诸葛io于晓松:五步还原用户群体画像

大数据
每个企业都希望能更深入的了解用户,把握用户的需求点,不断提升产品以实现用户增长。因此通常用一系列数据指标来衡量当前的表现。然而,透过PV、UV、注册量、新增用户、DAU这些数字的背后,你是否能够看出用户如何使用产品?用户群有哪些特点?

每个企业都希望能更深入的了解用户,把握用户的需求点,不断提升产品以实现用户增长。因此通常用一系列数据指标来衡量当前的表现。然而,透过PV、UV、注册量、新增用户、DAU这些数字的背后,你是否能够看出用户如何使用产品?用户群有哪些特点?

本文摘选自诸葛io产品VP于晓松的分享,深度解析用户群体画像,驱动增长。

[[182918]]


通过诸葛io,企业用户能够持续的监测产品运营状况,比如:观察产品关键指标的变化、关注用户到目标的转化趋势、分析用户的留存回访……除此之外,在诸葛io中,可以观察到每位用户的行为路径,对单个用户的特征和行为进行最为细致的分析。

常规的数据指标提升并不能真实反映出背后鲜活的用户们,产品的数字指标过于宏观,而用户增长的构成是非常微观的:我们的用户是一个一个(1 by 1)被获取、激活和留存下来的。
诸葛io的用户群体画像是产品用户增长的利器之一——它能够帮您探究产品指标数字背后的原因。

何为用户群体的“画像”?

诸葛io所提供的用户群体画像,不仅是用户偏好,而是从多个维度立体的呈现用户,包括用户价值和流失风险分析、用户特点分析、用户的使用环境分析、用户的使用时间、用户的行为特点。

用户价值和流失风险分析:高价值用户的占比越高,高流失风险的用户占比越低,产品越健康。
用户特点分析:分析用户的性别、年龄、自定义属性、兴趣标签等,也是广义上理解的“用户画像”。
用户的使用环境分析:分析用户的地域、渠道(来源)、应用版本、设备品牌(浏览器)等。
用户的使用时间:分析用户的***访问时间、***访问事件、最近30天访问时长、最近30天访问次数等。
用户的行为特点:分析用户在最近一个月内的行为分布。如下图举例:

 

诸葛io于晓松:五步还原用户群体画像

还原用户群体画像的五大步骤

群体画像除了帮助我们查看产品用户的特点,更重要的作用是发现产品问题的背后的原因。通过以下五个步骤,将数据还原出清晰地用户群体画像。

***步:弄清目标和当前的主要问题

在开始之前,确立产品的目标,弄清当前最亟待解决的问题是至为重要的事。

比如,一个电商类产品已经确立其目标是提升销售额。接来下,就要分析当前最主要的问题是什么?是新用户的增长不够多,还是老用户的重复购买率太低?这些问题,可以很方便的通过诸葛io分析得到。

第二步:找出问题相关的数据指标

弄清目标和主要问题后,下一步是要找出和问题最直接相关的数据指标。

比如,如果当前的问题是用户的重复购买率低,那么还进一步分析:用户在***次购买多久之后的购买率会有显著的降低?哪些人群的重复购买率明显的低于或高于全部人群的平均值?
总结起来就是:要尽可能精准的定位问题的点(时间、人群、渠道……)。

第三步:对问题指标的相关人群进行画像分析,探究问题背后的可能原因

找到较为精确的问题点及相关指标后,可以围绕这些指标做背后人群的画像分析,看能不能找到潜在的原因。
比如,分析重复购买率明显高于均值的用户的群体画像,将其人群属性、行为特点与其他用户做对比,找到不同点,分析这些不同点与重复购买率之间的关系(需要的话,可以直接或间接联系少量的用户以做验证)。

通过探索,您可能会发现一些可能的原因。

比如,您可能会发现,某项功能的使用不便、或者某个地区用户习惯的不同是造成问题的可能的原因。

第四步:改进产品或运营

在上一步,您已经分析出了一项或几项可能影响用户增长的原因。接下来,您需要做的是从可能性以及改进成本等方面评估,并对产品或运营做出改进。

比如,改进易用性差的功能,或针对有问题地区的用户增加引导。

第五步:观察指标和画像,分析改进效果

改进后,对问题指标及问题相关人群进行持续的观测,验证是否达到了预期的效果。如果达到了预期的效果,则继续按照上面的步骤分析新的问题并加以解决。如果未达到预期的效果,也可以继续按照上面的步骤继续分析问题的原因,或者放弃转向其他问题。

所有伟大的产品,都离不开用户的追随与期待。想对用户群体画像了如指掌,登陆诸葛io官网(zhugeio.com)即可免费试用体验,或在线咨询专业数据顾问。

群体画像可以帮助我们在分析某个指标数字背后的用户时,他们具备哪些特征(人群属性、行为特点等等)能更有针对性的提升和优化。同时,希望大家能从数据中发现一些有趣的、有价值的事实,并从中找到产品有效改进提升的机会或方向。

责任编辑:鸢玮 来源: 诸葛io
相关推荐

2017-02-13 20:36:14

群体画像用户数据

2016-10-28 11:10:47

诸葛io

2012-05-08 10:58:50

虚拟桌面用户

2017-06-23 10:21:21

诸葛io

2017-10-19 11:37:36

诸葛io数据分析

2015-01-14 09:33:07

2022-10-31 11:35:48

用户画像底层模型

2013-07-13 14:11:11

个性化搜索

2017-08-17 10:00:22

诸葛io大数据数据分析

2017-11-06 10:52:36

大数据

2017-06-07 10:28:30

诸葛io数据分析数据应用

2016-12-02 21:36:54

诸葛io

2017-04-27 17:50:40

诸葛io数据分析

2018-09-06 14:23:41

小程序阿拉丁用户

2020-03-23 14:55:47

数据分析诸葛io

2017-04-20 18:43:32

诸葛io数据分析

2016-11-03 15:08:29

诸葛io数据分析

2017-04-28 11:15:26

大数据用户画像技术

2016-12-23 11:57:46

诸葛io

2017-03-24 10:58:11

诸葛io数据分析
点赞
收藏

51CTO技术栈公众号