用户画像体系规划

用户画像体系规划

最主要的是把握一个中心,一条主线。

• 以经济建设为中心

  • 建立用户画像体系本质上是要服务商业活动,需要秉持“降本提效创收”的基本准则

• 产品研发的基本流程主线

  • 建立画像体系在实施层面,本质上是一个产品化的过程,因此用户画像体系的搭建符合产品研发的基本套路,分为需求阶段、画像产品规划阶段画像产品设计阶段、开发测试阶段、运营阶段5大阶段。

用户画像体系建设流程

1.需求阶段:注重内外相,把握3个要点

1.1明确业务的需求是什么,为什么要搭画像体系,打算怎么用?

标签体系建设

• 问题

  • 业务层面

    • 先看目前最重要的目标是什么,目标的可行性,现有数据分析;再看为实现这些目标需要做哪些举措,之前是怎么做的,现在怎么做?对应着这些举措下需要什么数据支持?

  • 数据层面

    • 先看数据采集层面有哪些数据,数据分别从哪来?如何做好标签计算?标签上线后如何监测?标签下线规则?

• 标签构建流程

第一阶段:需求阶段

1.需求采集

• 定量

  • 发放调研问卷的形式,广泛采集业务需求

• 定性

  • 进行用户访谈,深度挖掘业务应用场景和核心需求。

  • 而由于数据中台部门并不是面向C端用户,而是面向内部各大业务应用方,发放调研问卷的方式执行难度很大,通常前期会采用用户访谈的方式,先小范围的采集核心用户的需求。

    

  • 注意

    • 1.快速了解各方业务,完成初版标签系统性建设目标的设定
    • 2.做好调研计划,明确每个阶段的输入输出,可能的困难和风险
    • 3.领导先行,从上至下进行推动
    • 4.站在业务方角度思考标签价值点,找到双方最佳的固队协作平衡点
    • 5.制定需求采集模板,引导业务方输出想要的结果

    

2.需求分析

• 明确用户类型、需求场景、期望,接下来需要进一步挖掘和提炼用户需求,解决用户痛点问题,井把用户需求转化为标签数据需求。

• 通常数据需求是整体解决方案的方案中的一环,这也是我们常说的是数据用于辅助决策的原因

• 对于业务方提出的问题,需要符合 smart法则,即具体的 specific、可衡量 measurable、可实现 attainable、相关的 relevant、时限性time- based。

  例如

  • 业务方初始设定的目标为,提升未签约用户的再召回率1%。
  • 策略及推送频次:对超时、核销的用户,通过蹄选不同城市、渠道、跟进次数,进行差异化召回,每周1次。
  • 漏洞百出

  

第二阶段:规划设计阶段

1.标签规划

• 有了标签建设全阶段的规划, 可以更容易得到公司资源的支持,也能够帮助团队达成共识目标,在工作中有方向不迷茫, 提升团队成员的个人价值感,提升整体团队凝聚力。

• 

  建设过程中有如下几个要点

  • 1.需要平衡好系统建设和业务需要之间的关系
  • 2.建设好底层数据集市
  • 3.与领导和业务方达成阶段性版本规划共识,避免返工

2.标签设计阶段

• 明确建设目标

  • 系统性建设目标
  • 业务建设目标

• 标签的架构设计

  • 业务架构、产品架构、数据架构设计,塑造全局观。

• 建设ID体系

  • 通常需要维护一个ID映射库,用手机号、IMEI等来标识其为同一用户。

• 标签规则设计

  • 标签层级设计,标签业务含义的确定,标签取数逻辑确定。

• 标签分为

  统计类标签、规则类标签、算法类标签,通常统计类标签较为简单,又称为事实标签,是事实数据的呈现;规则类和算法类标签较为复杂,通常需要数据分析师与算法工程师协同来进行确定。

第三阶段:标签研发阶段

关注标签宽表中需要有哪些字段,标签的细致取数逻辑,取自哪个库下的哪个表,字段代表的值取哪几个状态。

• 常见的业务表会存 staus=ycz、dzz、yjiy.这样的数据字段

  • 那对于开发测试而言,他们通常对业务了解较少,无法主观做出判断取哪些状态。所以数据产品在标签设计阶段需要了解,业务上会有哪些状态,最好是能够将数据的取值给罗列出来。

• 测试

  • 会比较关注测哪些库,研发的取数跟产品设计是否一致,取值含义等。

第四阶段:运营阶段

数据产品在整个过程中都需要不断思考标签可能的应用,如做个性化推荐、对接到画像系统中、push和短信推送、建设用户行为分析系统等等。

1.2盘点清楚底层的数据,清晰的知道跟用户相关的数据渠道来源有哪些,落在哪些表里?有哪些数据分类

快速盘点业务及数据需求

1.盘点业务和数据现状

1.业务层面

通过对用户生命周期的划分,对导入期、成长期、成熟期、沉默流失用户进行分层,制定初步的运菅策略设想。

• 运用AARRR增长模型,梳理在拉新、促活、留存、裂变等阶段可能的策略和所需标签。

  

2.数据层面

• 数据质量
• 迂回战术,并进行借力,梳理好标签需求后让业务方作为中间人协调所需库表

2.确定标签建设目标

• 系统性目标

  调研市面上龙头企业标签体系建设方法,如阿里的达摩盘、数据银行等,了解清楚标签常见的建设方式、建设规则、主要应用,并结合公司的数据现状,设定标签建设系统性目标。

• 业务目标

  通过前期对业务的了解,包含不同的业务方的业务目标、标准工作流、工作中所使用的具体的策略等,设定初步业务目标。

• 标签构建

• 找准定位

  分析公司处于生命周期的哪个阶段,当前最重要的目标是什么,找到第一关键指标;

• 以点到面

  根据产品、运营、市场、客服、风控等部门的KPI/目标,以及为实现目标所采取的策略,进行分析,可得到一系列的结果/过程指标。

• 层层剖析

  分级法对指标进行层层剖析,过程中可结合第一关键指标法、OSM模型来确定指标。

  

• 见招拆招

  在实际业务过程中,可以根据产品、运营人员的需要,再继续往下细分,选择相对应的分析模型。

3.制定调研计划

1.需求层面

• 需求=期待-现状

2.实现层面

• 标签定义是否符合标准规范?标签的业务含义是什么?对应取的哪些数?哪些表？数据分布的趋势如何?有哪些数据状态?

3.监测运菅层面

• 如何衡量数据效果? A/B测试方案是什么?上线后,使用人是谁? 多少人?使用频次如何?

4.选择关键业务方

• 选取核心业务流程上的关键人进行调研
• 协同多部门配合,是每个数据产品都逃不开的命题,里边坑及门道众多。用户邀请时,通常是领导先行,从上而下进行推动,先跟领导说明清楚调研的目标、范围、方案,借力领导来协调各方资源;
• 然后跟对方领导表明目的,说明重要性,顾及双方利益,达成共赢,通常这时对方领导就会指派一个执行者进行跟进;最后与对接人约定调研时间、说明讨论的流程、内容。

5.深入访谈

• 与业务方沟通过程中,既要基于业务需求,又要高于业务需求。

  访谈过程中需引导着业务方绘制关键业务流,聊清楚更具体的销售运菅策略,数据监测效果。可引导业务方填写自己事先准备的模板。

6.汇总至需求池

• 将零散的需求,统一维护在需求池中,准备开启数据需求分析阶段。

• 放眼外界,看市面上优秀的画像产品是如何搭建的?整个画像体系有哪几个常用模块?每模块的建设过程是怎样的?

  • 阿里/网易/美团/58用户画像中的ID体系建设
  • 如何构建用户画像系统
  • 阿里/网易/汽车之家画像标签体系

• 需求调研清楚后,你的脑子里对整个画像体系也就有了基础的认识,再结合公司的实际情况进行分析,因地制宜,来制定下一步的产品规划。

2.产品规划段:一头一尾两手抓,把握整体架构,制定执行计划。

头抓整体规划,包含业务架构和产品架构。一尾抓落地计划,包含产品阶段性计划,人员配合流程。

2.1整体规划,绘制蓝图,包含自上而下来梳理业务架构、以及自下而上来梳理产品架构。

业务架构

从框架层来看,梳理清晰的业务架构,有助于帮助产品经理清晰的了解用户有哪些,解決了用户什么问题?产品的价值,产品的功能优先级?以及要做成这个产品需要哪些资源投入?

“六层次”方法

整个业务框架围绕着两方面展开,一方面是用户需求,用户在什么场景下使用画像服务,解決了什么问题,或是说给用户带来了哪些价值;另一方面是画像产品实现,要实现该画像产品服务需要哪些资源,需要哪些部门协同配合。

• 1.用户场景价值层

  明确目标用户,清晰地知道画像体系设计出来后给谁用,通常画像体系的目标用户有精准营销人员、产品经理、搜索推荐产研、用户运营人员、客服人员等。用户画像体系的应用场景上包含精准广告投放、智能运营、个性化推荐等

  • a.精准广告投放

    • 可以精准触达目标用户,提升广告点击到激活转化率,降低广告投放成本

  • b.智能运营

    • 其中端内触达人群,可采用个性化推荐的方式;端外触达可采用push/ 短信推送的方式。
    • 运营结合市场、渠道、用户行为,对用户展开有针对性的运活动

  • c.个性化推荐

    • 通过个推用户画像中的性别、年龄段、兴趣爱好、浏览购买行为等标签给用户推荐不同的内容。

• 2.产品运营资源层

  • a.产品/服务层

    梳理清楚了用户在哪些场景使用画像产品，那画像能提供的核心功能也就十分清晰了，其核心在于数据采集、用户ID标识、标签体系、画像系统。

  • b.运营管理层

    而要实现这个庞大的画像体系，需要多方协作完成。在组织层面，包含产研团队、运营团队；在绩效层面，需要对清楚组织的绩效目标，多方协作发力；在系统层面，列举出画像体系相关联的系统；在流程层面，需考虑整体研发流程，画像体系与其他业务业务系统的对接流程.

  • c.资源层

    考虑到哪些人来做，服务器资源成本，是否需要购买第三方数据等。

产品架构

注重于落地,自下而上盘点清楚数据现状来搭建用户画像体系,以满足核心业务场景的需要。包含数据采集、ETL数据预处理、数据分析与挖掘、画像系统建设、应用层面。

1.数据采集层

数据采集讲究大而全:要想更全面的描绘用户画像,则需要想法设法采集用户相关的所有数据

• a.业务数据

  • 伴随着业务产生,包含用户的基础信息,在平台上的购买业务数据、评价数据等

• b.埋点行为数据

  • 通过埋点的方式,采集到的一些行为数据,如浏览、点击、停留时长等

• c.日志数据

  • 一般是Web端日志记录的数据

• d.第三方数据

  • 第三方数据,如个推数据等,来进一步丰富标签画像

2.数据预处理

• 对一些不符合标准的数据进行清洗、转换,得到标准数据

3.数据分析与挖掘

• a.统一用户ID标识

  • 这个过程他登录了不同的账号,你怎么把这些行为关联到乔巴身上呢?

• b.用户档案

  • 前期可进行数仓主题层的建设,将与用户相关的表汇集在一起,建设一个用户集市,包含用户基础信息表、用户行为表、用户交易行为表等基础表

• c.标签建模

  • 不同类型的标签的计算,如事实类标签、规则类标签、预測类标签的计算

• d.标签宽表存储

  • 标签宽表存储主要为将标签数据統一落在几张大宽表中,如用户基础信息宽表、用户行为宽表、用户偏好宽表等。

4.服务层

描述清晰画像体系能对外提供的服务

• 业务服务

  • 包含画像系统需具备的能力

    • 画像看板、单用户画像、群体用户画像、相似性人群拓展、标签市场、人群洞察、标签管理如标签上下线以及标签的管理、权限管理等

• 系统服务

  • 接口服务,将用户分群以接口的形式对接至各个业务系统

2.2尾抓落地计划

制定切实可行的项目计划,梳理版本计划等,以申请相关资源。

版本计划

• 在制定版本计划的过程中既需要结合业务当前的需要,争取快准狠的在业务上有所应用
• 也需要考虑系统基础建设,如此才能走的更远

用户画像的版本计划可分阶段进行,设定每个版本,如V1.0、V2.0、V3.0的用户画像体系建设目标,迭代的时间计划。并依照二八原则,建设MVP版本,先推出一版,快速满足业务需要

项目计划

• 数据产品经理还是需要轻装上阵,把握好整体开发测试运莒节奏,接好每个关键的节点,这样才能最大限度的保护好自己的需求如期上线。

• 立项评审

  • 需要项目经理/数据产品经理输出立项PPT,主要包含业务背景需求描述业务架构、产品架构、产品版本计划、项目执行计划、所需资源情况等。

• 需求评审

  • 需要数据产品经理输出详细的需求说明文档,主要包含需求背景、产品流程、功能需求说明、数据需求说明、原型设计等

• 提测演示

  • 需要数据产品经理/前端演示开发完成的情况,演示前需要保障页面业务流程数据上报流程可以跑通,无重大问题方可提测,否则就打回继续开发。

• 产品发布

  • 需要相关运营同学输出运营计划,对外介绍产品功能,使用方式,收集用户反馈等

人员配合流程

搭建用户画像体系的产研人员主要包含,运营/业务产品经理、数据产品经理、数据分析师、数仓工程师、算法工程师、前端工程师、后端工程师、数据测试人员、功能测试人员。

• 运营/业务产品经理

  • 提出画像需求,说明清楚目标用户、场景及价值,提出明确的数据需求,包含所需的标签名、标签含乂及分段逻辑

• 数据产品经理

  • 分析业务方所提的需求,结合画像体系的整体考虑输出产品方案,并进行标签及画像系统的设计,输出功能及数据需求说明文档。特别注意的是,在进行标签设计时,需与运营/业务产品经理共同确定标签逻辑,在验收时也需与业务方协同验收

• 数仓/算法/前后端工程师

  • 数仓工程师主要负责数据仓库结构的设计,数据表设计,以及事实类、统计类标签的计算;算法工程师主要负责算法预测类标签的计算;前后端工程师主要负责画像系统功能层面的建设。

• 测试工程师

  • 主要负责系统功能层面的测试,以及标签数据层面的测试

3.产品设计阶段:清晰落地,把握流程规范,注重功能设计

4.开发测试阶段:规范作业

5.运营阶段:持续监控运莒效果