数据分析方法08用户画像

news2024/11/17 0:42:35

用户画像是指用户信息标签化，通过收集用户多维度的信息数据（如人口统计属性，社会属性，行为偏好，消费习惯等），对其进行统计，分析，从而抽象出用户信息全貌，相比用户原型，它更侧重于数据挖掘，标签体系搭建。
用户画像的主要特征：

两类用户画像的差异对比：
在这里插入图片描述
日常见到的用户画像一般指数据画像。

用户画像可以应用在很多方面：产品设计、广告投放、精准营销、个性化推荐、风控检测，数据分析等

用户画像举例

在这里插入图片描述

在企业中，用户画像的主要应用有三个方面：经营分析、精准营销、个性化推荐与服务

用户画像系统的标签数据通过API进入分析系统后，可以丰富分析数据的维度，支持进行多种业务对象的经营分析。一般市场、运营、产品人员分析时会关注的指标：

具体营销方式，大致可以分为以下4类：
1、基于行为营销：产品浏览、加入购物车、门店扫码、订单取消、订单退货等
2、基于位置营销：周边门店、周边活动、常去区域等
3、基于节日营销：生日、春节、双十一、双十二、圣诞等
4、基于会员营销：欢迎入会、卡券提醒、积分变更，等级优化、会员礼遇等

当我们在向某平台的客服部⻔投诉、咨询或反馈意⻅时，客服⼈员可以准确的说出我们在平台的购买情况，上⼀次咨询问题的处理结果等信息，针对性
的提出解决⽅法，对于⾼价值⽤户提供VIP客服通道等专项服务。

应⽤的运营者，可以通过个推⽤户画像中的性别、年龄段、兴趣爱好、浏览购买⾏为等标签，给⽤户推荐不同的内容。⽐如：

目前国内市场上针对在线用户行为数据分析的工具：百度统计，诸葛io，神策数据，GrowingIO

根据用户画像标签，做出合理的决策
在这里插入图片描述

问题：某互联网公司电销业务，最近新入职销售的三个月离职率极高，要求看看销售的用户画像，分析下问题来自哪里？
破局思路：
1、构建分析逻辑
抛开数据，为什么会离职，原因可能是多方面的：

公司很垃圾，业内口碑差
销售管理不佳，员工体验差
hr从源头就招错了人，滥竽充数
本身业绩不好做，销售挣不到钱
能挣到钱，但是过于辛苦
……
这些因素往往是相互叠加的
2、逐层分析，剥离宏观因素，聚焦问题
公司很垃圾，业内口碑差：查看近一年的离职率
销售管理不佳，员工体验差：拉取各团队的离职率
hr从源头就招错了人，滥竽充数：拉取新人执行工作效率数据
销售线索质量太差，⼲扰了销售⼯作：拉取各渠道来源的数据转化率
逐层分析下去，就能够剥离明显的宏观问题，聚焦到销售本身的能力上。接下来就可以聚焦销售能力的评估和人员的基本特征。
3、聚焦销售能力，构建销售人员用户画像
用户画像的切入点：对于销售离职问题来说，最有力的特征应该是收入
数据统计：销售入职3个月的收入情况

结合离职率，查看高收入/低收入人员的离职差异
分析：
高收入人员离职率高，大概率是 “ 觉得难做，去别的公司做同样的工作赚的更多 ”
低收入人员离职率高，进一步分析：
分配的数据不够多（管理问题）
分配的数据够，没有做完（执行问题）
分配的数据够，做完了，没转化（技巧问题）
分配的数据够，做完了，有转化，单子太小（管理问题）
矩阵分析法，区分情况：