大数据营销 课件 第6章 识别触达：用户画像

第6章识别触达：用户画像本章内容

第1节用户画像的数据基础

第2节构建用户画像系统

第3节用户画像在大数据营销中的应用学习目标了解用户画像数据的来源、采集以及多触点数据的打通掌握用户画像的概念、标签体系和用户画像系统的构建了解用户画像的应用场景、应用流程以及典型应用场景导入案例

良品铺子：用户画像助力数字化创新营销良品铺子在数字化创新营销上一直走在行业前沿，是表现非常出色的高端国货零食品牌。良品铺子建立了渠道间统一的会员运营平台，将现有自营渠道（平台电商、门店、APP、小程序等）的用户特征、行为数据匹配融合，形成自己的数字资产。良品铺子依托沉淀的数亿用户数据，对消费者进行“画像”，基于对消费行为的洞察与分析，对会员进行生命周期管理，通过提供个性化服务提升顾客的活跃度，创造会员价值。面对短视频与直播风口，良品铺子在抖音上打造出一套体系化、精细化的营销玩法。良品铺子通过巨量云图对核心产品高蛋白肉脯的用户进行画像，探索出“精致妈妈”、“新锐白领”和“Z世代”三个核心人群。同时，良品铺子在抖音布局了品牌官方蓝V、垂直领域大V以及员工个人号三级矩阵，定位不同的细分人群。通过数据驱动，以场景化内容与精细化服务提升用户体验。2021年，良品铺子生意规模实现量级增长，人群互动和转化效果同比均大幅增长。本章知识结构

用户画像的数据基础构建用户画像系统用户画像的应用识别触达：用户画像数据采集：客户端（Web、H5、APP、小程序）数据采集数据导入：

其他系统数据导入（CRM/历史数据/第三方数据）数据打通：多平台用户数据打通、行为数据与业务数据打通概念：用户画像、标签标签：按用途分类、按生产方式分类、按时效分类、标签分级系统构建：标签需求分析、标签生产、用户画像系统设计应用场景：用户特征分析、精准广告推送、个性化推荐、渠道优化、产品优化应用流程：确定目标、识别目标用户、制定营销策略、触达用户、效果反馈用户画像的体系架构第1节

用户画像的数据基础构建用户画像系统用户画像的应用数据采集丨数据导入与打通数据基础数据基础建设流程第1节

用户画像的数据基础构建用户画像系统用户画像的应用数据采集丨数据导入与打通数据基础对全端用户数据（如Web、APP、H5、小程序）进行采集。搭建客户数据管理平台CDP（CustomerDataPlatforms）汇集所有用户数据，导入其它系统数据如CRM系统数据、历史数据和第三方数据。数据打通的核心就是通过IDmapping（用户唯一标识），连通不同平台上同一用户的数据，以及同一用户的行为数据和业务数据。一、数据采集第1节

用户画像的数据基础数据量要大，充分考虑用户规模与数据规模的增长，做好数据资产的积累；数据要全，多端采集，针对全量用户行为，贯穿用户使用产品的完整生命周期；数据维度要细，尽可能采集足够全面的属性与维度，尽量保持数据细节，让积累的数据资产更加优质；提高数据时效性，在技术与成本允许的情况下，尽可能提高数据采集的时效性，从而提高后续数据应用的时效性。构建用户画像系统用户画像的应用数据采集丨数据导入与打通数据采集的原则数据基础（一）数据来源第1节

用户画像的数据基础数据来源企业自有触点由企业自己创建，如Web、APP、H5、小程序等。不完全为企业所有的接触点主要指社交平台、内容平台上企业的自建号，如微信公众号、今日头条的头条号、抖音蓝V、微博官方账号、小红书企业号等。数字广告企业在数字媒体发布的广告，可以获得广告浏览和点击等相关统计数据。后端服务器数据和其他系统数据如CRM（客户关系管理）系统数据、历史数据以及第三方数据等。尽可能采集足够全面的属性与维度，尽量保持数据细节，让积累的数据资产更加优质；构建用户画像系统用户画像的应用数据采集丨数据导入与打通数据基础（二）数据采集数据采集丨数据导入与打通构建用户画像系统用户画像的应用第1节

用户画像的数据基础数据基础埋点/事件监测（EventTracking）针对特定用户行为或事件进行捕获、处理和发送的相关技术及其实施过程。埋点的采集逻辑：（二）数据采集常见的埋点方式项目三数据采集丨数据导入与打通构建用户画像系统用户画像的应用第1节

用户画像的数据基础全埋点/无埋点无需代码或只需少量代码，只需在客户端接入SDK，SDK可以自动采集用户的基本行为，如APP启动、APP退出、APP页面浏览、APP控件点击等通用事件。可视化埋点在全埋点的基础之上，通过可视化的方式对APP控件点击事件进行一些配置或者自定义操作。代码埋点在需要收集信息的各个事件函数中，嵌入自定义事件上报代码，对于关键的业务事件（例如购买、支付、课程播放等），可根据业务需求定义需要采集的用户数据。数据基础二、数据导入与打通

CDP数据导入企业通过埋点采集接触点的用户行为数据，自动上传至CDP服务器。CDP通过数据接口，如API（ApplicationProgrammingInterface，应用程序接口），导入服务器数据以及外部数据，例如CRM系统数据、历史数据以及第三方数据。构建用户画像系统用户画像的应用数据采集丨数据导入与打通第1节

用户画像的数据基础数据基础数据采集丨数据导入与打通二、数据导入与打通构建用户画像系统用户画像的应用数据基础第1节

用户画像的数据基础企业最常用的是基于账号体系打通数据，即用户注册时的唯一标识UID。例如，企业每个销售渠道都分别拥有单独的公众号，可以通过UID打通同一用户在多个公众号上的数据。对于未注册用户可以通过终端设备ID精准识别，主要包含Android和iOS两类主流终端的识别。结合各种账户、各种设备型号之间的关系对，以及设备使用规律等用户数据，采用规则过滤、数据挖掘等方法，输出关系稳定的ID关系对，并生成一个UID作为唯一识别该对象的标识码。IDmapping用户唯一标识二、数据导入与打通通过“一瓶一码”收集用户数据，搭建CDP的原始端，整合多方平台数据。每个用户在保乐力加CDP中有唯一识别码，把人、货、场连接起来。打通所有数据之后创建用户画像，协助零售商对用户进行数据化运营。构建用户画像系统用户画像的应用数据基础数据采集丨数据导入与打通第1节

用户画像的数据基础实践案例：保乐力加概念：用户画像(Persona)是根据用户社会属性、生活习惯和消费行为等信息抽象出的一个标签化的用户模型。多维性标签化动态性时效性大数据时代，企业对海量用户数据进行清洗、聚类、分析，抽象成标签，将用户形象具体化的过程就是用户画像。用户画像的应用构建用户画像系统第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建一、用户画像的概念数据基础构建用户画像的核心就是给用户贴“标签”标签是对用户某一维度属性特征的描述与标识用户画像的应用构建用户画像系统第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建一、用户画像的概念基本属性类标签：如年龄、性别、所在区域等，对用户有一个基本认识。消费购物类标签：该用户的消费偏好，如偏好领域是服帽，偏好价格区间是200-500元。网络社交类标签：帮助企业了解用户的社交网络、社会关系与社会地位等相关信息。数据基础二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建标签的特征：语义化，赋予标签一定的含义，使人能够很方便地理解每个标签的含义；短文本，每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为计算机的标签提取、聚合分析过程提供了便利。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建按用途分类二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建基础信息标签描述用户的基础属性，包括自然属性、社会属性、业务属性。自然属性主要包括姓名、性别、年龄、地域、教育水平、出生日期、星座、手机、邮箱等个人信息。这个维度的标签较为稳定，时效性较长。社会属性主要包括用户的婚姻状况、家庭情况、职位信息、行业类型、社交关系、社交/信息渠道偏好、社交活跃度等方面的信息。业务属性主要包括用户的会员等级、生命周期、RFM标签、消费水平、活跃度等信息，可以基于业务属性标签对用户分层。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建用户行为标签描述用户在最近一段时间内的各类行为，包括访问、浏览、收藏、下单、购买、售后等。提炼出的常见标签包括设备类型、访问渠道、访问时长、访问频次、活跃度、近7天上网时段、近30天收藏品类、近30天消费频度等。用户偏好标签描述用户对于商品品类、品牌、价格区间、营销渠道、营销方式等方面的偏好特征。用户偏好标签主要从App/网站使用记录、搜索记录、浏览记录、收藏内容、互动内容等数据中得到相关内容。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建场景应用标签根据营销场景的业务需求构建，基于同一营销场景下的历史数据，精准定位目标群体，描述了什么时候（When）、哪里（Where）的标签需求。例如618大促标签、双11大促标签等。达摩盘：场景应用标签分阶段人群诊断：在每个阶段推荐对应的精准人群，标明推荐场景及推荐热度。该模块按活动的执行阶段来推荐运营玩法，更贴近实际场景。DEEPLINK分层洞察模块：按照“发现—种草—热爱—行动—首购—复购—至爱”对人群进行拆分，分别查看蓄水期、大促正式期两个阶段的人群规模及转化效果。大促定制标签模块：定制活动专享标签，同时推荐了人群的常见组合方式。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建统计类标签统计类标签是用户画像最基础的标签，构建难度低、实际含义明确。统计类标签可以从数据库直接获取（如注册信息），或通过简单的统计得到，用于描述客观事实。例如，用户的性别和年龄可以直接从用户注册信息中获取，而近7日活跃天数、累计购买金额、累计购买次数等信息可以从用户访问、消费数据中统计得到。按生产方式分类从标签生产的角度来讲，可分为统计类标签、规则类标签和算法类标签，每种类型的生产方式、开发难度和成本都有所不同。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建规则类标签规则类标签基于用户行为及确定的规则产生。将用户浏览、下单、消费等行为轨迹转化为标签，描述用户的业务属性。例如，电商平台上“经常消费”标签可定义为“近30天消费次数≥2”；“活跃用户”标签可定义为“过去30天发生a行为x次”或“过去30天发生b行为x次”。算法类标签基于现有数据及规则无法得出，需要通过机器学习算法进行数据挖掘与训练产生的标签为算法类标签，多用于预测判断，如相似人群扩散、流失用户预测、付费用户预测等，其开发周期长、成本高。例如，若用户注册时未填写性别信息，则需要根据用户的行为习惯判断该用户的性别；根据用户的消费习惯判断用户的购买意愿；根据用户的退货等行为，预测其风险程度等。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建规则类标签：用户活跃度标签首先划分用户的流失周期，通常有2种方法：第一种方法是通过拐点判定，当顾客流失周期增加到5周时，曲线逐渐平稳，用户回访率已经降低到5%以下，此处5周就是拐点。可以用5周作为定义用户流失的期限，即如果一个用户连续5周都没有访问APP，则定义该用户流失。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建第二种方法是统计用户最后一次访问与倒数第二次访问的时间间隔，如间隔30日以上的用户不足10%，则可以用30日作为定义用户流失的期限，即如果一个用户连续30日都没有访问APP，则定义该用户流失。划分完流失周期之后，可根据四分位数，将用户的活跃情况划分为高/中/低三层。例如用户近1个月访问APP次数均在[0,8]之间，则取3/4分位点为6、1/4分位点为2。高活跃用户即近1个月访问APP次数在[6,8]区间的用户；中活跃用户为近1个月访问APP次数在[2,6]区间的用户；低活跃用户就是近1个月访问APP次数在[0,2]区间的用户。规则类标签：用户活跃度标签二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建规则类标签：RFM标签在设计RFM标签时根据二八原则对历史数据的用户量占比进行划分：Recency如历史数据中80%的用户最近一次访问距今的天数<90日，则将其标为“近”，将最近一次访问距今的天数>=90日的用户标为“远”。Monetary如历史交易订单金额80%的用户交易金额<2000元，则将其标为“低额”，将交易金额>=2000元的用户标为“高额”。Frequency如历史交易订单量80%的用户订单量<10单，则将其标为“低频”，将订单量>=10单的用户标为“高频”。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建算法类标签：用户行为标签基于用户行为数据构建事件模型，产出标签及其权重。用标签表示某用户在什么时间、地点、做了什么事，该标签对该用户的重要程度通过用户标签权重表示。其中：行为类型权重和时间衰减表示该标签的客观重要程度，用户行为次数和TF-IDF计算标签权重表示该标签对用户的重要程度。标签=用户标识+时间+行为类型+接触点(网址+内容)用户标签权重=行为类型权重×时间衰减×用户行为次数×TF-IDF计算标签权重二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建算法类标签：用户行为标签行为类型权重：用户浏览、搜索、收藏、下单、购买等不同行为对用户而言有着不同的重要性；时间衰减：用户某些行为受时间影响不断减弱，行为时间距现在越远，该行为对用户当前来说的意义越小；行为次数：用户标签权重按天统计，用户某天产生与该标签相符的行为次数越多，该标签对用户的影响越大。TF-IDF计算标签权重：每个标签的客观权重。通过TF-IDF算法评估一个标签对用户的重要程度，一个标签的重要程度跟它在用户中出现的次数成正比，跟它在所有标签中出现的次数成反比。TF是词频（TermFrequency）：指某标签在该用户中出现的频率（某标签在该用户中出现的次数/用户的总标签数）；IDF是逆文档频率（InverseDocumentFrequency）:指某标签在全部标签中的稀缺程度（用户总数/包含该标签的用户数，再取对数）。二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建静态标签通常用于描述不随时间变化而改变的固有属性，如性别、出生日期等自然属性；而用户学历、职业等社会属性，虽然有可能发生变动，但这个变动频率相对比较低。动态标签用于经常发生变动、不稳定的特征，需要动态更新以保持有效性，如近7天购买次数、近30天加购次数等行为特征。按生产方式分类二、用户画像的标签用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建随着标签不断增多，增加了查找难度，因此需要对标签进行分级管理，就像整理电脑文件夹，分类清晰的标签更便于查询使用。常用的分级结构为：一级标签二级标签三级标签四级标签……标签分级一级标签二级标签标签值自然属性性别男女自然属性年龄0-12岁13-17岁18-45岁45-70岁70岁以上近30日行为近30日下单次数0次1-5次6-10次10次以上近30日行为近30日登陆次数0次1-5次6-10次10次以上用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建标签需求分析标签生产用户画像系统设计还原业务流程覆盖生命周期明确商业目标从策略推标签标签类别标签层次标签名称标签值……标签管理用户洞察用户分群渠道管理业务应用用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建还原业务流程覆盖生命周期明确商业目标从策略推标签还原业务流程：还原用户的整个使用流程，从中梳理行为维度。覆盖生命周期：从新用户到活跃用户再到沉默流失用户的过程中，每一个可能产生流失的接触点都是生命周期的关键节点。梳理出这些接触点，方便企业对用户展开精细化运营。明确商业目标：这一步基于之前对业务流程和生命周期的梳理，洞察业务需求，明确商业目标，并对目标进行拆分。从策略推标签：对细分的商业目标制定运营策略，从业务策略推导需要的标签。用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建标签需求分析实例某零售企业过去主要依靠线下实体店经营，目前正在布局线上商城业务，主要通过微信公众号引流到小程序商城，在小程序完成交易。该企业梳理其线上商城业务的流程如下：首先用户关注微信公众号成为粉丝，接下来企业通过公众号给粉丝推送图文消息进行运营，把粉丝引流到小程序商城，最终在小程序商城成交转化。整个流程覆盖了用户的全生命周期，在这个过程中，企业通过公众号持续进行微信粉丝的引流、维护和流失粉丝的挽回等运营工作。用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建该企业线上商城业务现阶段的首要商业目标就是提升销售额，对其进行量化拆分，分为提升流量、提升转化率、提升客单价和提升复购率四个子目标。提升流量这一子目标可以进一步拆解为三步：首先从扫码关注、支付后关注、微信广告关注这三种场景来源入手提高关注率，吸引更多微信用户成为公众号粉丝；其次提升图文打开率/点赞率，运营微信私域流量；接下来，提升小程序打开率，从而完成小程序商城的引流。该企业要提升扫码关注的关注率，选用的运营策略是通过推送优惠券吸引微信用户扫码，新粉丝扫码关注后推送100元优惠券，老粉丝扫码后推送50元优惠券，那么在执行运营策略过程中就需要用到“是否新微信粉丝”这个标签。用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建标签生产规则：标签类别：统计类标签、规则类标签以及算法类标签。标签层级：一级标签、二级标签等。标签名称：如性别、年龄、活跃度等。标签值：如性别标签下的“男”、“女”、“未知”。数据源：库表名。统计时间周期：特别是规则类、统计类标签，需明确选用的时间范围，如用户活跃度标签，选取近90天的数据进行计算。标签具体规则：选择数据表中具体哪个字段，每个字段值与标签值的对应关系，具体的算法逻辑和统计周期，涉及多个数据源时选取数据源的优先级、时间衰减规则等。异常数据处理逻辑：如数据源字段存在空值转化为“未知”，字段值出现多个不同格式需如何进行格式化等。标签实时性：实时更新、离线T+1更新、单次计算。用户画像的应用构建用户画像系统数据基础第2节

构建用户画像系统用户画像的概念丨标签丨用户画像系统的构建三、用户画像系统的构建用户画像系统的功能：用户分群，主要功能包括创建、管理用户分群、相似人群扩散等。按设定的规则筛选用户，创建用户分群，对用户进行分层管理和运营。渠道管理，主要功能包括渠道管理和分析，追踪渠道链接，管理渠道配置，分析渠道投放数据，对渠道效果进行可视化呈现。业务应用，主要包含接口需求，保障用户画像系统数据与各系统之间打通，如推送系统、营销系统、广告系统、推荐系统、BI（商业智能）等平台。标签管理，提供标签的增、删、改、查等操作，包含标签创建、标签审核、标签分类、标签下线、异常标签、标签导入与导出、标签的可视化呈现等。用户洞察，主要功能包括查看个体用户画像、查看群体用户画像等。查看用户标签属性，如用户的基础信息、用户行为、用户偏好等标签，并实现标签历史分析、特征结构分析等功能。用户画像的应用构建用户画像系统第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例一、用户画像的应用场景数据基础评估渠道质量，合理配置渠道资源，调整渠道营销策略，优化投放效果深入洞察目标用户需求，对产品和服务进行优化完善，提升用户体验以用户画像为基础构建推荐系统，在产品营销中实现动态的个性化推荐在用户偏好的渠道进行内容投放，适时交互促成购买行为，实现精准获客帮助企业快速获得对用户信息的认知，洞察用户特征，挖掘用户需求用户特征分析精准广告推送个性化推荐渠道优化产品优化在营销领域，用户画像可应用于用户与企业交互的整个链路，即用户的识别触达、互动沟通、转化留存各个环节，以提高用户触达率、响应度、转化率和忠诚度。主要应用场景用户画像的应用构建用户画像系统第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例一、用户画像的应用场景数据基础小红书活跃用户的用户特征分析：都市白领、职场精英女性是其主要用户群体，用户消费能力强，且有相应的消费需求，追求品质生活。根据兴趣偏好标签分为了爱家控、专注护肤党、品质吃货、流行男女、爱买彩妆党五类核心人群，洞察不同人群的群体画像与消费主张，帮助品牌捕捉用户的潜在消费需求和营销机会点。用户特征分析用户画像的应用构建用户画像系统第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例一、用户画像的应用场景数据基础天猫平台一家数码旗舰店出售某品牌新款手机，比官方指导价贵1000元（官方网站已断货）。目标人群中的用户甲生活比较富裕，是该品牌的忠实“粉丝”，商家在天猫推送栏为其精准推送一条“某品牌新款手机已到货”的广告，用户甲点进去，正是他期盼已久的手机，咬咬牙，以高于官方价1000元的价格购买，达到商家的营销效果。用户乙家里有2个孩子，家庭负担较重，但又很想给老婆购买该品牌新款手机，当他看到推送栏里显示的“某品牌新款手机已到货”广告，觉得价格太贵，经过几番思考，还是放弃购买已放入购物车的手机。根据用户的行为，支付宝借呗马上给乙投送了“点击借款，15分钟到账”的贷款广告，如果乙贷了款，则再重新投放手机广告，就能促成交易。不仅手机商家实现了营销效果，支付宝借呗也找到了优秀的放贷目标。精准广告推送用户画像的应用构建用户画像系统第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例一、用户画像的应用场景数据基础美图旗下美拍APP的用户画像标签主要包含：基础用户特征（时长、分辨率、视频类型、拍摄类型、特效类型、音乐曲目等）视觉特征（人物性别、身材、发型、颜值等）文本特征（封面文字、描述关键词、评论情感极性等）交互特征（点赞数、点赞率、评论数、评论率、分享数、分享率等）美拍根据用户画像分为三类个性化推荐应用场景：（1）美拍直播提供实时的在线个性化排序业务；（2）美拍热门是典型的Feed流产品，用户可在热门Feed流中翻页滚动，探索和消费自己感兴趣的内容；（3）播放详情页下的“猜你喜欢”模块，用于推荐相似视频。个性化推荐用户画像的应用构建用户画像系统第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例一、用户画像的应用场景数据基础核心渠道(36氪)：流量大，用户价值高，累计支付金额最高，需大力维护。优质渠道(今日头条)：用户消费能力较强，首单均值最高，但是目前流量较少，可以增加预算，提高渠道流量。潜力渠道(百度)：用户较为活跃，日均新支付数最高，但客单价低，需要考虑优化或新增产品，改进付费模式，提高渠道客单价。渠道优化渠道名称日均激活人数日均注册人数日均新支付数首单均值累计支付金额百度100134863051003050036氪1202055425625064000今日头条744968211038041800用户画像的应用构建用户画像系统第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例一、用户画像的应用场景数据基础良品铺子分析用户画像发现，Z世代的年轻消费者开始成为肉脯类产品的消费主力人群。Z世代人群出于健身、减肥、减脂的需求，对肉脯类产品的营养性提出了更高的要求，他们普遍认为市面的肉脯口感偏硬，且营养性还有待提升。良品铺子深度挖掘用户需求点，寻找创新研发的方向，通过改良配方和工艺，成功推出了新品高蛋白肉脯，满足了用户营养健康新升级的需求。产品优化二、应用流程用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例目标洞察策略触达反馈明确核心目标并拆解为子目标洞察目标群体特征“找到对的人”选取合适的营销主题/激励方式/场景“传达对的信息”接触点/渠道“用对的方式”营销闭环的多环节反馈提高新品销量核心目标子目标提高流量增强用户黏性提高转化率用户分层RFM标签用户活跃度……用户识别利用标签筛选目标人群精准广告推送联合营销场景营销……触达方式短信Push……触达规则单次例行触发营销效果评估指标体系评估方法用户洞察反馈策略优化迭代二、应用流程用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例用户触达方式：一切能接触到用户、和用户发生联系的手段。用户触达方式的选择直接影响运营效果企业与用户的接触渠道多元，企业需要根据业务场景，通过用户画像洞察目标用户特征，确定最佳的渠道、接触点以及时机，实现精准触达。二、应用流程用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例联合营销：品牌通过与品牌/IP联名开展营销活动，扩大品牌影响力。二、应用流程用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例场景营销：增加触点，实现多场景覆盖用户，多渠道触达用户，并通过浸入式营销提升用户体验。二、应用流程用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例良品铺子将新品高蛋白肉脯与《披荆斩棘的哥哥》综艺IP联名，通过深度的IP捆绑，优质口碑双向加持，获得充分的市场认可与曝光。以创新电商为渠道载体，以优质内容为兴趣传播，将产品卖点、渠道运营和明星IP充分结合，进一步带动产品触达更多消费者。结合场景营销，代言人通过小红书、抖音等渠道发布日常、分享生活，迅速打入互联网Z世代人群。此外，代言人携手头部主播走进各平台直播间，发挥引流效应，激活潜在用户，实现商业价值突破。二、应用流程用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例指标体系第一层级是场景转化，按业务流程进行漏斗分析，对每个环节之间的转化与流失情况进行分析；第二层级是用户消费转换的指标，包括消费完成率、消费时长以及留存率；第三层级是业务目标的达成，是否实现了业务的转化提升。效果评估方法版本对比，主要是策略上新前后对比，这种方法要考虑到外部环境以及目标人群已经发生了变化；A/Btest，它的优势是在同一时间进行，能够排除外部因素的影响，但它需要足够的样本量来判断效果是否显著。三、场景化应用案例用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例场景一：对新安装APP但未注册的用户开展营销用户画像应用方式通过组合用户标签规则（如“未注册用户”和“安装至今天数”小于××天）筛选目标人群，将目标用户数据传输到推送系统。满足条件的新用户打开APP时，推送系统在查询到该用户数据时为其推送优惠券弹窗。场景描述某零食商城APP为促进安装了APP但未注册的用户，进行注册下单，制定了如下营销策略：对新安装但未进行注册的用户，在用户再次打开APP时，通过APP弹窗方式为其推送优惠券，引导用户完成注册、下单。三、场景化应用案例用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例场景二：A/B人群效果测试场景描述某零食类快消商品在大促活动期间，计划通过推送新品系列文章，为大促活动吸引流量。计划进行A/B人群效果测试，精准定位目标人群流量，测试目标如下：一是分析不同内容标题对流量的影响；二是测试精准推送相比无差别推送带来的流量提升。三、场景化应用案例用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例用户画像应用方式首先通过随机分流的形式切分流量，将用户划分为A/B人群。控制组A选取了A路径、近x天来访过，且近x天内浏览/收藏/加购过该零食的用户群，给该批用户推送文案A；对照组B选取了B路径、近x天来访过，且近x天内浏览/收藏/加购过该零食的用户群，给该批用户推送文案B。控制组和对照组的用户量和用户特征都相同，但文案不同，通过两组人群的点击率高低，分析不同文案对用户点击的影响。为了测试精细化推送相比无差别推送带来的流量提升，控制组A选取了A路径、近x天来访过，近x天内浏览/收藏/加购过该零食的用户群；对照组B选取了B路径、近x天来访过，且没有类目偏好的用户群。对A/B组用户群都推送相同的文案，通过两组人群的点击率高低，分析精准推送带来的流量增长三、场景化应用案例用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例场景三：女神节定向营销用户画像应用方式首先基于用户性别和年龄标签圈选出18—40岁的女性用户。设置第一次推送时间为3月8日上午10:00，根据用户品类偏好标签定向推送不同的营销内容，比如给品类偏好=“底妆”的人群推送“打造天生奶油肌”的文案。设置第二次推送时间为3月8日22:00，推送信息为统一的抢购提醒。场景描述某化妆品品牌，计划在女神节对偏好不同品类的用户进行定向营销。两种营销信息分两次推送，通过追踪目标受众的当日支付订单完成率来评估营销效果。三、场景化应用案例用户画像的应用构建用户画像系统数据基础第3节

用户画像的应用应用场景丨应用流程丨场景化应用案例场景四：某电商再营销广告用户画像应用方式基于用户在APP内的行为（浏览、收藏、加购、搜索等）进行算法挖掘生成用户商品偏好的标签。当今日头条捕获用户设备信息后，向电商平台发送询问，电商平台若判断该用户是APP用户，就会基于该用户的商品偏好标签向今日头条返回一个推荐结果，用户就能在今日头条看到之前浏览过的商品广告，点击广告直接跳转到电商APP的商品详情页。场景描述某电商APP为了提升电子产品的老客复购率以及新客下单率，和今日头条合作投放再营销广告。比如，某用户在该电商APP浏览了Vivo手机，第二天打开今日头条就能看到该手机的广告。案例6-3喜茶：一杯数字化的奶茶一、会员：打造茶饮界最强“会员系统”做深用户价值据喜茶官方披露，截止2020年12月31号，喜茶会员系统内已有超过3500万会员。喜茶会员系统内的用户数据包括：性别、出生日期、电话号码、电子邮箱、偏好语言、第三方平台（如微信）的用户名、所在省市、会员等级、卡内余额、