¿Retratos de usuarios de comercio electrónico que todos puedan entender?

P: ¿Es realmente un retrato de usuario de comercio electrónico que todos puedan entender?

Wang: De hecho, también incluye seres no humanos, como: gatos operadores, programadores , y tiradores de pollos León...

Las dos descripciones en la imagen de arriba son un caso típico de retrato de usuario. (Hoo, ¿cómo es posible que exista tal sensación de inmediatez con el CP forzado?)

El concepto de "Persona" fue propuesto por primera vez por Alan Cooper, el "padre del diseño de interacción". son una representación concreta de los usuarios objetivo" ." Es decir, los retratos de usuarios son representantes virtuales de usuarios reales y son modelos de usuarios objetivo basados ​​en una serie de datos reales.

En resumen, los retratos de usuarios son en realidad la clasificación del "etiquetado de información del usuario", combinando las necesidades del producto y del negocio, y adjuntando etiquetas apropiadas a las características de los usuarios de diferentes grupos.

Desde la perspectiva de los productos de comercio electrónico, analizando la información personal básica del usuario y las trayectorias de comportamiento durante el uso del producto, como navegar, dar me gusta, agregar al carrito de compras, realizar pedidos, usar métodos de pago, etc. , utilice etiquetas para describir las características típicas de los usuarios y refine las siguientes tarjetas de información del usuario:

1. Los atributos básicos

a menudo se obtienen durante el registro, como el número de teléfono móvil, el sexo , edad, nivel educativo, región, etc.

2. Características de comportamiento

Analizando comportamientos de navegación y compra, como coleccionar tiendas maternoinfantiles, participar en descuentos especiales maternoinfantiles actividades muchas veces, etc. Se puede juzgar que se trata de un nuevo padre que es muy sensible a las actividades promocionales;

3. Capacidad de compra

Al analizar el monto del pedido del usuario y frecuencia y preferencias de compra de la marca, podemos deducir su Precio por cliente, si el usuario es un usuario de nivel medio alto, frecuencia de compras, si es un usuario activo o un usuario inactivo, etc.;

4. Funciones sociales

Analice la frecuencia con la que se comparten productos con amigos, la recepción de productos, etc. La cantidad de números de teléfono y direcciones de las personas se puede utilizar para estudiar la situación social del usuario;

5. Características psicológicas

Analizar la frecuencia de participación de los usuarios en actividades promocionales, consumo de cupones, la misma marca, Dimensiones como la tasa de recompra de la tienda se pueden utilizar para estimar la sensibilidad del usuario a grandes promociones y fidelidad a la plataforma o marca;

6. Características del hobby

Navegación del usuario, colección, prestando atención al tipo de tienda, las categorías de productos agregados a la compra carrito y pedidos enviados, se pueden analizar las preferencias de los usuarios para ciertas marcas y categorías, a fin de realizar actividades de marketing especiales para una determinada categoría.

Por ejemplo:

El otaku expulsado Xiao Ma ha seguido 66 tiendas de figuras de animación. Su etiqueta de usuario puede ser "experto en animación si la plataforma o el comerciante tienen promociones de periféricos de animación". lanzado, la información del evento se enviará primero a dichos usuarios objetivo.

Etiquetas de usuario comunes en el comercio electrónico: expertos en animación, entusiastas digitales, mamás modernas, padres jugadores, aristócratas solteros, usuarios familiares, amas de casa, primeros usuarios, derrochadores

Al igual que "Hay mil Hamlets en los corazones de mil personas”. Existen diferencias y conflictos en las necesidades de productos de los usuarios. Diferentes usuarios tienen respuestas sesgadas a los tipos de productos, preferencias de contenido y sensibilidad de marketing.

Los "retratos de usuarios" refinan las etiquetas típicas de los grupos de usuarios a través de algoritmos y modelos de usuarios. Por un lado, permite a los miembros del equipo centrarse en los grupos de usuarios objetivo de forma relativamente objetiva y razonable durante el proceso de demanda del producto. diseño de producto basado en la motivación y el comportamiento, por otro lado, también ayuda a mejorar la precisión de la promoción de marketing, mejorar la eficiencia de la adquisición de información y promover la toma de decisiones sobre la prioridad de la demanda del producto.

Por ejemplo: utilice push, mensajes de texto, correos electrónicos y visualizaciones temáticas personalizadas para aumentar las tasas de conversión de compras de los usuarios.

(Finalmente encontré una excusa perfecta para el creciente índice de pródigo ~)

Por ejemplo, distribución geográfica, período de compra, preferencia de marca, estadísticas de valor del usuario

Por ejemplo: hay usuarios a los que les gusta ¿Cuantos? Entre las personas de las que te enamoras, ¿cuáles son las proporciones de hombres y mujeres y los grupos de edad? ¿Cuántos son solteros? (¿Cómo siente que se está preocupando por los eventos de toda la vida del usuario? org)

Características y reglas de asociación de comportamiento, como: compras coincidentes de productos, compras relacionadas, compras recomendadas, recomendar cuidadosamente categorías que se adapten gustos de los usuarios, y sumergirse en la “experiencia de compra” “Compra, compra” una experiencia placentera. (Está realmente indefenso...)

Construir retratos de usuarios es restaurar la información del usuario y garantizar la autenticidad objetiva de la información. Por lo tanto, hay un gran principio que debe seguirse: los datos provienen de datos reales. relacionados con todos los usuarios.

El proceso de creación de retratos de usuarios se puede resumir en los siguientes tres pasos:

Incluye principalmente datos de comportamiento de la red del usuario, datos de comportamiento del sitio web, datos de preferencia de contenido del usuario y transacciones del usuario. datos;

Al procesar los datos recopilados, se realiza un modelado de comportamiento para abstraer las etiquetas del usuario y el comportamiento accidental del usuario se elimina tanto como sea posible a través del modelo de algoritmo matemático. Puntos técnicos involucrados: minería de textos, procesamiento de lenguaje natural, aprendizaje automático, algoritmos de predicción y algoritmos de clustering. (Ho~ Ha llegado el momento del programador GG de mostrar sus habilidades)

En esta etapa, es necesario combinar el modelo de usuario para etiquetar al usuario, como por ejemplo:

Juicio a través juicio + algoritmo de agrupamiento Lealtad del usuario

Juicio basado en la compra de ropa, zapatos, sombreros y otros suministros por parte del usuario

Juzgar el valor del usuario para el sitio web, seleccionar usuarios de diferentes dimensiones para objetivos específicos promoción, es muy importante para mejorar la tasa de retención de usuarios. Útil

Según la atención del usuario al tema "automóvil" o la compra de productos relacionados, puede determinar si el usuario tiene un automóvil y si está listo para compre un automóvil y luego impulse productos relacionados con el automóvil e incluso servicios de seguros;

Además, también existen modelos de abandono de usuarios, modelos de usuarios digitales, modelos de usuarios sensibles a descuentos, etc.

Al registrar y capturar los atributos básicos del usuario, poder adquisitivo, características de comportamiento, intereses y pasatiempos, redes sociales y otros datos para análisis, crear y concretar retratos de usuarios.

Los retratos de usuarios tienen sus propias características y limitaciones. Por ejemplo, no pueden describir a una persona al 100% y son urgentes, por lo que deben actualizarse y revisarse continuamente en función de los datos básicos de los retratos de usuarios. Al mismo tiempo, deben ser buenos para aprender del pasado. Se incorporan nuevas etiquetas en los datos de conocimiento para hacer que los retratos de los usuarios sean más vívidos y tridimensionales, aprovechando al máximo su valor de referencia y orientación.

Las diferentes empresas y equipos tienen diferentes formas de obtener datos y refinar las características de los usuarios. Las grandes empresas crearán sus propios sistemas de análisis de datos y contarán con un sólido apoyo del equipo de investigación y análisis de datos de los usuarios, mientras que las empresas más pequeñas crearán sus propios datos. sistemas de análisis y cuentan con sólidos equipos de investigación de usuarios y análisis de datos para respaldarlos. La empresa depende más de plataformas de terceros para extraer datos o realizar investigaciones de usuarios en grupos de usuarios segmentados.

1. Los retratos de los usuarios deben basarse en fuentes de datos reales; de lo contrario, pueden dar lugar a una serie de decisiones equivocadas sobre las instrucciones del producto y de la operación.

2. Evaluación del usuario por parte de los miembros del equipo; retratos No se debe subestimar la comprensión y el reconocimiento del proyecto, y los miembros del equipo deben participar tanto como sea posible en las diferentes etapas del proyecto;

3. Los retratos de los usuarios son urgentes y deben actualizarse y Revisado periódicamente, y el tiempo de análisis de datos debe actualizarse periódicamente. Dimensiones del ciclo y la dirección, para comprender las tendencias cambiantes del mercado y los usuarios de manera oportuna, y mantener la aplicabilidad del mercado de los retratos de los usuarios.

4. No deificar el papel y la importancia de los retratos de los usuarios. Incluso los productos de muchas empresas aún carecen de investigación sobre este tema. Los retratos de usuario correctos y razonables pueden promover mejor el desarrollo de productos de la empresa y ayudar mejor a las decisiones de dirección del producto.

Materiales de referencia:

1. Analysys Think Tank: Análisis de usuarios y retratos de usuarios bajo Big Data

2. MOOC del profesor Qiu Shengchang: Usuario del gigante del comercio electrónico retratos para aplicaciones de datos

3. Yang Butao: práctica de minería de big data basada en retratos de usuarios