大数据如何赋能产品—用户特征分析
身边的产品越来越多, 短视频 抖音霸榜, 社交微信巨头, 电商 京东拼多多淘宝分庭抗礼, 每一种的产品背后其实都有不同的用户群体, 怎么去做获客, 去做增长, 所以我们需要了解用户, 需要读懂用户, 首先我们要对用户进行特征分析, 总的来说用户特征分析有三种应用场景:
寻找目标用户是产品存在的开始。
首先是寻找目标用户, 拿抖音为例, 抖音刚开始上线以后, 很重要的一点就是要去分析我们的用户是谁, 比如是什么样的年龄 性别 地域 学历等等, 这可以很快帮助产品去发现现在的主流的用户群体是不是产品最开始的定位, 如果完全不一样了, 那就是产品哪里的设计有问题 偏离了方向。
等上线一段时间, 我们就可以对用户进行不同活跃的等级的划分, 比如同样都是玩抖音, 有天天玩的 也有偶尔玩的, 有一次可以刷很久的, 也有刷刷就走了的用户, 频次, 时长成了用户这时候最大的特征差异， 那么不同频次, 不同时长的用户他们的 年龄， 性别, 地域有什么差异, 这些都是特征的进一步洞察。
再过一段时间, 有用户留存有用户流失, 需要去分析留存和流失的用户在行为特征上的差异是否有什么特别不一样的。
运营抓手离不开用户特征。
除了寻找目标用户, 当我们分析出了我们的主流的用户的特征以后, 比如 18-24岁 3线城市, 我们就可以对这一部分群体进行拉新, 提高我们的新增用户, 当我们发现我们的活跃的用户, 都是在最开始刷的 五分钟内 收藏了至少一次, 那么我们就可以针对这些收藏的视频的特点, 通过运营的方式给用户挑选跟这些视频类似的视频进行人工运营.
当我们需要通过运营的手段对流失的用户进行干预的话, 我们就需要知道比如我们流失的用户是因为流失之前看的视频数少, 视频时长小, 那就可以通过运营活跃比如看视频领红包, 这也是微视的打法。
用户分层和用户特征息息相关。
就像生活中人有 长相, 性格, 学历, 财富的差别一样, 同样都是用抖音的用户他们肯定拥有不同的粉丝数, 不同的点赞数, 不同的评论, 不同的观看的时长偏好, 那么对于每一类群体, 我们都需要去告诉产品, 每一种的类别的占比,
同样的, 都是在抖音上变现的用户, 也会有变现的频次和变现的收入水平的差异，只有对这些的用户进行收入相关的特征分析, 才可以对每一种用户群体的到底有多少给出回答, 我想抖音应该不需要有很强的马太效应, 最好的是短视频时代 人人都可以变现
- 用户画像分析法
这个比较简单就是直接提取用户相关的 特征数据, 比如 年龄性别地域地域 职业等等, 就是帮助去刻画一个用户
2. 聚类的方法
这个就是通过kmeans 聚类的方法对用户的行为进行聚类, 比如针对用户在淘宝上买东西的频次, 价格, 刷淘宝的时长, 可以进行聚类分析, 就可以将淘宝的用户划分为以下五种用户, 然后再对这五种用户进行年龄和爱好等特征分析
3. 监督模型
特征分析中还会使用像决策树这样的容易解释的监督模型, 为什么是决策树？ 因为假如我们需要分析流失的用户拥有什么特征, 就可以通过决策树的算法模型, 以留存作为预测的目标, 然后就可以得到下面的决策树, 我们就可以发现留存的用户具有的特点是: 登录间隔是按天的或者 按周但是停留时长大于5分钟并且 BossA 通关
其实用户特征在我们生活中无处不在, 比如 我们会说这个人长得好看, 性格好, 脾气好, 也会描述兴趣爱好 比如爱打球 爱拍照等等 这些都是用户特征分析, 无论是生活还是产品, 因为生活中每一样东西都是产品, 我们只有做了完整的特征分析, 才可以更好的去了解一个事物, 和他相处.
今天看到一本产品的书写的: 用户感知的价值才是真正的价值, 我想我们去读懂一个用户才能感知到他感知的价值把。
