你被人悄悄畫(huà)像了嗎？當(dāng)你上網(wǎng)瀏覽或在線下消費(fèi)時(shí)，你就在某處留下了你的痕跡。這些痕跡數(shù)據(jù)，將可能被企業(yè)用于為你畫(huà)像！用戶畫(huà)像成了當(dāng)前的熱點(diǎn)話題。

一、大數(shù)據(jù)時(shí)代的用戶畫(huà)像背景

  何謂用戶畫(huà)像？

  在回答之前，讓我們先來(lái)看一則幾個(gè)月前的網(wǎng)上報(bào)道：

  一名黑龍江男子2000年殺害3人后潛逃至安徽鳳陽(yáng)縣的龍興寺出家。這之后一路“成長(zhǎng)”為寺廟住持、佛教協(xié)會(huì)副會(huì)長(zhǎng)、政協(xié)委員。結(jié)果，因?yàn)橐淮闻及l(fā)的事件，當(dāng)?shù)鼐酵ㄟ^(guò)人像比對(duì)發(fā)現(xiàn)了他的破綻。

  警方使用的人像比對(duì)技術(shù)就是用戶畫(huà)像技術(shù)。

  提到用戶畫(huà)像，中國(guó)自古就有“張三，李四，王二麻子”說(shuō)法，這里的王二麻子就是用戶畫(huà)像。美國(guó)甲殼蟲(chóng)樂(lè)隊(duì)成員跨年度變化畫(huà)像，用一種較為微妙的方式向世人傳遞了美國(guó)人生活方式的演變。

  用戶畫(huà)像就是用戶信息標(biāo)簽化，比如，有人喜歡旅游，則給他貼上旅游愛(ài)好者標(biāo)簽。當(dāng)然，為最大限度地展示用戶特征，分析人員需要收集盡可能多的信息并提煉其顯著特征。

  傳統(tǒng)的畫(huà)像受當(dāng)時(shí)技術(shù)的限制，僅能勾畫(huà)人的臉部特征，而無(wú)法進(jìn)行立體化再現(xiàn)，這會(huì)極大地限制用戶畫(huà)像的應(yīng)用。比如，如果某村有二個(gè)臉上有麻子的王姓村民，那你就很難基于“王二麻子”這單一標(biāo)簽進(jìn)行村民識(shí)別。

  大數(shù)據(jù)時(shí)代的用戶畫(huà)像不同于傳統(tǒng)的用戶畫(huà)像。

  在大數(shù)據(jù)時(shí)代，數(shù)據(jù)源很豐富。除了傳統(tǒng)意義上的結(jié)構(gòu)化數(shù)據(jù)，還有郵件、論壇、圖片等類型的非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)同步、分析與展示技術(shù)，使得用戶畫(huà)像幾乎能夠全方位再現(xiàn)用戶外在的、內(nèi)在的特征。

  用戶畫(huà)像背景：

  用戶畫(huà)像成了當(dāng)前的熱點(diǎn)話題，有其深刻的時(shí)代背景。用大尺度視角來(lái)看，人類演進(jìn)史表明，當(dāng)前人類比歷史上的任何時(shí)候更為重要。   聚集資源的力量，從早期的血緣、權(quán)力、資本變成人的思想。羅振宇說(shuō)，消息者賦能之后就成了君王。因而，企業(yè)必須非常重視用戶。

  早在八十年代，中國(guó)商業(yè)界有一個(gè)很響亮的口號(hào)，客戶是上帝，即確立了以消費(fèi)者為導(dǎo)向的營(yíng)銷理念。

  到了九十年代，部分國(guó)內(nèi)外知名企業(yè)及本土市場(chǎng)研究公司開(kāi)始了以消費(fèi)者為導(dǎo)向的實(shí)踐嘗試。

  到了二十一世紀(jì)的今天，隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算技術(shù)的發(fā)展，消費(fèi)者理念開(kāi)始在中國(guó)真正落地。其落地的內(nèi)在邏輯是，在需求側(cè)，用戶畫(huà)像讓消費(fèi)者幾乎成了透明人，供應(yīng)商能更精準(zhǔn)地把握用戶特征;在供給側(cè)，3D打印、敏捷制造、柔性物流、平臺(tái)外包技術(shù)的發(fā)展使產(chǎn)品個(gè)性化定制成為現(xiàn)實(shí)；日益發(fā)展的各種智能終端、VR設(shè)備等，成了聯(lián)結(jié)需求側(cè)與供給側(cè)的橋梁

  ——在大數(shù)據(jù)時(shí)代，這一切都被打通了。用戶畫(huà)像正當(dāng)其時(shí)。

二、大數(shù)據(jù)時(shí)代的用戶畫(huà)像方法

  如何進(jìn)行用戶畫(huà)像呢？用戶畫(huà)像的一個(gè)重點(diǎn)應(yīng)用是精準(zhǔn)營(yíng)銷。為了更全面地理解用戶畫(huà)像，讓我們先了解基于用戶畫(huà)像的精益營(yíng)銷平臺(tái)，然后重點(diǎn)介紹用戶畫(huà)像的內(nèi)容、方法、技術(shù)與流程。

  一般來(lái)說(shuō)，企業(yè)精益營(yíng)銷平臺(tái)分四層：第一層是數(shù)據(jù)來(lái)源層，第二層是數(shù)據(jù)管理層，第三層是規(guī)則模型層，第四層是畫(huà)像應(yīng)用層。

平臺(tái)通過(guò)收集不同來(lái)源渠道的數(shù)據(jù)，經(jīng)過(guò)數(shù)據(jù)清理、整合與處理，構(gòu)建聯(lián)通的數(shù)據(jù)庫(kù)。

  分析人員在應(yīng)用目標(biāo)指引下，結(jié)合現(xiàn)有數(shù)據(jù)資源特征，采用相應(yīng)的分析方法與算法技術(shù)，構(gòu)建規(guī)則模型，形成用戶畫(huà)像。

  最后，基于用戶畫(huà)像，實(shí)施個(gè)性化搜索、社交傳播、會(huì)員營(yíng)銷、智能選品、DSP廣告、個(gè)性化推薦等精準(zhǔn)營(yíng)銷應(yīng)用。

  畫(huà)像內(nèi)容：

  為有效支撐企業(yè)精準(zhǔn)營(yíng)銷，用戶畫(huà)像應(yīng)包含用戶時(shí)間、地點(diǎn)、內(nèi)容和行為等關(guān)鍵信息。

  以用戶上網(wǎng)為例，它涉及到用戶在什么時(shí)間、通過(guò)什么渠道或方式進(jìn)入某個(gè)網(wǎng)頁(yè)，觀看了網(wǎng)頁(yè)中那些欄目?jī)?nèi)容，并記錄用戶在網(wǎng)上的瀏覽、購(gòu)買、點(diǎn)評(píng)行為等。分析人員通過(guò)整合反映用戶基礎(chǔ)屬性的注冊(cè)信息及來(lái)自合作伙伴的共享數(shù)據(jù)或第三方的購(gòu)買數(shù)據(jù)，形成用戶畫(huà)像的數(shù)據(jù)基礎(chǔ)。

  畫(huà)像方法：

  有三種方法：預(yù)先定義法、數(shù)據(jù)分析法和復(fù)合劃分法。

  預(yù)先定義法是指分析人員基于業(yè)務(wù)理解，預(yù)先形成用戶畫(huà)像維度，然后按照設(shè)定的用戶畫(huà)像維度進(jìn)行數(shù)據(jù)分析，基于數(shù)據(jù)分析結(jié)果給出用戶畫(huà)像。

  數(shù)據(jù)分析法是指分析人員先拋開(kāi)預(yù)先的任何假設(shè)，純粹基于數(shù)據(jù)分析結(jié)果給出用戶畫(huà)像，即用數(shù)據(jù)說(shuō)話。

復(fù)合劃分法是指分析人員綜合上述兩種方法，采用不斷迭代方式，最后給出用戶畫(huà)像。

  畫(huà)像技術(shù)：

  凡是能夠揭示用戶特征的技術(shù)，均可用于用戶畫(huà)像。用戶畫(huà)像技術(shù)很多，常用的技術(shù)有RFM、聚類技術(shù)、決策樹(shù)規(guī)則和響應(yīng)模型等。

  營(yíng)銷人員往往設(shè)定，最近消費(fèi)的、經(jīng)常消費(fèi)的、消費(fèi)金額較大的用戶是重度消費(fèi)者，基于這三個(gè)指標(biāo)的加權(quán)得分，能有效區(qū)分不同用戶的特征。RFM就是這三個(gè)指標(biāo)的英文名稱的首字母組合。

  聚類技術(shù)的理念基于中國(guó)的傳統(tǒng)說(shuō)法“物以類聚，人以群分”，但在實(shí)現(xiàn)技術(shù)上，分析人員需要基于不同數(shù)據(jù)特征選擇不同的聚類算法，常用的分割方法是K-means。

  決策樹(shù)一般都是自上而下的來(lái)生成的。每個(gè)決策或事件都可能引出兩個(gè)或多個(gè)事件，導(dǎo)致不同的結(jié)果，把這種決策分支畫(huà)成圖形很像一棵樹(shù)的枝干，故稱決策樹(shù)。決策樹(shù)的最大優(yōu)點(diǎn)是能生成可理解的決策樹(shù)，不足之處是對(duì)連續(xù)性的字段比較難預(yù)測(cè)。

  響應(yīng)模型是指基于業(yè)務(wù)場(chǎng)景產(chǎn)生的數(shù)據(jù)而構(gòu)建的預(yù)測(cè)模型，其中涉及的主要數(shù)據(jù)挖掘技術(shù)包括邏輯回歸、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等。

這些技術(shù)各有優(yōu)、缺點(diǎn)，沒(méi)有那個(gè)算法在任何場(chǎng)景下都總能最優(yōu)，所以在通常數(shù)據(jù)分析中，分析人員都會(huì)嘗試多種不同的算法，然后根據(jù)隨后的驗(yàn)證效果以及項(xiàng)目資源和價(jià)值進(jìn)行權(quán)衡，并做出最終的選擇。

  畫(huà)像流程：

  用戶畫(huà)像可分五步操作。

  第一步：數(shù)據(jù)收集、整理與整合；

  第二步：識(shí)別與業(yè)務(wù)場(chǎng)景強(qiáng)相關(guān)的字段；

  第三步：對(duì)數(shù)據(jù)進(jìn)行分類與標(biāo)簽化；

  第四步：引入外部數(shù)據(jù)；

  第五步，用戶特征識(shí)別。

  第一步屬基礎(chǔ)性工作，常占用數(shù)據(jù)分析人員80%的時(shí)間。第二步特別考驗(yàn)數(shù)據(jù)分析人員的業(yè)務(wù)知覺(jué)與分析技巧。第三步需要數(shù)據(jù)分析人員與業(yè)務(wù)人員多多溝通，以便數(shù)據(jù)分類與標(biāo)簽化能符合后期的業(yè)務(wù)應(yīng)用。第四步引入恰當(dāng)?shù)耐獠繑?shù)據(jù)，可有效擴(kuò)大可能的用戶畫(huà)像應(yīng)用范圍。第五步是用戶畫(huà)像結(jié)果呈現(xiàn)，需要分析人員結(jié)合展示技術(shù)和工具。

三、大數(shù)據(jù)時(shí)代的用戶畫(huà)像案例

  用戶畫(huà)像能應(yīng)用于政府治理、企業(yè)營(yíng)銷、個(gè)人交友等多個(gè)領(lǐng)域。目前在中國(guó)，用戶畫(huà)像應(yīng)用較多的是企業(yè)中的精準(zhǔn)營(yíng)銷。用戶畫(huà)像是精準(zhǔn)營(yíng)銷的基礎(chǔ)。

  電信用戶畫(huà)像案例：

  電信運(yùn)營(yíng)商擁有豐富的數(shù)據(jù)，如通信數(shù)據(jù)和時(shí)序數(shù)據(jù)，上網(wǎng)數(shù)據(jù)和終端數(shù)據(jù)，消費(fèi)數(shù)據(jù)，社交數(shù)據(jù)和位置數(shù)據(jù)等。電信運(yùn)營(yíng)商擁有深度分析能力，可提供多種服務(wù)，如位置類應(yīng)用、洞察類應(yīng)用等。

  金融用戶畫(huà)像案例：

  在大數(shù)據(jù)時(shí)代，金融用戶消費(fèi)行為發(fā)生了較大的改變，企業(yè)難以接觸到客戶；用戶群體正在出現(xiàn)分化，市場(chǎng)上很少有一種產(chǎn)品和一種金融服務(wù)可以滿足所有用戶的需求。

  金融產(chǎn)品也需要進(jìn)行細(xì)化，為不同客戶提供不同產(chǎn)品。

  企業(yè)可基于用戶畫(huà)像，提供針對(duì)性的產(chǎn)品服務(wù)，如針對(duì)理財(cái)客戶，通過(guò)大數(shù)據(jù)分析發(fā)現(xiàn)有客戶將工資/資產(chǎn)轉(zhuǎn)到外部，但是電商消費(fèi)并不活躍，其互聯(lián)網(wǎng)理財(cái)可能性較大，可以為其提供理財(cái)服務(wù)，將資金留在本行。

  電商用戶畫(huà)像案例：

  當(dāng)你打開(kāi)電商網(wǎng)站或者登陸手機(jī)App時(shí)，電商可基于用戶畫(huà)像，確定在一個(gè)頁(yè)面或者一個(gè)手機(jī)登錄頁(yè)上面的產(chǎn)品展示順序。當(dāng)你上當(dāng)當(dāng)網(wǎng)購(gòu)買書(shū)類產(chǎn)品，網(wǎng)頁(yè)將即時(shí)向你進(jìn)行個(gè)性化推薦。