基于“用户画像”的精准营销策略研究
来源:用户上传
作者:
摘要：随着互联网信息技术的飞速发展，各类数据量激增，人们进入了大数据时代。为了在营销过程中追求竞争优势，电子商务企业开始出现了同类竞争和过度的广告趋势，这导致了营销成本上升和营销绩效下降等一系列问题。为了解决以上问题，电子商务企业应结合大数据对“用户画像”进行精准分析，在合理预测的前提下实施精准营销策略。
关键词：用户画像;大数据;精准营销
1.用户画像
用户画像概念最早由交互设计之父Alan Cooper提出即用户信息标签化。构建用户画像的核心任务是给用户贴“标签”，而标签是通过分析用户信息获得高度精练的特征标识。而实现用户画像，需要结合具体业务，制定出相应的标签数据集，通过对标签数据进行采集与分析。
2.用户画像构建
构建用户画像是为了还原用户信息，因此用户画像构建是以消费者数据为核心，通过网络大数据与计算机技术提取标准化用户标签信息，此过程涵盖基础数据收集、行为建模、构建用户画像、精准营销、反馈评估五个阶段。
第一，对消费者的网络行为数据，服务内行为数据，用户内容偏好数据和交易数据之类的基本数据执行消费者细分。第二，处理前一阶段收集的数据以对行为进行建模，以抽象出用户的事实标签。第三，基于网络大数据及计算机算法、模型，具体结合企业战略目标、数据情况、应用场景构造模型标签。第四，再次执行模型预测以获得预测标签。通过标记用户的基本属性、购买能力、行为特征、爱好、心理特征、社交网络等来构造用户画像预测标签，并制定精准营销策略。第五，通过交易数据和反馈信息，进行反馈评估精准营销策略，完善用户画像，以制定针对性的营销活动。
2.1数据获取
用户画像需要使用多维属性标签构建，并且通过数据提取来抽象用户信息。这些数据主要为静态信息数据、动态信息数据两大类，静态信息数据一般是一段时间内固定不变的用户信息，也是用户基础属性数据，比如性别、年龄等属性。动态信息数据是随时在改变的信息，包括用户的访问行为、交易行为、消费偏好等，在一定程度上反映了消费者的购买能力，交易频率等属性。
2.1.1用户属性数据
用户属性数据即静态信息数据，主要包括用户的自然属性、社会属性、生活形态、心理属性。在一定的时间范围内，几乎是不会变化的，比如性别、收入、学历等等，涉及人口或者其他属性，一般通过用户的注册就可直接获得。这类信息，自成标签，更多的是数据清洗工作。
2.1.2用户行为数据
用户行为数据即用户动态数据，是建立用户画像最重要的基础。用户行为数据需要在获取网站流量的基本数据下，确定不同场景下用户的不同访问轨迹，并对相关数据进行分析。 它主要包括场景、媒体、路径和购物行为的四个维度。场景主要包括访问平台，访问时间和访问频率。媒体是指用户在一定时间段内专门访问的媒体，以及浏览时间和频率。路径是用户进入和离开媒体的路径，主要是用户的站点和站点外部的行为;购物行为包括交易时间、数量、类别、评价反馈等，如图1所示。这些不断变化的用户行为数据，可以看作用户动态信息的主要来源。
2.2“用户画像”模型构建
当收集到用户行为标签之后，就可以对该用户画像进行模型构建。用户画像不是将所有标签一一罗列，而是需要根据数据源统计汇总以及分类，根据用户行为构建相应的数据模型产出标签和权重。每一次的用户行为，可以详细记录为什么用户在何时、何地、发生了什么事。权重表征指数，即用户的兴趣、偏好指数。在用户行为中，一般将用户近期发生的行为反映用户当下的特征，过往行为表现在标签权重上的衰减，即标签权重=时间衰减因子×行为权重×网址权重。通过数据算法，企业可以有效地覆盖到的用户打上标签，一种是基于用户的协同过滤算法，主要目的是找到和目标用户兴趣相似的用户集合，计算两个用户的兴趣相似度。如表1所示，用户A和C属于类似用户，因为用户C喜欢产品1/2/3，所以向用戶A推荐产品3。
另一种是基于物品的协同过滤算法，该算法是利用用户的历史行为给推荐结果提供推荐，是根据购买物品的相似度和用户的历史行为给用户生成推荐列表。如表2所示，产品1和3是属于类似的产品，产品1被ABC所喜爱，产品3是用户AB偏好的产品，此时可以预测用户C也喜欢这个产品，故将产品3推荐给用户C。但是在营销实践中，确定目标用户是首要任务，在构建“用户画像”过程中，数据挖掘分析会产生较大的干扰，因此“用户画像精准模型”是建立精准用户画像的前提，需要保证数据的丰富性、多样性、科学性。
3.基于“用户画像”的电子商务企业精准营销对策
3.1建立完善的精准营销体系
建立精准的电子商务营销体系需要依靠现代信息技术，以“用户画像”为基础的精准数据为核心，以“消费需求”为导向，为消费提供个性化服务，更准确的产品和更快的物流配送以提高忠诚度吸引新的消费者。另外，通过招募优秀的精准营销人才，吸取成功经验，培养精准营销人才。
3.2基于电商消费行为数据实施精准营销
用户画像是企业目标用户的真实写照，它在企业的不同决策过程中都发挥了作用。电子商务企业在实际运营中对内要完善产品运营，优化用户体验，提高服务质量。通过研究用户需求和消费者行为数据，能更准确地找到目标用户，在用户偏爱的渠道上进行内容投放，并及时进行交互以促进购买行为，实现精准获客。同时要设计制造更加适合用户的产品，提高企业的知名度和名誉度，培养忠诚客户。
3.3减少显性商品推荐，增加营销趣味性
随着移动互联网技术的应用，电商企业和客户互动沟通便利性进一步提高，但同时海量的信息让用户的关注度持续下降，电商企业应该更注重与消费者的交流沟通，了解消费者的需求，尽可能使繁杂的信息条理化、程序化、趣味化，以利于信息消化和吸收;减少显性且频繁的商品推荐。过度的商品推荐会引起消费者反感，影响购物体验。一方面，电商企业要提升数据挖掘技术能力，完善客户数据库，深入了解客户的需求，实现更加精准的商品推荐。另一方面，用优质的服务创立口碑，同时培养客户的忠诚度，让商品推荐的呈现形式适度且隐形化。
总结
本文主要阐述了用户画像及其构建逻辑，根据用户行为数据去构建数据模型，分析出用户画像标签以帮助电商企业精细化定位人群，挖掘潜在用户。归根到底，技术只是一种载体，它最终旨服务于企业基于用户的营销决策。用户画像像是一座桥梁，弥合企业与用户之间的信息鸿沟，利用大数据手段可以最大限度地挖掘并留住潜在用户，提高信息获取的效率，帮助企业更加直观地转化客户，让未来企业营销决策真正做到“有理有据”。
参考文献：
[1]谢康，吴记，肖静华.基于大数据平台的用户画像与用户行为分析[J].中国信息化，2018（03）：100-104.
[2]李维胜，蒋绪军.电子商务精准营销对策研究[J].开发研究，2013.
[3]葛晓鸣.基于“用户画像”模型构建的精准营销策略[J].经济管理研究，2019.
[4]冉蹬.基于用户画像的手机游戏用户个性化内容推荐研究[D].西安：西安理工大学，2018.
转载注明来源:https://www.xzbu.com/1/view-15214634.htm
