用户画像分析的可视化应用

前言

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”

这篇文章我们主要根据用户标签的不同分类，和场景案例，来看下，如何将用户画像分析进行可视化

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。

用户标签的分类

用户标签一般可以分为两大类

1、基础属性标签

年龄、性别、生日、星座、教育、身高、收入、职业等
这类属于用户自身属性标签，通常通过用户自己填写等方式直接获取，一般较为准确。

2、行为特征标签

行为特征标签，通常由用户在网页、平台上的行为产生，例如注册时间、付款时间、最近一次登录时间等。
这类标签，通过一系列算法或规则挖掘得到，和产品或业务息息相关，也是用户画像分析中最重要的部分

图1:标签的层级-选自公众号Becomewiser

在了解标签分类之后，我们往往需要结合产品/业务情况，进行标签的分级和细化

图2:标签的规则分类-选自公众号Becomewiser

用户画像的可视化应用

通过可视化，可以更加清晰直观的展示用户画像的分析结果，不同标签的数据对比，趋势变化等，我们都需要可视化的形式来监控查看。

1、基础属性标签-可视化

首先一些基本的属性标签，我们用一个场景案例来介绍。

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。

01 重点数据展示

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。

使用指标卡图表，对重点数据进行展示。在结合业务时，还可以加上重点指标的同环比数据。

02 不同属性标签对比展示

（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；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

（2）是否单身

结合上面的数据，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。

对比类数据我们使用环形图和饼图来进行展示，同时这类标签图表还可以作为筛选表，联动其他图表，分别查看不同属性数据

（3）社交偏好

这里用对电影的评论数量来划分偏好程度的，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。

03 关键词分析

用户岗位分析：

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。

04 地理信息分析

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。

以上是一些基础属性标签的可视化，除了这些，业务/产品相关的行为特征标签，后面我们会选择波士顿矩阵和RFM分析两种可视化应用来具体讲解。

文中图表均有BDP个人版提供支持

网址：用户画像分析的可视化应用 https://mxgxt.com/news/view/238619

相关内容

网络可视化的消费者用户画像
大数据分析在社交媒体行业中的用户画像分析
什么是用户画像如何构建用户画像
美妆行业用户画像及美妆KOL用户数量分析
公司职员用户画像怎么写，怎么构建用户画像
你确定你真的懂用户画像？
如何有效利用客户画像软件进行业务画像的更新与优化？
用数据驱动，8步构建用户画像
用户画像构建
如何利用拉新策略来完善用户画像

随便看看