用户画像的技术实现

2016年12月21日 发布    |    2016年12月24日 最后编辑

1. 什么是用户画像?

用户画像(Persona)是由阿兰·库珀(Alan Cooper,交互设计之父)提出的一个用来进行用户研究的方法,其定义是:

「用户画像」是真实用户的虚拟代表,建立在一系列真实数据智商的目标用户模型。

简单来说就是通过各种调研分析来了解用户,并通过提炼一系列的关键词和描述来定义一个目标用户群体,例如一个典型的用户画像是这样的:

2. 微信电商的用户画像

用户画像技术的使用分为数据获取建立画像画像应用三个阶段,具体到微信电商领域,这三个阶段都有其不同的特点。

2.1 数据获取

通常,用户画像的数据获取会采取一些研究方法,如用户访谈、焦点小组等。在微信电商领域,我们通过技术手段来采集多个维度的用户数据,组成对某一类型用户的画像。

  1. 微信基础数据:微信提供了一些数据接口,可以用来获取用户的基本信息,如头像、昵称、所在位置(用户主动填写)、性别(用户主动填写)等,这些数据是对一个用户的最基本描述;
  2. 微信行为数据:微信还提供了部分行为信息接口,用来获取用户与微信公众号的互动行为记录,如用户分享公众号文章、用户在公众号文章下方发布评论、用户与公众号直接互动等;
  3. 互动行为数据:我们的每次微信互动营销,如抽奖、营销页面等,都会记录用户的参与行为,并持续统计用户对于互动营销的参与度、频率、时间点、浏览行为等;
  4. 前端浏览数据:我们使用 Google Analytics 统计用户在微信商城中的浏览数据,包含来源、浏览路径、跳出点、浏览深度等;
  5. 电商数据:用户的购买历史、商品偏好、订单均价、收货地址等;
  6. 线下数据:我们组织的线上、线下整合活动,同样会记录用户的行为数据,包含把用户线下行为量化后的记录;
  7. 用户原有数据整合:将客户原有的CRM系统中的用户数据,与用户在微信中的数据整合分析。

需要强调的事,我们获取一个用户的各类信息,并不局限于单一客户的店铺中,而是综合该用户在我们服务的所有客户店铺中的数据,并进行综合分析。

2.2 建立画像

有了数据之后,我们就可以着手建立用户画像了。以4S店的一位用户为例,在我们的系统中用户画像:

灰色标签为系统自动判断相关参数后,为该用户添加的标签。

2.3 画像应用

用户画像可以应用于许多场景,特别是在我们的智能推荐引擎中,下面是一个典型的例子:

通过该用户的车型、保养日期、位置等信息判断,该用户近期有保养需求,触发销售刺激因素(200元工时卡)的推送,并监测后续的推送效果。

在这个例子中,使用了自然逻辑判断,即通过用户习惯和行为数据,推断用户需求,这种逻辑是我们将自然语言描述转化成程序语言,并写入推荐引擎的。

下面一个例子是完全机器智能的用户画像和推送:

我们的智能推荐系统,可以根据众多用户的信息和行为数据,为用户画像增加一些自然语言无法描述的信息(图中的SI00225等),但这些信息却可以通过数据挖掘来选择最合适的销售刺激因素推送。

3. 信息安全和个人隐私保护

作为电商运营服务商,我们非常重视客户的信息安全和用户的个人隐私保护。在我们系统中传递的所有数据,都经过了加密处理,并且数据全程通过SSL加密传输,以确保数据不会外泄。

尽管我们提供了跨多个店铺的用户信息采集和用户画像,我们仍然能够保证所有客户的信息安全。我们将各个店铺的用户信息全部集中保存,并通过加密接口进行调用,以保证这些数据的安全。

版权所有 ©北京大有元吉科技有限公司   2015 - 2016京ICP备 13005863号-12