博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
我不建议你抄大厂的用户画像。为什么?
阅读量:2160 次
发布时间:2019-05-01

本文共 2920 字,大约阅读时间需要 9 分钟。

来源:接地气学堂

看到用户画像的标题,熟悉陈老师的同学就知道:我又要写标签建设的文章了。是滴,再厉害的用户画像也是一个个标签组成的,而标签建设恰好是当前非互联网大厂进行用户画像建设的最大瓶颈。

1

 
指望不上的用户标签

几乎所有的互联网大厂的用户画像体系,都是在用户标签基础上搭起来的。而用户标签又是以用户行为为基础的。为了采集庞大的用户行为,为了基于用户行为做推荐,各大厂还搭建了庞大的数据计算平台,这也是目前朋友圈最流行的《XX大厂用户画像建设实战》之类文章主要思路。

 

而对非互联网大厂而言,信了这套会扑街。特别是传统企业。

 

为啥?因为:

一:头腾阿美滴们,本质上是垄断流量的平台。用户数量、用户活跃程度、用户行为丰富程度,与传统企业根本不是一个数量级的,大量还在指望踏踏实实卖货赚钱的传统企业,和用户没啥互动,用户行为数据非常少。

二:头腾阿美滴们,在垄断流量的基础上,有定价权和分配权。这些企业能决定自己平台的流量以什么规则、什么价格、卖给什么企业,并且能封闭企业信息。而在这些平台打广告的传统企业,根本看不到这些具体数据,只能当成黑箱默默揣摩。

这两条,决定了:

1、传统企业根本收不来充足的用户数据。

2、即使传统企业能收集来数据,也没法绕开这些平台做事。

 

因此指望照搬这些平台的算法,最可能出现的问题就是:用户数据少、做出来没有用。还有些传统企业傻乎乎,觉得:我找一些中间商,买一些用户数据补个缺,是不是就OK了?当然不是!国家对于用户隐私的保护级别一直在上升。这种背景下,能给到可靠用户信息的第三方越来越少。即使有,辛辛苦苦塞过去的营销信息,还是会被当成垃圾短信/骚扰电话处理。

 

从2017年热门喊“新零售”、“数据中台”以来,已经有相当多的传统企业踩了这个坑。

突出表现就是:

1、从所谓互联网大厂挖一个高级XX工程师/科学家

2、从小程序/H5商城、到数据中台,到CDP/MA,一轮轮搞

3、微信、微博、抖音、快手、公众号广告投放扫一轮,直播开起

4、业务一写报告就是“用户画像”“用户理解”“用户行为”,然后抱怨数据少

 

这种行为在疫情以后尤甚,结果烧钱不见效,然后再炒人、换平台、继续招人继续做……我接触的客户里,已经不下20家经历过这种蛋疼过程。而且你把这种故事讲给还没经死过的企业,大部分人还不信,还叨叨着“说不定人家有世外高人呢?”

 

结论就是:该交的学费,一分都少不了,吃亏才补脑子。

2

 
拒绝悲剧,从区分静态/动态标签做起

 

从本质上看,对非互联网大厂而言,想靠一己之力收集全量用户信息是不可能的,也不能吃透这些互联网平台的广告规则与收费机制。因此对抗外部信息不足的办法,是做好内部管控,在内部对自己家的产品/内容/运营能力做好盘点,从而有充足的准备应对外部挑战。

 

举个简单的例子:一个有自己品牌,有生产线、有实体店、有销售,有10年以上经营历史的标准的传统企业。问:头腾阿的广告算法是啥?肯定不知道,但是反问:

1、生产线:行业内生产成本是多少?哪些点是节能关键?

2、实体店:什么位置经营好?哪些现场管理是必须的?

3、销售员:什么样特征的销售是Ace,现在有多少人?

4、产品线:爆款产品有什么特点?别人家产品成本推测?

 

这些能梳理得非常清楚,而且不需要依赖所谓“互联网大数据”,完全靠自己业务经验,业务能力就能做出来。

最典型的就是商品属性,一个经验丰富的商品管理,只要拿到市面上的同类商品,就能清楚看出来制作工艺、成产成本。再结合价格就能推算出利润空间;再结合对手的营销策略,就能推算出对方的竞争策略(如下图)

                          

这些标签不依赖用户行为,当业务明确以后就相对固定,因此被称作:静态标签。拿商品举例,常见的静态标签,比如:商品的颜色、尺寸、功效,这些是正儿八经商品在货架标签上标注的东西(如下图)

进一步的商品标签包括:

1、目标客群:老中年、男女

2、商品档次:高、中、低档

3、商品定位:爆款、引流款、走量款、利润款、搭配款、防御款

4、商品策略:价格优势、性能优势、质量优势、性价比优势、差异化优势

5、使用频率:理论上一件商品,需要多久用完(快消品才有)

制作这些标签,需要商品管理+供应链的同事,结合业务目标与实操经验来制定,定好以后,这些标签就能和用户行为这种动态标签结合,起到1+1≥2的作用。

3

 
静态/动态结合,指导业务发展

静态标签的第1个作用:解读对手动作。

前文已经介绍了静态标签的第1个作用:解读对手动作。实际上,静态标签,加上用户点击行为、转化行为等动态标签,能解读出更多含义,产生更多用处:

 

静态标签的第2个作用:清晰实验方向。

比如很多传统企业在尝试互联网引流,那么肯定得上引流款产品。互联网转化路径分析非常复杂,如果一开始静态业务标签就没有贴好,根本没法分析为啥转化不好(如下图)

 

 

静态标签的第3个作用:验证实验效果。

比如用引流款引流,结合用户行为,发现引流效果不好。这就可以直接推断出:引流商品不行。至于怎么该,可以参考竞争对手商品标签,推导出潜在的改进措施(如下图)

 

静态标签的第4个作用:反推用户行为。

比如一个商品,根据静态标签,理论上消费3个月,但发现一个用户每个月都来购买。这样可以推导出:他的用量是普通人的三倍。那么问题来个:问什么会是普通人三倍呢?基于不同假设,可以推导出不同的实验方向。从而指导业务开展,也能反推出用户真实标签(如下图)

由此可见,静态业务标签,是传统企业应对数据不足的有力武器。在有静态标签的情况下,更容易透过不透明的线上转化流程,分析清楚问题。更容易结合少量用户行为,推导出下一步行动策略。

● 静态标签+动态标签→验证成立,则坚定方向,持续深入

● 静态标签+动态标签→验证不成立,则分析问题,持续迭代

类似的,门店、内容、销售等方面,都能用同样方式贴静态业务标签,发挥作用。

 

特别是处于在互联网流量垄断压迫下,处于弱势地位的传统企业。在无力对抗互联网巨头流量剥削的大背景下,努力苦练内功,加强内部管控,挖掘现有渠道与存量客户的价值,为在网上打价格战做好弹药准备,才是渡过难关的真正钥匙。

4

 
小结

综上可见,并不是说头腾阿美滴的技术不行,而是说:这些技术不见得是其他企业需要的。当然,很有可能看这篇文章的同学不是管理层,没有权力决定政策,但大家可以把这篇文章转给相关同事/领导看。回应这些常见的谬论:

● “我们数据多的很,就差分析了”——不!静态业务标签需要你们建设,不是分析出来的!

● “只要有个来自头腾阿的高级工程师就够了”——不!头腾阿又不用造商品,请来人家也不懂!

● “做数字化转型,就是得小步快跑做实验”——是得做,问题是你连目标都想不清楚,光知道傻乎乎投钱,能试出来个毛线。

以上,大家酌情转发,随意点赞点在看。哈哈哈哈。

---------End---------

 后台回复「微信群」,将邀请加入读者交流群。

  • 回复 600 ,获取 

  • 回复 markdown ,获取 

  • 回复 time , 获取 

  • 回复 str, 获取 

  • 回复 SQL50 ,获取 

  • 回复 mat ,获取 

????分享、点赞、在看,给个三连击呗!???? 

转载地址:http://mnzzb.baihongyu.com/

你可能感兴趣的文章
为什么需要 Mini-batch 梯度下降,及 TensorFlow 应用举例
查看>>
为什么在优化算法中使用指数加权平均
查看>>
什么是 Q-learning
查看>>
用一个小游戏入门深度强化学习
查看>>
如何应用 BERT :Bidirectional Encoder Representations from Transformers
查看>>
5 分钟入门 Google 最强NLP模型:BERT
查看>>
强化学习第1课:像学自行车一样的强化学习
查看>>
强化学习第2课:强化学习,监督式学习,非监督式学习的区别
查看>>
强化学习第3课:有些问题就像个赌局
查看>>
强化学习第4课:这些都可以抽象为一个决策过程
查看>>
强化学习第5课:什么是马尔科夫决策过程
查看>>
强化学习第6课:什么是 Crossentropy 方法
查看>>
强化学习第7课:交叉熵方法的一些局限性
查看>>
强化学习 8: approximate reinforcement learning
查看>>
图解什么是 Transformer
查看>>
代码实例:如何使用 TensorFlow 2.0 Preview
查看>>
6 种用 LSTM 做时间序列预测的模型结构 - Keras 实现
查看>>
走进JavaWeb技术世界1:JavaWeb的由来和基础知识
查看>>
走进JavaWeb技术世界2:JSP与Servlet的曾经与现在
查看>>
走进JavaWeb技术世界3:JDBC的进化与连接池技术
查看>>