从一家便利店说起……

在互联网还未风靡的时代,交易购买行为基本都发生在线下。

便利店的店主往往会给到访的顾客打上不同的标签。比如经常到店购买的顾客,店主将其判定为熟客,如果客人没有带足够的现金,那么就容许进行赊账甚至免单;再比如有些客人喜欢购买甜品,如果店里有新的甜品上架,当客人光顾小店时,店主就会主动给这类顾客进行推荐……

因此,在很早的时候,人们便学会了察言观色,对不一样的顾客户说不一样的话,提供不一样的服务。

那么,老板是如何给这些顾客打上标签的呢?事实上,老板就是根据顾客在店里的消费行为来判断的。有些人每天都按时光顾小店,久而久之,见面的第一句可能就是“您下班啦,要去接孩子了吗?”类似这种很亲近的话,一瞬间老板和顾客的距离就被拉近了;有些顾客每次都会购买价格比较高的精酿啤酒,老板也就可以顺势推测出这个顾客的生活品质还不错,有了新口味的饮品时,也会考虑给顾客进行安利……

互联网袭来

再后来,网络购物兴起了,商品的浏览、交易都发生在了线上。

线上的好处是:第一,商品品类更加丰富全面;第二,线上交易更加快速便捷。当然也会带来坏处,弊端就是:商品信息的过载导致选择困难,整个购物流程变得更加理性、少了一些温度。这时候,最先发现问题的是网店店主们,也是那段时间,“网店宝典”之类的书籍开始变得热门。

书中主要讲解的内容是:店主如何通过顾客在店铺购买了什么商品、消费的频次、消费的金额等信息,来猜测顾客是个什么样的人,接下来店主该如何与这样的人打交道,如何把自己的网店运营的有声有色。

不难发现,这其中的技巧就是将从线下的察言观色的技巧变成线上的用户行为洞察。所以,第一批的画像系统的生产者,并不是平台方,而是提供服务的群体本身。因为他们希望自己可以获得更好的资源,所以才会想方设法的来琢磨自己顾客的喜好。

大数据入局

经历了店主运营网店百花齐放的时期之后,平台方发现店主这么积极地洞察和运营用户,为什么不通过平台帮助他们更好地运营呢?从而让更多人愿意在自己的平台开店。这种可以理解为是去中心化的思想,给商家赋能。由于平台方掌握的数据要比店主更全面,所以平台可以做的事情远远要比店主多。于是,平台方做了以下三个关键措施:

其一,构建全局的用户画像。掌握的用户信息越多,画像就越准确越丰富。那么平台不仅仅掌握了用户的消费数据,还可以采集客户的行为数据,通过这些来组合生成第一方的用户标签,通过标签,可产出更加多维立体的用户画像;

其二,为了解决信息过载的问题,引入了推荐系统来进行内容的分发。推荐系统本质上也是人和物品的关系模型,用于给不一样的人去推荐适合他们的商品或内容,从而,让顾客可以更加快速地找到自己心仪的商品,缩短浏览购买路径和决策时间;

其三,为了让商家可以更好地运营自己的店铺,平台方推出了一些运营工具。支持商家使用部分平台生成的标签来观察自己的用户,同时又提供了一些广告推广服务,聊天通道,引入了在线客服,从而让商家可以为顾客提供更优质的服务。

画像系统 1.0 时代

逐渐地人们意识到了用户画像的重要性:它可以帮助业务人员更好地了解用户偏好,从而找到一个优秀的运营方案;也可以帮助产品人员更好地了解用户细分,从而在产品中不断进行新的尝试,画像系统也随之诞生了。

第一代画像系统,我们可以简单的定义为:标签时代。

那时候还是流量为王,人们更加在意画像系统中可以提供哪些维度的标签数据,拿着标签数据就可以投其所好的进行推广。这确实是一个行之有效的办法,因为当时互联网还处于蓝海时代,垂直领域的竞争也不是那么激烈,谁先占得先机,基本也就会先入为主的笑到最后。

画像系统的 1.0 版本,重要的功能就是标签的数据内容,而且还很多是第三方的标签数据。如今,最开始做画像的人群,基本都在做广告投放相关的业务。

画像系统 2.0 时代

随着流量逐渐达到了天花板,用户运营的价值凸显了出来。

无论是个性化的推荐,还是节假日的温馨提示,或者大大小小的专场活动都是运营的工作,夸张地说:产品和研发赋予了一款产品生命,而运营能决定他的寿命和高度。

第二代的画像系统,我们可以简单的定义为:洞察时代。

只要谈及到运营,就不能简简单单地定义为是广告投放、拉新等操作了。站内的运营也占了很大的比重,如广告位的分配、活动的策划推广、千人千面的推荐、精准营销等。企业需要尽可能地收集用户在产品中的使用痕迹,根据自己累积的业务经验和知识,来刻画出用户的画像。

第二代的画像系统,需要业务人员倾注更多的业务理解和智慧在其中,才可以做好运营和增长,发挥画像系统的威力。

画像系统 2.0,是什么样子的?

首先,画像系统 2.0 需要包含 1.0 的能力,即标签的生产能力,生产能力为行为数据的采集能力、标签的加工生产能力。同时,根据自己的业务需求,来判断是否需要引入第三方的标签来辅助运营。

其次,它的核心功能是用户的洞察和分析能力。

支持从单点进行分析,亦支持从群体进行分析。分析的维度不再停留在传统的维度,比如:性别、学历、城市等,还应该提供更多与自身产品相关的维度,比如:偏好的商品类型、偏好的访问时间等,画像信息更加贴合自己的业务,人群更加立体。

同时,不仅支持静态的分析,还要支持对历史的回溯和对未来的预测。用户的画像绝不是一成不变的,在有数据支撑的情况下,我们可以动静结合地观察人群的变化趋势,结合科学的预测回归算法,也可以实施行为对外的拟合预测。通过由点到面,辅以动静结合来分析目标用户,可以让企业对用户有更加立体和清晰的认知。

以上就是用户画像的一个粗略的演进史,不难发现,从始至终用户画像的应用都离不开一定的运营属性,随着运营价值的逐渐凸显,用户画像的价值和要求也随之增强。相信在未来不断地探索和迭代中,画像系统的高速发展也将促进运营玩法的创新迭代,使画像系统真正成为企业的运营利器。

更多干货和案例,可以关注“神策数据”和“用户行为洞察研究院”公众号了解~