【笔记】用户画像：标签化就是数据的抽象能力
精细化运营将是长久的主题
用户画像的准则
首先就是将自己企业的用户画像做个白描，知道这些用户“都是谁”“从哪来”“要去哪”。
1. 用户从哪里来
用户需要唯一ID,这是用户画像的核心，可以是用户名、手机号、邮箱、设备号、CookieID等。
弄清楚他们是为了聚餐还是自己吃宵夜
2. 用户是谁
标签化，帮助理解用户。
标签总纲要：八个字“用户消费行为分析”
1. 用户标签
性别、年龄、地域、收入、学历、职业等基础属性。
2. 消费标签
消费习惯、购买意向、是否对促销敏感。这些统计分析用户的消费习惯。
3. 行为标签
时间段、频次、时长、访问路径。分析用户行为，得到使用App的习惯。
4. 内容分析
对用户平时浏览的内容，尤其是停留时长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，比如金融、娱乐、体育等。
3. 用户要到哪里去
将用户画像与业务关联，提升转化率，降低流失率。
用户画像的业务价值
从三个阶段来划分业务价值
- 获客：如何进行拉新，通过更精准的营销获取客户。
- 粘客：个性化推荐，搜索排序，场景运营等。
- 留客：流失率预测，分析关键节点降低流失率。
如果按照数据流处理的阶段来划分用户画像建模的过程，可以分为以下三层：
- 数据层：指用户消费行为里的标签。我们可以打上“事实标签”，作为数据客观的记录。
- 算法层：指的是透过这些行为算出的用户模型。我们可以打上“模型标签”，作为用户画像的分类标识。
- 业务层指的是获客、粘客、留客的手段。我们可以打上“预测标签”，作为业务关联的结果。
所以这个标签化的流程，就是通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。