5个问题,理清做用户画像的成功之道

大数据 数据分析
用户画像人人都想做,可用户数据从哪里来呢?今天就结合一个问题,详细讲解一下。话不多说,直接上场景。

 [[386352]]

本文转载自微信公众号「接地气学堂」,作者接地气的陈老师。转载本文请联系接地气学堂公众号。  

用户画像人人都想做,可用户数据从哪里来呢?今天就结合一个问题,详细讲解一下。话不多说,直接上场景。

问题场景:一个O2O平台提供家政服务业务,运营和数据团队讨论“如何建立用户画像,精准服务用户”,大家越聊越嗨森!

  • A同事说:家里老人、小孩决定阿姨工作量,所以得收集
  • B同事说:房屋面积也要的,200平和60平工资不一样
  • C同事说:人员籍贯也很重要,比如我家就不要**省和**省的
  • D同事说:还要关注地毯、抽油烟机,这都是细分业务
  • E同事说:那还要加上浴室清洁、衣帽间整理
  • F同事说:还要关注时间点,比如春节前大扫除
  • G同事、H、I、J、K、J、M、N、O、P同事轮流发言……

聊完,大家心满意足地总结出一个54道问题的用户画像清单(如下图)

 

开开心心地交给产品经理,就等着上线了。

产品经理当场就炸了

产品大呼:“脑抽了吗,让用户填这么多问题,业务还做不做了!”

那现在咋破局呢?

A、让上门服务的阿姨去填。

B、接入头腾阿大数据,他们肯定有。

C、不采集了,用人工智能模型算出来。

显然以上回答都不靠谱。想解决这个问题,得理清5个基本问题。

1问题1:用户的需求到底值不值得做

比如“手办模型保养”服务,肯定是一个真实需求,肯定胶佬们很喜欢,问题是:

1、有多少人有需求?

2、有多少人愿意付费满足需求?

3、这种需求值不值得给所有用户在问卷上增加俩问题

Q55:是否喜爱玩手办?是/否

Q56:喜爱的手办类型是?高达/航模/战锤/二次元(你懂得)……

在产品档次与大众化程度之间,需要做权衡有取舍,才能在市场竞争中脱颖而出。并且特定的类型有特定的运营手段。(如下图所示)

产品的定位是不需要等到用户来了以后,才给他填表格收集的。在设计产品和服务的早期就能开展工作,比如:

1、竞品走访

2、用户调研

3、行业研究

4、产品测试

5、价格测试

从用户、竞品那里,直接摸清目前市场情况。根本不用等着业务上线了,再让用户填。这种选赛道的工作,考验的是产品和运营业务能力。

 

特别是家政服务,其细分领域是有一些约定俗成的惯例的:月嫂/保姆/钟点工/老人护理,在一个城市也有相应的市场价位,这些基础工作完全可以通过前期研究解决。

2问题2:有没有能力满足用户

比如真的有一个顾客,要求:会5国外语(他家多国混血),有研究生学历,只在中午11点到下午4点服务,年龄30-40岁之间,会同时做胡辣汤与惠灵顿牛排的保姆。

是不是平台真的要满足她?当然不是呀。平台有自己的供给能力的上限,有自己的产品定位。也没有必要满足特别刁钻的用户需求。 如果在供给端,就没有能力提供大面积、高质量、个性化低价格的服务,那也完全没必要获取特别多的用户画像——知道用户需求又满足不了,知道了也没用。

实际上,在竞争中,满足用户的基础需求是第一位的,满足基础需求以后,可以根据平台的供给能力,提供一些特色的服务,比如保姆信用、比如价格优惠等等。 对于O2O业务而言,首先要解决的还不是个性化需求的问题,而是区域覆盖问题。如果在用户需求区域内没有足够服务,一切都是空谈。有意思的是,前边讨论用户画像一大堆指标,所有人却都忘了:地址,这个最基础,最重要的东西了。没有地址,咋评估供应能力呀。

3.问题3:有没有影响客户的可能性

反问一句:是否用户的需求就是金科玉律,一个字都不能改?当然不是。很多时候用户会妥协,或者因为市场上没有更多可以选的产品,或者因为价格很优惠,或者因为需求很紧急没得选。

这意味着:用户画像不是一成不变的,用户需求随着运营手段变化而变化。因此运营手段本身即是采集用户标签的手段,又是影响结果的工具。 比如家政服务中,清洁服务就相当标准化,就有机会做低价策略,额外做一些服务,加量不加价。这时候根本没必要一点点研究清楚用户房子面积户型家具等等细节,而是提供一个加量不加价的上限即可。

4问题4:需不需要一次性满足所有需求

经过了前三个问题的梳理,这里的答案是很清晰的:当然不是!根据推广渠道的不同,至少有三种路径可以选择:

1、如果能找到小众用户密集的垂直渠道, 就能直接精准推送满足小众的个性化产品。这种情况下,能直接用来源渠道做标签,标识小众用户群体,后续也能进一步分析,制定进阶策略。

2、如果走大众广告渠道,就直接拿最抢手的引流产品出来,先吸引用户消费一次,把用户捞进来,再考虑推二次购买,推增量销售或者交叉销售。有了首次消费记录以后,不但数据本身更丰富,而且天然留下了二次消费的跟进机会。

3、如果有转介绍渠道,则转介绍人可以直接指引用户购买某款主营产品。此时,转介绍人的行为标签(转介绍的产品、活动)就能直接影响用户行为。用转介绍人标签,配合被介绍的用户标签,就能标识出用户需求。最典型的就是月嫂和老人护理,转介绍效应非常明显。

 

5问题5:需不需要一次性填所有数据

经过了前边四个问题,结论当然是不需要。本质上,无限度的索取用户画像指标,是一种业务懒政行为。打着“用户喜欢啥我做啥”的旗号,把获客渠道、产品设计、运营方案、推广计划、促销优惠、二次跟进所有设计都甩锅出来。 数据不是天上掉下来的,数据是从业务流程里产生的,如果业务流程都没有设计好,产品没吸引力,推广没有重点,运营没有计划,连数据都不会有,哪里来的分析呢。所以数据要一步步走,事要一件件办。

这里每一步都能和业务动作结合起来,比如:

1、在用户首次接触时收集关键信息(地址、需求类型、是否住家),先促成第一次匹配。

2、在用户挑选产品与服务过程中,收集个性化略高信息,一边打标签一边匹配产品。比如用户语言要求,房子面积

3、在用户成交/失败以后,根据用户来源、前期信息,反推产品定位是否合理,优化产品。

4、在用户首次成交后,尝试不同方式引导用户,一边打标签,一边锁定用户需求。

 

比如针对用户密集的小区,利用第三方信息丰富房屋信息;针对用户重复购买次数多的,从消费行为挖掘其他需求;针对转介绍行为直接给奖励;建立星级阿姨评选,推动阿姨一边做交叉销售,一边返回用户数据。如果不是指望数据一次成型,而是配合运营活动,数据可用的范围就大大增加了。

 

 


好的数据是好的运营产生的,不是从天上掉下来的,大家切记切记。不过有的同学会好奇:说用户不会好好填信息,这个好理解,问题是员工为啥也不好好填?

 

 

实际上内部同事没有标签意识,不会贴产品标签、活动标签、信息标签,只留原始字段,导致无法分析的情况多了去了。

 

责任编辑:武晓燕 来源: 接地气学堂
相关推荐

2022-10-31 11:35:48

用户画像底层模型

2023-08-27 21:25:20

用户画像数据数据分析

2023-07-27 13:44:19

业务用户画像

2021-04-19 11:27:25

用户画像数据

2018-11-22 11:06:56

画像分析

2017-11-21 13:46:30

大数据用户画像数据管理

2017-04-28 11:15:26

大数据用户画像技术

2023-03-15 07:22:56

画像平台数据中台

2018-06-06 14:17:44

聚类分析算法大数据

2020-11-27 11:07:29

人工智能

2015-08-25 08:31:07

用户体验设计问题

2013-10-14 10:18:17

SDN误解软件定义网络

2020-05-13 11:19:30

SaaS云计算技术

2017-02-27 17:34:12

大数据

2023-11-17 15:08:24

数字化转型

2024-02-27 13:07:49

用户画像数据分析HR

2016-03-16 10:22:28

Spark用户画像数据科学

2022-12-15 08:35:01

用户画像平台

2019-03-04 09:03:59

物联网IOT物联网项目

2021-07-07 13:36:23

物联网IOT物联网技术
点赞
收藏

51CTO技术栈公众号