編輯導(dǎo)語：大數(shù)據(jù)是指無法在一定時(shí)間內(nèi)用常規(guī)軟件工具對其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合，從目前大數(shù)據(jù)發(fā)展的趨勢來看，它不僅會(huì)成為一個(gè)蓬勃發(fā)展的行業(yè)，在其他行業(yè)的應(yīng)用也有非常廣闊的空間。本文作者就提出了用大數(shù)據(jù)賦能產(chǎn)品的想法，從而更好的進(jìn)行用戶特征分析。

一、為什么要進(jìn)行用戶特征分析

身邊的產(chǎn)品越來越多：短視頻抖音霸榜、社交微信巨頭、電商京東拼多多淘寶分庭抗禮。

每一種的產(chǎn)品背后其實(shí)都有不同的用戶群體，怎么去做獲客？怎么去做增長？

我們需要了解用戶，需要讀懂用戶，首先我們要對用戶進(jìn)行特征分析，總的來說用戶特征分析有三種應(yīng)用場景:

1. 尋找目標(biāo)用戶是產(chǎn)品存在的開始

首先是尋找目標(biāo)用戶，拿抖音為例：

抖音剛開始上線以后，很重要的一點(diǎn)就是要去分析我們的用戶是誰，比如是什么樣的年齡 性別 地域 學(xué)歷等等。這可以很快幫助產(chǎn)品去發(fā)現(xiàn)現(xiàn)在的主流的用戶群體是不是產(chǎn)品最開始的定位，如果完全不一樣了，那就是產(chǎn)品哪里的設(shè)計(jì)有問題，偏離了方向。

等上線一段時(shí)間，我們就可以對用戶進(jìn)行不同活躍的等級的劃分；比如同樣都是玩抖音，有天天玩的也有偶爾玩的，有一次可以刷很久的，也有刷刷就走了的用戶，頻次、時(shí)長成了用戶這時(shí)候最大的特征差異。

那么不同頻次、不同時(shí)長的用戶，他們的年齡、性別、地域有什么差異？這些都是特征的進(jìn)一步洞察。

再過一段時(shí)間，有用戶留存有用戶流失，需要去分析留存和流失的用戶在行為特征上的差異是否有什么特別不一樣的。

2. 運(yùn)營抓手離不開用戶特征

除了尋找目標(biāo)用戶，當(dāng)我們分析出了我們的主流用戶的特征以后，比如18-24歲的3線城市，我們就可以對這一部分群體進(jìn)行拉新，提高我們的新增用戶；

當(dāng)我們發(fā)現(xiàn)我們的活躍的用戶，都是在最開始刷的五分鐘內(nèi)收藏了至少一次，那么我們就可以針對這些收藏的視頻的特點(diǎn)，通過運(yùn)營的方式給用戶挑選跟這些視頻類似的視頻進(jìn)行人工運(yùn)營；

當(dāng)我們需要通過運(yùn)營的手段對流失的用戶進(jìn)行干預(yù)的話，我們就需要知道比如我們流失的用戶是因?yàn)榱魇е翱吹囊曨l數(shù)少、視頻時(shí)長小，那就可以通過運(yùn)營活躍比如看視頻領(lǐng)紅包，這也是微視的打法。

3. 用戶分層和用戶特征息息相關(guān)

就像生活中人有長相、性格、學(xué)歷、財(cái)富的差別一樣，同樣都是用抖音的用戶，他們肯定擁有不同的粉絲數(shù)、不同的點(diǎn)贊數(shù)、不同的評論、不同的觀看的時(shí)長偏好。那么對于每一類群體，我們都需要去告訴產(chǎn)品每一種的類別的占比。

同樣的，都是在抖音上變現(xiàn)的用戶，也會(huì)有變現(xiàn)的頻次和變現(xiàn)的收入水平的差異。只有對這些的用戶進(jìn)行收入相關(guān)的特征分析，才可以對每一種用戶群體的到底有多少給出回答。

我想抖音應(yīng)該不需要有很強(qiáng)的馬太效應(yīng)，最好的是短視頻時(shí)代，人人都可以變現(xiàn)。

二、用戶特征分析的方法

1. 用戶畫像分析法

用戶畫像一般按業(yè)務(wù)屬性劃分多個(gè)類別模塊：除了常見的人口統(tǒng)計(jì)、社會(huì)屬性外，還有用戶消費(fèi)畫像、用戶行為畫像，用戶興趣畫像等。

人口屬性和行為特征是大部分互聯(lián)網(wǎng)公司做用戶畫像時(shí)會(huì)包含：人口屬性主要指用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業(yè)和職業(yè)等。

行為特征主要包含：活躍度、忠誠度等指標(biāo)。

1）以內(nèi)容為主的媒體或閱讀類網(wǎng)站、搜索引擎或通用導(dǎo)航類網(wǎng)站，往往會(huì)提取用戶對瀏覽內(nèi)容的興趣特征

比如：體育類、娛樂類、美食類、理財(cái)類、旅游類、房產(chǎn)類、汽車類等等。

2）社交網(wǎng)站的用戶畫像也會(huì)提取用戶的社交網(wǎng)絡(luò)

從中可以發(fā)現(xiàn)關(guān)系緊密的用戶群和在社群中起到意見領(lǐng)袖作用的明星節(jié)點(diǎn)。

3）電商購物網(wǎng)站的用戶畫像，一般會(huì)提取用戶的網(wǎng)購興趣和消費(fèi)能力等指標(biāo)

網(wǎng)購興趣主要指用戶在網(wǎng)購時(shí)的類目偏好，比如服飾類、箱包類、居家類、母嬰類、洗護(hù)類、飲食類等。

消費(fèi)能力指用戶的購買力，如果做得足夠細(xì)致，可以把用戶的實(shí)際消費(fèi)水平和在每個(gè)類目的心理消費(fèi)水平區(qū)分開，分別建立特征緯度。

4）像金融領(lǐng)域還會(huì)有風(fēng)險(xiǎn)畫像，包括征信、違約、洗錢、還款能力、保險(xiǎn)黑名單等

另外還可以加上用戶的環(huán)境屬性，比如當(dāng)前時(shí)間、訪問地點(diǎn)LBS特征、當(dāng)?shù)靥鞖?、?jié)假日情況等。

當(dāng)然，對于特定的網(wǎng)站或App，肯定又有特殊關(guān)注的用戶維度，就需要把這些維度做到更加細(xì)化，從而能給用戶提供更精準(zhǔn)的個(gè)性化服務(wù)和內(nèi)容。

2. 聚類的方法

這個(gè)就是通過kmeans 聚類的方法對用戶的行為進(jìn)行聚類。

比如針對用戶在淘寶上買東西的頻次、價(jià)格、刷淘寶的時(shí)長，可以進(jìn)行聚類分析，就可以將淘寶的用戶劃分為以下五種用戶，然后再對這五種用戶進(jìn)行年齡和愛好等特征分析：

3. 監(jiān)督模型

特征分析中還會(huì)使用像決策樹這樣的容易解釋的監(jiān)督模型，為什么是決策樹？

舉個(gè)例子：

假如我們有一個(gè)用戶流失分析的目標(biāo)為：根據(jù)用戶近35天訪問行為包括用戶訪問次數(shù)、訪問天數(shù)、訪問時(shí)長等，預(yù)測有流失傾向的用戶。

另外，用戶下單、付費(fèi)等消費(fèi)行為可做為用戶對平臺忠誠度的重要參考指標(biāo)。建立有流失和非流失用戶構(gòu)成的建模樣本，并對流失和非流失用戶分別打上‘1’和‘0’標(biāo)簽。

根據(jù)模型可知：在一個(gè)流失周期內(nèi)，用戶的訪問時(shí)長小于等于50.5，訪問頁面數(shù)小于等于20.5，并且付費(fèi)金額小于70.5；那么此用戶有流失的風(fēng)險(xiǎn)，也就是刻畫出了流失用戶的特征。

本文由 @陳友洋? 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可，禁止轉(zhuǎn)載

題圖來自 Pexels，基于CC0協(xié)議