目标客户画像_数据运营实战(一):细分目标人群,结合用户画像的实践
作为产品、运营或者数据分析师,在实际问题处理时,就需要做归因分析,需要屏蔽其他因子的干扰,因此我们常常使用用户分群。
数据分析对于运营来说是一个数据抽象的过程。现实情况是连续的、复杂的、互相影响的,而数据抽象的过程,就是将这些复杂多变的现实情况简化为数字量,搭建数据模型,计算相关因子,推断事件归因,并推进自身改进优化。
由于现实的复杂性,我们作为产品、运营或者数据分析师,在实际问题处理时,就需要做归因分析,需要屏蔽其他因子的干扰,因此我们常常使用用户分群。
分群后,我们的用户群可能简化为:
在每一个分群下,我们可以简化地对比某个因素对关键路径或者关键指标的影响因素。分群是手段,是工具,简单来说,分群分析就是通过聚类的方式,把相似的人群合并,考察同一事件或同一指标在不同人群上的表现,以推断并定位对该事件/指标有明显影响的因子。
我们将用户精细分群与用户画像结合起来,助力精益化运营的深度与精度。
那么,用户分群与用户画像如何结合使用?接下来,我们举个App案例进行说明:
某电商App,现在面临的问题是用户成交量较低,与投放推广的成本相比,ROI较低。
这个问题,我们应该如何分析?
首先,我们想看看成交的这部分用户与大盘用户之间有什么区别。我们在用户中选出成交的用户,建立用户群对比大盘用户。
这里,我们需要使用MTA自定义事件。设置“付款成功”为一个自定义事件,然后使用MTA中的用户分群功能,将自定义事件中满足“付款成功”的用户群筛选出来,命名为“成交用户”;我们还可以设置一个叫做“高价值用户”的用户群,将“付款成功”且付款金额>=100的用户筛选出来。
此处定义高价值用户为成交单价>100元的用户。
1、用户分群分析
得到了三个用户群之后,我们使用数据分析工具,比如腾讯移动分析MTA,对比这三个用户群特点间的区别。以下为三个用户群特征的对比:
从图中我们可以发现,大盘用户中男性较多,但实际成单与高价值用户中,都是女性偏多,且此部分用户对购物类App、金融类App的兴趣要明显高于大盘用户,表现出了较强的消费能力。
现在我们的问题是投放回报率较低,ROI不符合预期。
那么,我们可以初步判断,可以优化的有以下两个方向:
用户引流渠道可能有问题,需要调整渠道引流策略,包括渠道选择、人群针对性优化等,引入与消费行为匹配的新用户群,提高销售量;
商品定位的调整:现有产品对男性的吸引力不足,导致大量大盘用户并没促成成单,这也是导致ROI较低的另一方面原因,可能需要调整的包括商品品类、商品推荐等;
其中,第一种优化方式的见效周期较短,而第二种调整方式相对影响层面较大、周期较长。我们优先实践第一种优化方式,以调整渠道引入流量为主,优化引入人群的匹配程度,实现提高ROI的目标。后续还需要斟酌是否需要优化产品定位,比如打造针对男性的亮点频道,进行产品改善迭代。
2、渠道优化策略
那么,渠道应该如何做改善?我们先对单周渠道引入量的数据,进行初步评估。
成交率数值应用的是漏斗模型的渠道筛选功能
此处渠道只列了5支较典型的渠道样本数据,实际渠道分布更多
从图表上看,我们当前主要的流量渠道是渠道D与渠道E,而且渠道D的留存率很高,可以认为是我们的优质渠道。
但从成交上看,我们认为渠道A其实有很大的潜力,虽然现在的引入量较小,但与成交人群重合度较高,考虑到A渠道的获客成本低于渠道D,加大投放之后很可能会有一个不错的收益,能够实现我们提高ROI的目标。
3、渠道人群画像验证
我们对渠道人群A进行画像分析,女性比例高达62.36%,其用户群对购物类App的兴趣也高于大盘用户,与我们高价值人群特征匹配度较高。
现在渠道A给我们带来的流量还比较小,但由于其渠道收益上ROI比例较高,且其群体画像与我们高价值用户的画像吻合度高,表现出了很高的投放潜力。
我们的改善方法是:调整渠道投放的比例,减少渠道B、渠道C的投放,增强渠道A的投放,以周为单位,迭代优化渠道投放效果,并监测ROI的变动。
4、渠道投放优化效果
在投放一周后,对新增用户有了增长,我们临时决议再次加大渠道A的投放比例。这里是一个月的时间周期内,我们的新增用户数在渠道上的分布有了显著变化。
优化投放渠道前后,购买转化漏斗转化率的改变:
由于渠道A的平均客单价约是渠道D的1/2~1/3,我们的投入产出比例得到了优化。这主要依赖于通过数据分析找到了优质低价的渠道,降低了获客成本。
那么这个转化漏斗中,是否还有其他优化的空间?我们还能做什么改善?
请关注我们下周的案例分享《数据运营实战(二)》。
本文由 @腾讯大数据 原创发布于人人都是产品经理。未经许可,禁止转载。
给作者打赏,鼓励TA抓紧创作!赞赏
8人打赏
目标客户画像_数据运营实战(一):细分目标人群,结合用户画像的实践相关推荐
- 展示 用户画像_案例分析:如何建立一个产品的用户画像?
豌豆荚一直通过绘制用户画像( Persona )来帮助团队更好地理解用户的特征和行为,从而更准确地判断他们面临的问题和真正的痛点. 更重要的是:Persona 把抽象的用户变成了一个个具体的人,当我们 ...
- 【业界实战】小米大数据总监司马云瑞详解小米用户画像的演进及应用解读
原文链接:https://mp.weixin.qq.com/s/95Zklj8ovheQV3Gnc-2h-Q 亮点: "这里以性别预测为例,一方面,小米有大量的帐号/手环/支付/VIP数据, ...
- 数据中台 画像标签_数据中台实战:如何通过标签平台圈出产品高价值用户?...
这是我的好朋友华仔的文章,华仔是<数据中台实战>的作者,曾任职科大讯飞,现在是富力环球商品贸易港数据中台的产品负责人,他的公众号:改变世界的产品经理 写了很多有关数据中台.产品经理相关的原 ...
- 美团 R 语言数据运营实战
一.引言 近年来,随着分布式数据处理技术的不断革新,Hive.Spark.Kylin.Impala.Presto 等工具不断推陈出新,对大数据集合的计算和存储成为现实,数据仓库/商业分析部门日益成为各 ...
- 如何进行市场细分并初步绘制用户画像?
转载自:https://zhuanlan.zhihu.com/p/61012460 市场细分概述 市场细分( Market Segmentation) 的概念是美国市场学家温德尔·史密斯(Wendel ...
- 神策数据:打造趁手好用的标签用户画像系统(附PPT下载链接)
本文根据神策数据产品总监杜明翰在<用户个性化运营-标签体系搭建新机遇>主题沙龙中演讲整理所得. 配套PPT已收录到小程序省时查报告中,大家可以到小程序中查看并下载PPT全文. 关于标签体系 ...
- 《十周成为数据分析师》笔记——业务线 第五节 用户画像体系
项目二 亚马逊平台入驻商订单报表分析 1.互联网电商平台入驻商数据分析的一般思路 (1)获取数据 (2)分析业务需求 (3)产生数据结果 2.亚马逊平台入驻商相关数据 3.入驻商用户画像体系介绍 (1 ...
- 数据中台:基于标签体系的360°用户画像
作者丨石秀峰 全文共6375个字,建议阅读需18分钟 一.从"标签"说起 标签是用来标志您的产品目标和分类或内容,像是您给您的目标确定的关键字词,便于您自己和他人查找和定位自己目标 ...
- python用户画像_新闻个性化推荐系统源码之构建离线用户和文章特征
我们完成了文章画像和用户画像的构建,画像数据主要是提供给召回阶段的各种召回算法使用.接下来,我们还要为排序阶段的各种排序模型做数据准备,通过特征工程将画像数据进一步加工为特征数据,以供排序模型直接使用 ...
- 用户使用报告_分享短视频最新2020年抖音用户画像报告
今天给大家分享2020年抖音用户画像报告-巨量算数. 时间周期:本报告数据均采集于2020年1月(除特别说明外) 数据来源:第三方数据取自"QuestMoblie",内部数据取自& ...
最新文章
- LLVM与Clang编译图例
- EL:谁说N素含量高就不固氮了(本研究反而“多多益善”)
- 比特币的扩容问题:千军万马过独木桥!
- 快手在直播间里养起了AI宠物,连柳岩、大鹏都爱不释手
- VTK:阴影灯用法实战
- 金蝶云系统显示服务器离线,金蝶云服务器已离线是什么情况
- 将AX寄存器中的16位数据分成4组(从高到低),每组4位,然后把这4组数作为数当中的低4位分别放在AL,BL,CL,DL中。
- java中对map使用entrySet循环
- 计算机语言无限循环,求大神帮我看看为什么我的子程序无限循环无法使用F8停止...
- linux top 命令可视化_linux性能监控:CPU监控命令之top命令
- matlab离散点包络,求大神指点绘制空间内散点图的包络面,,,散点程序如下
- P3373 线段树2(多重标记线段树)题解
- android真机调试
- 记录一次httpClient下载文件的坑
- 企业进销存管理系统(二)
- 在Ubuntu上安装D-link DWA-131驱动
- 模型中出现欠拟合与过拟合的应对策略
- hiveserver2启动后beeline无法连接:root is not allowed to impersonate hah
- Windows中Redis的下载安装与修改密码并启动
- form表单提交既有文字也有图片的情况下,增加enctype属性