小红书用户画像分析__用户画像分析怎么做？

我们用教育行业来说一下这个问题，

2017年4月初，62个在教育行业产品获投资，这一消息，使得教育行业产品再次被热议。事实上，教育行业早已是一片红海，有调查显示，近6成的互联网学习者位于三四线城市，而一款好的教育产品，会让用户对学习这件事情上瘾，不断对后续的课程进行消费。总的来说教育行业仍旧有突出重围的希望。

在教育产品竞争如此激烈的今天，如何争夺到更多的用户，似乎是困扰着众多教育产品的问题。本文以在线教育产品为例，说说如何构建用户画像，并为下一步获客制定运营计划。

什么是用户画像

用户画像是指，建立在一系列真实数据之上的目标用户模型。根据用户的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型。

为什么要构建用户画像

构建用户画像，就是帮产品找到用户真实的述求点，能够帮产品的功能设计提供依据。对运营尺巧人员来说，最基本的一点就是了解用户。通过对用户信息的采集，分析，抽离，生成最终的用户画像。构建用户画像后，就可以制订更精准的运营方案了。

在线教育产品，如何构建用户画像

1.用户画像分析逻辑

在构建用户画像之前，先来看看用户画像构建陵拦键、分析的一个逻辑。

2.信息采集与分析

在线教育产品构建用户画像的第一步 ，收集用户的基本信息。此处重点收集三个维度的用户信息，个人信息，社会关系，消费水平。

个人信息：在这一维度，可以采集包括年龄，性别，教育程度，职业等基本属性。在线教育产品可以重点采集教育程度，职业等信息。

个人信息是一个人的基本属性，一般不会轻易改变。个人信息这一维度的数据，有很大的参考意义。

社会关系：是否已婚，是否有小孩，有其他兄弟姐妹吗，父母亲分别是谁呢。用户的社会关系以及社会关系的个人信息，可以推断出这个人的性格。

用户的社会关系关乎一个人的隐私，一般比较难获取。

消费水平：月收入是多少，月消费能力怎样，是否需要还房贷，是否有信用卡。

消费水平可以直观的看出用户的生活状况，但是难以区分真假，因为用户有可能在说谎。

采集完用户的基本信息之后，下一步应当采集用户的行为特征。

行为特征可以理解为用户无意识的惯性行为。根据用户的行为特征，可以推断出其心理特征。

比如，用户会使用高端团购APP，可以推断出改用户对生活品质的要求较高。

3.为用户打上标签，细分人群

不同的用户群有不同的目标、行为和观点，细分用户群可将问题变的清晰，同时也作为用户画像优先级划分的依据。

根据采集衡辩的用户信息，将用户打上专属标签，后续可根据标签，对用户进行细分。

4.丰富用户信息

丰富用户画像是构建用户画像过程中最需要打磨的一个部分，将采集到的大量枯燥且凌乱的数据，分析且赋予更多的元素，让它们成为鲜活的个体，非常考验团队的敏锐度和细腻度。

根据用户画像，如何在精细化运营上发力

对运营来说，构建完用户画像，但是没有将用户画像应用到运营推广中，就等于做了个无用功。在线教育产品在构建完用户画像之后，应该重点考虑如何利用用户画像，辅助课程开发和产品运营，做到精细化运营。

做精细化运营的一个基本思路就是理清楚一个逻辑：在什么时间把什么内容发给什么类型的用户。

1.根据搜索数据的个性化运营

用户浏览了某一个课程，可以根据用户标签，推荐相同类型的课程。

更多内容，可百度一下“在线教育app：构建用户画像并制定运营计划怎么做”。

用户画像，又称人群画像，是根据客户人口统计学信息，社交关系，偏好习惯和消费行为等信息而抽象出来的标签化画像。

构建客户画像的核心工作即是给客户贴“标签”（犹如娱乐圈中明星的立人设）

标签由两部分组成：

1、根据客户的行为数据直接得到的

比如：用户在网站或者APP上主动填写的数据，严格一些平台会要求客户上传身份证、学生证、驾驶证等，这样的数据准确性较高。

2、通过一系列算法或规则挖掘得到

比如：一个用户最近开始购买母婴类商品，奶粉尿布等，那么可以根据客户购买的频次和数量，结合客户的年龄、性别推断是否为新妈妈/爸爸。

用户画像其实就是希望通过某些手段对用户做甄别，把他们分成彼此相同或不同的人群或个体，进而区别化提供服务进行观察分析。

用户画像的价值

1、精准营销

精准营销是用户画像或者标签最直接和有价值的应用。这部分也是广告部门最注重的工作内容。当我们给各个用户打上各种“标签”之后，广告主（店铺、商家）就可以通过标签圈定他们想要的客户，进行精准的广告投放。

2、助力产品

一个产品想要得到广泛的应用，受众分析必不可少。产品经理需要懂用户，所以用户画像能帮助产品经理透过客户行为表象看到客户深层的动机和心理。

3、行业报告

通过对客户画像的分析可以了解行业动态，比如90后人群的消费偏好趋势分析、高端客户青睐品牌分析、不同地域品类消费差异分析等等。

讲了这么多“干货”大家是不是有点蒙圈了呢...下面我们看个简单的案例来帮助大家更好地理解。

场景案例

现有一份200多用户对十部电影的豆瓣评分数据，我们根据这些数据来刻画几组用户画像。

十部电影分别如下：

动作类：谍影重重5、湄公河行动、血战钢锯岭、伦敦沦陷；

青春爱情类：北京遇上西雅图、七月与安生、六弄咖啡馆；

动画类：疯狂动物城、功夫熊猫3、大鱼海棠。

下面就开始进行用户细分及刻画：

1、用户细分

（评分大于等于7定义为“喜爱此类电影”）

三种类型观众在数量上相差不多，说明人的品位爱好各不相同，比较平均。

2、对比刻画动作片与爱情片用户画像

（1）性别比例

跟预想一样，果然喜欢青春爱情片女生偏多，女生感情比较细腻，多愁善感，如《情遇曼哈顿》上映时可以精准地推荐给这类女生；动作片确实是男生占多数，男生喜欢动作、场面效果炫酷的电影，能够激起他们的“英雄情怀”，如《雷神3》上映时可以推荐~

（2）是否单身

各岁卖位单身朋友们，是不是男人看了会沉默，女人看了会流泪啊！结合上面的数据让孙，我们是不是可以在对单身男青年们推荐时文案可以写上“多去看几部爱情片啊，说不定就会遇见你的未来女友”之类的话。

（3）社交偏好

这里用对电影的评论数量来划分偏好程乎滑逗度的，大于等于25条评论都属于偏好社交，对于这部分人可以进行重点营销，他们可以为电影带来二次推广的效果。

（4）品牌偏好

苹果虽贵但还是受到大部分人的认可，我们对于使用苹果的用户是不是可以大胆推测他们具有一定的消费能力，可以推荐一些高档影院或者3D巨幕电影。

（5）岗位分布

在女生偏多的喜爱爱情片的人中果然也是护士、老师等女性职业偏多；反观男生偏多的喜爱动作片人群里IT、工程师等占到大部分，但是最明显的还是学生党队伍，学生还是空余时间较多，所以电影宣传人员可以多在各大高校进行推广，召开见面会等。

（6）地域分布

可以看出一些大城市的人们在忙碌的工作之余都喜欢用看电影来放松心情，娱乐一下，电影方工作人员是不是可以在大城市多排一些片场，来促进票房增长。

从上面简单的案例我们就可以看出用户画像使产品的服务对象更加聚焦，更加专注，能更好的满足客户的需求，实现精准营销，并提升公司的经营效益。

1、理解用户。合理的、有效的用户画像建立在对目标用户的充分理解基础之上。对用户从态度到行为，再到一些细节特征的立体数据的收集，对于建立一个生动的、具有参考价值的用户画像至关重要。收集数据的方法有很多，比如深度访谈、影随、文化探寻。方法只是手段，没有所谓的标准方法，达到收集数据、理解用户的目的即可。重要的是数据目标的确立，每个人身上有太多的属性、太多的特征、太多的故事，有些信息收集过来有可能反而会成为噪音。因此，在收集数据前，时应该先明确自己的研究范围，针对性的挖掘真实用户身上的相关信息。

2、寻找关键变量。关键变量是指导致用户对目标产品或服务的相关行为产生差异的核心因素。每个用户身上有很多漏厅前属性、性别、年龄、家庭状态、文化水平、性格特征、互联网行为偏好、消费观、理财观、个人爱好，需要从这些众多特征中识别，哪些才是导致用户对目标产品或服务的态度及使用行为产生差异的主要原因。

3、聚类。关键变量是帮助用户聚类的核心维度，有了关键变量后则可以通过将每个维度上的“信息值”串联，得到用户画像的核心特征，所以接下来的工作就是回顾收集到的用户数据，将每个受访用户的行为标记在各个维度以记录该行为特征出现的概率，用以推算该信息值覆盖的用户数量。尝试连接分布在每个维度上的“信息值”，找出具有代表性的用户形象。根据经验，典型用户的分布返清规律一般有以下两种情况。第伏世一是尽量合理覆盖每个变量两端的“极端信息值”，第二是尽量合理的连接用户行为集中的信息值。

用户画像分析就是基于大量的数据，建立用户的属性标签体系，同时利用这种属性标签体系去描述用户。

可以运用营销自动化微信用户标签库来给用户打标签，坦枝“标签“就是带有特定含义用于描述真实的用户自身带有的属性特征。“标签”相较于其他用户画像基础要素来说，标签可以是动态的，通过动态的社交活动行为，例如：搜索、浏览、评论、点赞等构建出3D的用户画像。

通过对折叠屏手机用户的标签数据分析，可以得知用户的购物偏好特征和生活属性，从而品牌可以更针对性地展示不同用户想看的内容，还有为以用户需求为导向的产品研发，提供数据支持。

用户画像基本要素

1、地域

即用户所在的地理位置，不同城市的生活消费形态也是不同的。普遍一二线城市的居民平均收入要比三四线城市的居民平均收入要高一些。

2、性别

性别也是对消费需求影响较大的因素之一。参考该要素来宣传产品或服务，能够大大提高品牌的营销效率。

3、年龄

即用户的社会角色，每个年龄段的用户社会角色也不同，感兴趣的商品特性也不同。

4、受教育程度

受教育程度不同的用户对营销内容的要求也会不同，对于生活的态告信槐度和关注的事情也不同。

5、行业特袜友征

了解用户所在行业，对产品或服务的关注点不同。

首先讲一下么是用户画像，用户画像是通过用户调研去了解用户,根据他们的社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌。用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理。

构建用户画像有什么好处呢，用户画像可以让商家在产品设计的过程中能够更加关注在目标用户的洗好和行为来进行产品设计，而且用户画像作用不仅仅找到用户的主需求，很多隐形的需求都会被发掘出来。而且商家广告投州陪滑放等方面，能进一步提升册腊精准度，提高信息获取的效率，从而减少无作用的浪费。

最后是如何构建用户画像，要建立用户画像必须建立在真实数据的基础上，将构建用户画像平台所需的数据分成用户、商品、渠道三类，然后按产品需要，给不同的用户特征贴上合适的标签。标签需要精简易区分少交叉重叠，这样是为了方便数据统计，构建数据集合，后续进行数据挖掘和聚合乱腔分析。最终是用户画像的呈现，用户画像的呈现分为两个部分，一部分是显性的呈现，呈现的是用户的给俺个标签特点；另一部分是隐形的，呈现的是需要我们去分析的用户潜在需求。显性的标签就是用现在的特点需求。而这些隐形的标签所代表的需求可以为以后的产品发展起到指引的作用。

用户画像是一种勾画目标用户、联系用户诉求与设计方向的有效工具。企业通过对海量数据信息进行分析，将数据抽象成标签，再利用这些标签将用户形象具体化就是用户画像的建立过程。

个推近期上线了全新的【用携芦户运营】服务。个推·用户运营支持APP自有数据与个推海量数据融合，能够有效完善APP数据标腊隐扰签体系，涵盖用户基本属性、兴趣偏好、媒体偏好、线下活动场景等丰富维度，让APP用户画像更加全面立体；同时提供标签管理平台，支持APP开发者和运营者自助创建、自主维护、高效管理标签，还为开发者打造了丰富的行业标签模板库，涵盖餐饮、快消、美妆、母婴等轮旦多个行业，运营人员可按需灵活调用，分析

 0 门槛，让用户画像洞察更加高效便捷。个推·用户运营SDK限时免费中，您可注册/登录个推开发者中心免费开通。 

用户洞察

而形陆腊成用户画像的这一个个标签，又可以大体的分为静态标签和动态标签。

例如： 性别、血型、年龄、地域、婚姻情况、职业等 。

如何获取用户的静态标签？

1.由用户主动进行填写

从用户最开始的注册登录信息，到后续的用户完善个人信息，平台的问卷调查，电商平台填写收货地址等，都是平台通过用户主动填写信息，从而获取到静态标签的重要方式。

由用户主动填写信息从而获取到静态标签，可以更好的保证信息的真实性和客观性。早困滑但是，用户愿意主动填写的信息终究是有限的，且需要平台对用户进行引导，对于平台来说过于被动。频繁的打扰用户填写信息，也会造成用户的不信任和反感。

2.与第三方平台或服务进行数据共享

通过用户进行第三方平台授权的方式，可以更加直接的获取到用户的信息，通过这些共享的信息来给用户建立静态标签，可以更加节约成本，也不会造成用户的反感。

但是通过这样的方式获取的信息也依旧是有限的，而且共享平台信息，需要平台与第三方平台有尺念着深度合作。

通过静态标签形成的用户画像不够精准，也无法更完全的分析出用户习惯，所以，还需要 动态标签 的补充。

如当下热门的短视频平台，通过用户对各类型视频的 搜索、完播率、复播率、点赞、评论 等行为，来判定用户喜欢什么样的内容，从而更加精准的推送合适的短视频给到用户观看。例如用户A经常给体育运动类短视频点赞、评论，在体育运动类短视频下的视频完播率也会更高，那么平台就会判定用户A喜欢体育运动类视频，给用户A打上该动态标签。

电商平台的“千人千面”推送也是有着这样的规则。如用户B在浏览商品流的过程中，会更多的停留在数码类商品，进行数码类商品详情的频率也大于其他类型商品，那么平台就会给用户B打上喜欢数码类商品的动态标签。在接下来的商品推送中，也会更多的注重推送该类型的商品。

电商平台的相关动态标签例举： 购物价格、购物品质、购物频率、风格倾向、复购品牌倾向、加购频率。

总结：通过前期的数据收集形成用户的静态标签集合之后，再通过后续用户的行为，给用户建立不同的动态标签。这样，可以组合形成更完整的用户画像，给用户进行更精准的推送。

第一步：建模，获取原始数据得到用户行为信息，数据预处理，分析用户行为，通过模型进行预测，完善用户画像，预测用户的操作行为；

第二步：思考多维度刻画用户画像：自然属性、兴趣属性、地理位置信息、IP、隐含属性。

第三步：标签，用户需求和用户场景不断更新，所以标签体系在不断的完善。

第四步：映射用户画像缓改。

第五步：评估用户画像；第六步：数据可视化。

1、首返档先采集用户数据。

2、其次进行数据分析及用户细分。

3、最后，完善用户画像。