大數據 如何用大數據實現用戶價值的最大化

大數據中的用戶分析

首先，我們為什么要去做用戶分析？面臨繁瑣的數據之中，需要做什么分析？怎么去提取數據？在建立用戶畫像模型的過程中，區分用戶特征的關鍵點是什么？應該從哪些方面去尋找用戶的特征？其實這個問題擴大化以后需要解決的本質問題就是在拿到用戶數據之后，如何去經營分析。

對于海量的用戶數據來說，最根本的問題應該是從實際中出來，根據解決不同的問題來提取不同的數據，用不同的數據去搭建模型，來進行一系列的運算。對于產品的生產，無論是互聯網產品還是實際上的產品，都會面臨一個嚴重的問題，就是如何進行用戶體驗的優化。用戶如何用產品，我們需要的數據就是用戶使用數據。

而對于一些利用用戶數據做營銷的時候，我們想去用的就是行為數據。讓我們能夠更多的了解用戶。他在什么地方出現，喜歡什么樣的東西，要做什么事情。這時候我們就需要再用戶的生活行為數據找那個抓取我所需要的東西。對于這些數據的使用，我們首先要制作一個數據集。然后拿數據集去進行模型的搭建和預審的運算。最終得出一個可以支持我自己進行決策的結論。

在大數據時代之前，有很多的網站他們就是互聯網廠商，已經對用戶數據的使用非常嫻熟。而現在移動互聯來了，用戶多了，就會產生更多的用戶數據，留在移動互聯的平臺上。那么從整體數據使用來看，我們還是可以區分的。無論數據使多么龐大，是什么樣的維度，對于用戶數據的使用目的不會發生太大的變化。

當我拿到用戶數據以后，測算體系已經完善了。就能夠做一系列的對內、對外的數據使用。對內是進行產品的完善，提升用戶體驗。產品完善分為兩個部分，首先是對業務運營的監管。第二是對用戶體驗的優化。

對于業務運營監控預計用戶的體驗優化，使用的數據使完全不一樣的。對于業務運營的監控來說，我需要的是用戶在我的產品上使用的時長、頻次等。這些數據才有意義。

用用戶數據說話也不僅僅是做對內的服務，對外的服務也需要用戶的數據去做支撐。對外的服務主要包括的方向就是去進行一些信息化的營銷和數據服務。

對于精細化營銷來說，移動互聯時代，所有的App都在移動互聯上。也就是說，所有的App都是屬于一個媒體?，F在也有很多人都在說媒體已經死了，開始轉做一些外延的社區了、但是，媒體的定義應該是信息溝通的平臺，這樣的平臺才叫做媒體。

為什么提到媒體？因為對于營銷而言，媒體形式非常突出。當我們在給一個App做定義的時候，它就有了媒體屬性。那么我們才能夠真正的去做營銷。做營銷的時候，我們需要了解到這個平臺上的用戶到底是什么樣的人。我們現在提到的精準化營銷無非就是給用戶打上一些列的標簽，進行分類，然后進行精準的推送。

2基于體系外部數據的用戶畫像

對于用戶畫像來說，它包括兩部分。第一部分是用戶行為畫像。第二部分是用戶心理畫像。對于用戶的行為畫像，需要去給用戶進行一系列的標簽化處理。還想來說的話哦那么呃它是需要去。給用戶去進行一系列的這種表象化的處理??！彪說用戶在。比如用打車類應用的人群，我就直接把它定義成打車類的人群。對于用戶的心理畫像，就是一些標簽的運算了。我如何去進行標簽化的運算，然后用這個標簽去影射用戶的心理，這目前還在發展之中。

那么問題來了，用戶標簽是不是固定的？用戶的標簽不是固定的，有的人喜歡去旅游，有的人喜歡去遠足，有的人喜歡騎行。這個是通過一些數據是可以判定得到的。甚至包括他平時喜歡去看新聞還是八卦，都是可以得到的。

但是也存在一個問題。舉個例子。如果這個人看新聞咨詢，今天看的是武器裝備類的新聞，明天看的是古代歷史分析的文章。如果是機器打標簽，可能會給他打上一個軍隊愛好者和歷史愛好者的標簽。但是其實他就是一個喜歡軍事的人。我們在進行標簽處理的時候，標簽劃分的比較細，沒有對用戶的心理進行分析。

所以這種情況下，對于這個人自己的心理標簽是沒有打上去的。這種情況下，你自己打的標簽或者是你運算出來的數據，是有很大的缺失的。我做用戶畫像，其實就是去給他打標簽。希望能更加精準的、更加有個性的去推薦。但是這種推薦，是一門技術。這種技術并不能夠讓用戶感知到。用戶所感知到的是你在這個技術的基礎上的創意。

這種創意才是你和用戶去進行溝通的最直接的工具，最能夠貼近用戶。我們現在做精細化推送，最重要的是如何吸引用戶。如何去和用戶去溝通起來，互動起來，這才是創意最根本的。

剛才說的是用戶的數據能做什么，現在我們來看一下用戶數據的構成。用戶數據是怎么產生的呢？只要觸網就會產生數據大家都知道。那么另一塊就是從我們的PPT來看，我們經常會忽略一些數據。那我們現在把整個用戶數據分為體系外和體系內的數據。體系內的數據，指的是一個用戶在一個網站或者在一個App上的使用行為。比如一個用戶在微信上的行為。體系外的用戶行為主要是用戶在離開App以后，他的行為是什么樣的。

那么我們就以微信為例，每一個人都在用微信。但是并不是說你只要上移動互聯，你就會在微信里呆著，雖然微信很想去做成一個大大的生態系統，但是用戶還是不會把所有的時間都放在微信上。這個時候就有問題了，當這個用戶離開微信以后去了什么地方？這個才是我們所需要去更加關心的。比如說這個人他在微信里面喜歡去看一些理財的信息，但是當他離開微信以后他并沒有使用理財的App。那么這個時候，我們其實可以把他定義成能夠成為一個理財愛好者。但是他并不是一個真正的理財者。

所以我們只是從體系內的數據去判斷用戶，是遠遠不夠的。比如在新聞客戶端去進行廣告投放，依據一般都是用戶在新聞客戶端上都會看什么咨詢。比如今日頭條。今日頭條現在的用戶滲透率非常的高。對于今日頭條來說，他是通過一些算法把用戶喜歡的信息推送給用戶的。這是沒有問題的，那么問題在哪？

問題在于今日頭條給你贈送的這個東西是你喜歡的。那么當他在去給你推送一些廣告的時候是不是你需要的？這個就是一個問題了。一些女孩子喜歡看明星的東西。這時候今日頭條可能會把這個明星代言的商品去推送給她。但是其實她只是喜歡看一些八卦類的消息。她更多的行為是在外出旅游。這個時候你把化妝品、家居用品推送給她顯然是不合適的。

但是如果你把掌握住了她出去旅游的數據，又拿到了她喜歡的明星的數據。二者結合，你就完全可以去給他推薦一些比如防曬霜、戶外化妝品的廣告。這時候肯定是女孩子想要的。從一個渠道獲取數據，通常會形成孤島。就只能把各種信息孤島去進行打通以后，才能夠真正的、全面的去把這個用戶進行畫像。

我們現在提到的這個話題，非常強調體系外的數據的力量。因為體系外的數據是真正的反應了一個用戶自己的一個生活形態。這才是真正的用數據說話。這就是我們現在提到“5W+1H”，這完全可以夠了出一個完整的用戶畫像。

3如何使用用戶數據？（以互聯網產品為主）

4問答部分：

（1）在建立用戶畫像模型的過程中，區分用戶特征的關鍵點是什么? 應該從哪些方面去尋找用戶特征？

其實區分用戶特征的關鍵點并不在于我們用什么樣的數據，要去做什么樣的模型兒關鍵點在于我們到底用用戶畫像分析出來的東西，是為什么去服務？我們去做用戶畫像的目的是什么，才是最重要的。如果你要去做運營，你才能從做好的用戶畫像里找到你需要的核心數據。用戶的使用時長、跳轉的評測等等一系列這樣的數據。

（2）用戶畫像如何驗證準確性？正向用戶畫像（即把數據歸納成分類標簽）相信很多文章與技術提過了，但我們在實踐中發現很難反向驗證（確認歸納的標簽直的是這樣）。所以我想問有沒些可操作性強的驗證方法？

文章與技術提過了，但我們在實踐中發現很難反向驗證（確認歸納的標簽直的是這樣）。所以我想問有沒些可操作性強的驗證方法？

還是同樣如此，驗證用戶畫像的準確性就是驗證用戶標簽的準確性。目前來說有兩種方法。第一種方法是你繼續進行廣告投放，去看這個用戶的查看率是否有變化。如果投放非常準確，說明用戶畫像或者標簽打的就非常準確。如果是你的這種投放出現了一些問題，那可能就還需要進行標簽的改進。第一種方法其實就是便簽的運算方式和方法。

那么對于標簽來說，如果方法計算的模型是非常合理的，能夠通過便簽去把用戶的需求和價值觀挖掘出來，就說明你的標簽非常準確。反之，牛給用戶打的標簽就是有問題的。反向去進行驗證是非常困難的。就是去反問你打標簽的理由是什么？比如我去使用滴滴打車，那么我就一個打車用戶，這是一個既定事實，完全不需要反向驗證了。除非你對于標簽的一些感性的認知去進行分析出來以后，才能進行反向驗證。

（3）如何衡量一個社區型網站的用戶數及其商業價值之間的關系？有沒有一些相對普適的計算模型可供參考？

對于社區來說，目前沒有一個普適的計算模型的。更多的是看用戶在這個社區里面自己的一個關系鏈以及他自己的活性。這種商業價值其實是一個社區或者說一個社區型網站自己的一個戰略。當一個用戶在這個社區里面行為非常多，非常豐富，路徑也非常長，那、這個時候基本上在每一個節點都有一些商業化的機會。當你把它的每個節點都去進行商業化，那它的商業價值就會挖掘出來。

但如果你對用戶的路徑非常短。而且這個用戶的關系網搭的并不是很廣很大，尤其是這種社區網站來說是有問題的。所以說更多的需要去看這個網站里用戶的行為和他對于營銷的一些行為，對于營銷活動的一些行為和他自己在網站里面的一些行為之間的關聯強度。通過這種關聯性的計算，能夠去得到對于某網站的營銷價值的測評。但是就整個領域而言是沒有一個普適的計算模型的。