP上面，更容易通过什么样的方式或者是轨迹跳转到另外一个APP上面去，通过这样的方式来分析用户的行为。结合LBS，地理位置的信息，可以看到用户在不同的城市，不同的区域上面，他的行为大概是什么样的，对于用户触点的分析。滴滴快的技术副总裁朱磊：坚持出行平台，让闲车动起来从2013年开始，或者2012年年底，整个O2O进入到新的时代，互联网和整个产业结合比较多，从这个角度，整个大数据在这个时间点上发挥了更多的作用。2015年，整个大数据市场规模达到250亿美金。大数据在整个滴滴快的里面，体现出来的是交通出行的大数据。全国各个时间点，包括地理位置，包括整个用户的需求。从几个维度来分析我对大数据的看法。第一个角度就是大数据与产品思维之间的关系。我们过数据的时候，大数据跟产品包括运营包括商业的事情的结合，基本上它就是一个根基。O2O的产品本质，我们认为O2O领域所有的技术在做供给和需求的匹配，这个匹配在之前如果没有移动互联网企业来做没法做，移动互联网因为O2O需求供给和匹配才能做起来。第二就是用户画像。用户画像其实包含两个方面，一个是司机端，另外一点是乘客。第二个角度是大数据与商业思维的配合。大数据下的商业场景，双赢机制与智能定价。在滴滴快来看这个事情，交通本身是在解决什么问题？直观来说是解决人的时空转换的问题，除了在这个里面做了人的转换还有很多，第一个就是人，第二个就是物，也就是跟这个人相关的一些物，第三点就是信息。此外，从运营的层面，O2O里面运营的重要性。在整个后台，我们会有这样一条做整个用户流转的系统，从用户进来开始，在每一步发生的流转，所有的层面我们都有一分析，有案例。另外一部分运营策略分析，也是很有意思的事情。比如说打车券，我相信绝大多数人都用过这样的打车券。面对这个券分为三类人，第一种人你给他发多少打车券都不用，土豪用户。还有一部分你不发就不打了，我们开个玩笑，叫做是屌丝用户。还有一部分人就是你发的越多就用的越多，这是很正常的。我们看到第一眼觉得这是很有意思的事情，第二眼就开始思考不在乎优惠奖券的人在乎的是什么？他更在乎是服务，这个服务包含他的时间点，包含车内的一些感觉。所以从这个事情上，从运营角度来看我们就分析出一个现象，了解背后隐藏的原因，包括你接下来采取的措施。我们来接着说一下快的大数据的场景与架构。因为大数据从应用的层面来看，大家都会觉得比较顺，但是基础架构具体产品来看，这块的复杂度还是挺高的。大家用开源的方案不管是Hadoop一套还是你自己搭一套，其实有很大的难点就是你的数据量，跟你的响应时间的反馈，一般来讲，一天的处理能力是在10T的时候，你想把那个响应时间维护到毫秒级基本上不可能。基本上大家都是在权衡。从我们现在的实际需求来看，肯定要看未来的需求。大数据驱动以后进一步做大的调整，这个东西不像以前纯技术的研究在推进，现在在移动互联网领域里面，确实是非常非常强的业务需求。A/B
testing架构是跟大数据相关的必备的一套体系，其实它的逻辑就是我所有的决策需要通过实验过来，没有人工决策的过程，所有的决策都是通过实验这就是整个流量的分配模型，这都是偏技术的。相当于我的100%流量入口进来，留到哪个方案，任何的流量请求过来我可以轻易的分配给我想让他走到的功能块，比如说类似于订单分配我设计了二十个方案，我能让他轻易的走到任何的方案。因为中国的订单分配的方案，包括路线复杂的方案，比美国包括国外的复杂度高很多，最大的原因是国外的库布设计比我们足，也就是他的排号非常足，但中国的底层的数据非常差，造成我们做这块方案的能力，开始做的时候就是先天不足的，在整个测试的时候，包括评估方案的时候，这套框架体系非常重要。豆果美食CEO王宇翔： “吃”是件大事儿今天移动互联网对于我们生活最大的改变就是衣食住行这四个领域紧密的结合，以前的互联网或者是移动互联网的早期，实际上更多的是以虚拟的服务为主。现在其实移动互联网的价值最大的地方，就是因为它与实体或者与传统的经济，或者与现代生活中传统的服务进行了深入的整合。衣食住行的领域里面，互联网的整合速度取决于这个行业自身的成本和这个原始行业自身的难度。第一个衣住行这些市场已经被大家改造的差不多。吃的市场方兴未艾。吃的市场改造的速度和难度，其实也有自身行业的特征和特殊性在里面，难度很大。第二对于普通人来说，吃可能比住、行或者服装更是一种刚需，而且对于吃的市场需求更大。豆果美食是成立四年的公司，从2011年开始和当时很多其他的互联网公司不一样，我们做吃并没有选择在外就餐，为什么选择了餐饮市场，第一个数据，我们知道直到今天为止与餐饮市场的整合，只有大概五种互联网的模式，第一种就是大家知道的点评，点评是最早的餐饮模式。第二种就是团购，团购之后产生了优惠券。到现在两个模式比较火，第一个是送外卖，第二，给餐厅送菜。这五种模式，对于中国的年轻人来说，或者对于中国的家庭来说，吃饭这个事情，在外就餐和在家做饭，实际上保持一个长期的同步存在的现象。我们始终坚持认为吃这个市场其实与用户个体，或者是与家庭与菜篮子结合才会诞生更有利的市场。美食的市场是多大呢？2014年国家统计局的相关的数据，传统市场是接近三万亿的市场。传统市场更大，在加上菜篮子接近8万亿。吃占个人消费支出最高，我们每个人吃方面的支出占到38%，接近40%。这个市场是巨大的市场，但我们看到如何通过互联网或者是移动互联网的办法、手段去与这个市场进行深度的整合。互联网行业的食品行业增长趋势，整个行业的变化大。它带来的一个巨大的变化，有两个基本的原因，第一个原因是传统的供应商开始触网了。年轻人开始接受，通过线上买吃的，买食品买菜这样的生活方式，消费升级带来的变化，对于整个移动互联网行业或者是传统行业的变化是至关重要的。终端零售的卖场买菜买食品的人绝大多数都以中老年为主，年轻人已经不通过这样的渠道来买，这样带来了整个互联网食品行业开始有巨大的变化和爆发的态势。美食行业来说，O2O逐渐形成了多元化，它的所谓的多元化，在衣住行的领域，包括到家服务，本身它的O2O还不是很多元化，他的多元化的呈现更分散一些。我们给中国经济提供了四个字，就是厨房经济。我们认为在厨房里面有巨大的市场机会。厨房里面的现金流的流动速度最快我们想我们有没有可能撬动厨房经济这块商业蛋糕。第一个思路是通过传统的广告，第二个我们其实是电商希望来解决这样的事情。我们在电商这部分，希望有可能成为一个在食品或者半成领域的垂直化的电商，也符合我们这个平台早期的用户特征。房的变革或者是想撬动用户的菜篮子，一定是提高用户的效率出发。人类为什么科技进步实际因为我们人类本身希望通过效率提高，原来没有车我就办一件事，有了车我一天办三件事，人类希望通过提高效率延长自己的生命，我们希望有限的生命时间里面做更多的事情，反过来就是我原来的生命延长了。整个食品也是做这样的事情，对于吃来说就是应该进入到半成品的市场，也就是提供净菜或者是半成品的毛菜的服务，或者是其他服务，去给用户解决方案，提高他的效率。豆果美食我们现在做的半成品的电商更多是以半成品作为切入，当然我们也有甲方小家电，调料、食材，希望半成品在食品领域里面做成国内的先行者，但这个事情的难度奇高难比，我们认为有可能撬动这一点就会盘活用户终端的菜篮子。我觉得吃在2015年一定是一个元年，今年到明年是最好的风口或者窗口期，整个行业在这个时候会爆发非常快。我们希望发力在半成品和生鲜的平台，通过原始数据的积累看有没有可能撬动更大的机会。这是我们的观点，懒人经济，我们并不是有意识把用户变懒，而是科技让我们变得更便捷更高效。豆果美食我们希望未来通过这样一个介入，有可能变成未来家庭品质生活的入口。银泰副总裁王乐：银泰的O2O布局最近阿里巴巴集团CEO同时也成为了银泰商业集团的董事会主席，是一个很深度的合作。在09年10年的时候，圈里人还没有做的时候，我们银泰已经在做了O2O的事情，只是我们一直不方便说这样的事情。今天的主题是用户画像，但是用户画像内容层面的表达，其实是场景，什么是内容层面的表达，就是我传递给用户是什么，用户感知到什么，用户得到什么。我们通过大数据、社交媒体、传感器、位置服务，包括移动设备等等，能够抓到用户，能够把工具传递给用户，告诉用户这什么。对于电商而言，产品就是服务，产品就是内容，产品就是一切的用户价值。我们之前介绍那么多产品，其实都是经过我们大量的数据调研和分析做出的结果，用户画像场景画面，用户画像的一个连接层面的应用是什么？就是CRM，CRM其实我们以前是叫数据库营销，那个时候是讲的直白一点数据库营销。用户画像里面还有一点，大家需要关注到一个是用户的成长，用户不是一成不变的，做用户推荐的时候，也一样，你今年虽然是喜欢美宝莲，明年你有钱了就买雅诗兰黛了，事实上这也是在变化的。另外就是关注用户的心理年龄断层。我们要为用户营造不同的场景，商场过几年就要做大的外装，每年做楼层的调整和品牌的调整，用户需要新鲜感，需要心理年龄断层的弥合，否则就会有很大的问题。线上和线下大家的区别并不大，从商场而言，就是进入商场，相当于电商中进入到网站，逛来逛去网站，选完商品浏览页面，结帐这些都是一样的。对于线上和线下而言，大家没有区别。我一直反对一个说法是互联网思维，我说没有互联网思维，互联网式思维是给互联网包装上的外衣。用户画像我们讲了很多，都是关于用户大致的描述是什么，事实上最终用户画像一定是进入到千人千面的地步，这中间能够实现的一定是它的算法，不同品位，不同人，不同的地理位置，不同的用户习惯，最终需要的东西不一样，用户的节奏也不一样。对于推荐品类的判断，对于消费品牌的判断都不一样。一定要通过算法做到千人千面，这些是标签化无法实现的。最后跟大家总结一下因为银泰跟阿里的合作这次蛮深的，包括前天我们的发布会，传统的零售行业，就像是这个行业上网的，那个行业上网了，传统的零售业虽然上网了，但一直走的很艰难。改变一个行业的往往是行业外人，因为这次阿里的合作。整个银泰商业银泰网一年有几千万的人流，我们和阿里做用户的深度挖掘，包括业务上做商业化的探索和线上线下的O2O，才是我们希望做的事情，用户每次跟你发生关系，来你的商场都是做了一次链接，以前是不可量化和追踪，现在都可以，因为对于互联网的网站来说，互联网是一个天然的数据库，我们把线上线下的数据全部打通，这中间需要大量的清洗和整理的工作，都可以通过技术和算法实现，而这个东西实现之后，最终我们相信阿里也好，银泰也好一定会改变整个的传统零售行业，这是我们作为相对局外人希望做的改变，因为一个事情只有有社会价值的时候才有商业价值。更多精彩内容请点击下方阅读原文
手机版地址：
微信号：enfodesk
易观智库商业信息服务平台， 是一款反映中国新媒体经济（互联网、移动互联网、广电网、物联网等）发展的信息产品。易观智库已成为国内外政府、企业、投资机构以及专业人士了解市场、提升创新力和决策力的首选信息工具。
TA的热门文章
推荐互联网微信帐号
热门文章排行
(), All rights reserved 京ICP备号-12君，已阅读到文档的结尾了呢~~
基于文本挖掘的用户画像研究,数..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于文本挖掘的用户画像研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口您的当前位置：&&
营销管理的最后一公里：与消费者共行
下一篇：&&[ 08:03:25]
免责声明：
除注明“来源：威龙行业资讯”以外的资讯，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责；
如因作品内容、版权和其它问题需要同本网联系的，请在30日内进行；
联系方式：
热门新闻资讯
热门图片资讯用户画像_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
上传于||文档简介
&&用​户​画​像​P​P​T​,​学​习​用​户​画​像
大小：773.00KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢通过已有产品获取到了一部分用户数据，如何通过数据分析对用户画像，标签化，对用户行为进行分析，从而区分不同级别用户进行相对应的精准营销？
首先，关于建立用户画像、标签化的问题，不仅需要从已有的用户数据进行定量分析，还需要以问卷、访谈等形式进行定性研究。定量和定性分析相结合，才有可能得出一个更为精准的用户画像。
其次，关于得到用户画像后区分不同用户级别从而进行相应的精准营销的问题，我立即想到的是推荐引擎。推荐引擎利用特殊的信息过滤技术，将不同的内容推荐给可能感兴趣的用户。较常见的推荐引擎通用算法有（1）基于关联规则的推荐算法（如买了泳衣的用户可能会买泳镜）；（2）基于内容的推荐算法（需要用户的历史数据，例如我在淘宝上买了个猫砂盆，转眼第二天又给我推荐了一个猫砂盆）；（3）协同过滤推荐算法（这个应该是题主想要的东西了）。协同过滤推荐的核心是找到和目标用户兴趣相似的用户群，技术上叫“最近邻居”（Nearest Neighbor）。通过最近邻居对商品的加权评价来预测出目标用户对该商品的喜好，从而进行精准推荐。套到题主所说的用户画像，那么可以理解为：系统匹配与目标用户的画像所相似的用户群，然后推荐这类用户群感兴趣的商品给目标用户。简单来说，物以类聚，人以群分。
最后补充一点关于协同过滤推荐的最主要的优缺点。优点：可以过滤难以进行内容分析的商品，例如音乐。且推荐具有新颖性。缺点：用户做出评价较少的情况下，数据不充足，产生稀疏性问题。
这个问题从本质上看是两类问题：&br&1、对用户画像，打上标签。这是个聚类问题，将同一类用户通过算法聚合成一类。&br&2、对不同用户进行精准营销。这个问题是个预测问题，对用户行为建模，预测某一类用户会对什么更感兴趣。&br&&br&一、先说第一类问题，聚类。这个成熟的算法很多，具体选择哪种就要看你的数据有什么了。既然叫做数据分析，那边必然是以你的数据为准基础的，看你的数据包含什么，如果能把用户映射到某一个空间里面，表示成向量（也就是高维空间的坐标），就可以kmeans，DBscan等等方法来进行聚类，如果只能给出两两用户的相似度，那么就是用基于层次聚类的算法。再重申一遍，&b&关键是数据。&/b&&br&二、就是对用户行为建模，同样因为不了解数据，就只能简单讲一讲普通的流程。精准营销这个问题可以规约为预测用户对什么商品感兴趣。这个建模流程简单来说应该包含下面几个过程：&br&a、选取特征，从历史数据中选择、构造出一些特征，假设这些特征和要预测的值之间的一个关系（这个关系也就是你的模型）。这一步是定性的过程。&br&b、确定模型中的未知系数，也就是定量的过程。&br&c、计算模型的置信度，根据测试集数据（从历史数据中选择一部分出来，分割方法很多，自行百度交叉验证）来判断预测准确性，如果符合要求，就可以用这个模型来预测用户喜欢什么，进行精准营销，如果准确性不满足要求，那么就再重复上述过程，构造更复杂的特征，或者收集更多数据，尝试其他模型。
这个问题从本质上看是两类问题：1、对用户画像，打上标签。这是个聚类问题，将同一类用户通过算法聚合成一类。2、对不同用户进行精准营销。这个问题是个预测问题，对用户行为建模，预测某一类用户会对什么更感兴趣。一、先说第一类问题，聚类。这个成熟的算…
一步步来。当我们谈到了解我们的客户（understand our member base)，无论是用户类群(segmentation) 还是用户肖像（persona) ，其实说白了是对两类客户认知的判断：&br&&ul&&li&&b&现存客户&/b& (&b&Existing&/b&&b& Customer) - &/b&我的现存客户是怎么样，喜欢什么，什么消费习惯，哪些客户最值钱等等&/li&&li&&b&潜在客户 (Prospect Customer) - &/b&我的潜在客户在哪，他们喜欢什么，通过什么渠道获取，获客成本是多少等等&/li&&/ul&这个问题看上去很简单，但是实际上，建立这样的用户肖像需要很系统的定量分析和定性分析，且缺一不可。而其实根据你对客户的了解而提供对应的服务即是一种：&b&产品经理的思维，产品开发的过程&/b&。很多大型公司都是由数据分析部门，产品开发部门，市场部门一起去指定新产品的定位（proposition）和战略的，从而进行精准营销。&br&&br&对于现存客户和潜在客户的了解，我们可以通过以下工具来实现：&br&&ol&&li&了解你的&b&商业模式&/b&，是零售类的重复性销售，还是会员制度，还是保险/银行等金融产品类的少频价高。&/li&&li&然后是了解你的&b&商业目的&/b&：&/li&&/ol&&ul&&li&我是想定位我的产品和商业模式（Proposition）？&/li&&li&还是指定不同的精准营销手段（personalized marketing campaign segmentation）？&/li&&li&还是说提高用户活跃度？（请参考我之前的答案：&a href=&/question//answer/& class=&internal&&除了积分、等级、身份标签等较为常见的用户行为激励措施，还有哪些新兴奇特的策略？ - Terry Meng 的回答&/a&）&/li&&/ul&&li&&b&了解你的用户基本行为&/b&，这个往往会通过很多小的项目（帮助你的其他部门同事）来不断完善。基本上都是RFM分析（Recency，Frequency，Monetary）和一些市场营销活动（marketing campaign）的分析，来了解你的用户都是些什么人，有什么消费习惯，他们对营销活动的反应是怎么样，反应率（response rate）是多少。&/li&&li&整合2&3点，指定出你的商业计划。&br&&/li&&li&利用数据模型，k-means cluster，CARTs，等等去分类你的已有客户，看看他们基于某一个指标（通常我会使用利润，当然，不同商业目的不同指标）来分类，因为我的商业目标是为高利润的客户提高更好的服务，降低这个客户群的流失率，增加交叉销售的成功率（cross-sell rate）。&br&&/li&&li&最后再用这个指标，去最为一个统一标准，衡量之后你指定的商业计划对客户的影响。比如客群A，B，C，D通过精准营销A1,B1,C1,D1 分别应该有 2%，3%，5%，10%的利润提升。如果降低原因是什么，升高的原因又是什么？&br&&/li&&br&暂时写在这。当然，我这里假设你的公司完全没有利用数据去做过任何分析和决策，所以相对的罗嗦和复杂，但目标在于通过不断的分析和试错，更加了解自己的用户。&br&&br&当公司的数据驱动程度比较高的时候，可以通过很多自动化的机器学习方法实现你要求的精准营销。比如&b&推荐系统&/b&，我这里的推荐系统不是只是给你推荐什么产品，而是根据不同的应用场景，设定不同的商业规则，真正的实现“在对的时间，向对的客户，通过对的渠道，推荐对的产品”。&br&&br&好了，更详细的案例分享我会在我的专栏更新，欢迎关注 &a href=&/analyticsatwork& class=&internal&&Analytics at Work - 知乎专栏&/a&
一步步来。当我们谈到了解我们的客户（understand our member base)，无论是用户类群(segmentation) 还是用户肖像（persona) ，其实说白了是对两类客户认知的判断：现存客户 (Existing Customer) - 我的现存客户是怎么样，喜欢什么，什么消费习惯，哪些客户…
已有帐号？
无法登录？
社交帐号登录