如何构建用户画像实现品牌营销

用户画像，又称人群画像，是根据客户人口统计学信息，社交关系，偏好习惯和消费行为等信息而抽象出来的标签化画像。

构建客户画像的核心工作即是给客户贴“标签”（犹如娱乐圈中明星的立人设）

标签由两部分组成：

1、根据客户的行为数据直接得到的

比如：用户在网站或者APP上主动填写的数据，严格一些平台会要求客户上传身份z、学生证、驾驶证等，这样的数据准确性较高。

2、通过一系列算法或规则挖掘得到

比如：一个用户最近开始购买母婴类商品，奶粉尿布等，那么可以根据客户购买的频次和数量，结合客户的年龄、性别推断是否为新妈妈/爸爸。

用户画像其实就是希望通过某些手段对用户做甄别，把他们分成彼此相同或不同的人群或个体，进而区别化提供服务进行观察分析。

用户画像的价值

1、精准营销

精准营销是用户画像或者标签最直接和有价值的应用。这部分也是广告部门最注重的工作内容。当我们给各个用户打上各种“标签”之后，广告主（店铺、商家）就可以通过标签圈定他们想要的客户，进行精准的广告投放。

2、助力产品

一个产品想要得到广泛的应用，受众分析必不可少。产品经理需要懂用户，所以用户画像能帮助产品经理透过客户行为表象看到客户深层的动机和心理。

3、行业报告

通过对客户画像的分析可以了解行业动态，比如90后人群的消费偏好趋势分析、高端客户青睐品牌分析、不同地域品类消费差异分析等等。

讲了这么多“干货”大家是不是有点蒙圈了呢...下面我们看个简单的案例来帮助大家更好地理解。

场景案例

现有一份200多用户对十部电影的豆瓣评分数据，我们根据这些数据来刻画几组用户画像。

十部电影分别如下：

动作类：谍影重重5、湄公河行动、血战钢锯岭、伦敦沦陷；

青春爱情类：北京遇上西雅图、七月与安生、六弄咖啡馆；

动画类：疯狂动物城、功夫熊猫3、大鱼海棠。

下面就开始进行用户细分及刻画：

1、用户细分

（评分大于等于7定义为“喜爱此类电影”）

三种类型观众在数量上相差不多，说明人的品位爱好各不相同，比较平均。

2、对比刻画动作片与爱情片用户画像

（1）性别比例

跟预想一样，果然喜欢青春爱情片女生偏多，女生感情比较细腻，多愁善感，如《情遇曼哈顿》上映时可以精准地推荐给这类女生；动作片确实是男生占多数，男生喜欢动作、场面效果炫酷的电影，能够激起他们的“英雄情怀”，如《雷神3》上映时可以推荐~

（2）是否单身

各位单身朋友们，是不是男人看了会沉默，女人看了会流泪啊！结合上面的数据，我们是不是可以在对单身男青年们推荐时文案可以写上“多去看几部爱情片啊，说不定就会遇见你的未来女友”之类的话。

（3）社交偏好

这里用对电影的评论数量来划分偏好程度的，大于等于25条评论都属于偏好社交，对于这部分人可以进行重点营销，他们可以为电影带来二次推广的效果。

（4）品牌偏好

苹果虽贵但还是受到大部分人的认可，我们对于使用苹果的用户是不是可以大胆推测他们具有一定的消费能力，可以推荐一些高档影院或者3D巨幕电影。

（5）岗位分布

在女生偏多的喜爱爱情片的人中果然也是护士、老师等女性职业偏多；反观男生偏多的喜爱动作片人群里IT、工程师等占到大部分，但是最明显的还是学生党队伍，学生还是空余时间较多，所以电影宣传人员可以多在各大高校进行推广，召开见面会等。

（6）地域分布

可以看出一些大城市的人们在忙碌的工作之余都喜欢用看电影来放松心情，娱乐一下，电影方工作人员是不是可以在大城市多排一些片场，来促进票房增长。

从上面简单的案例我们就可以看出用户画像使产品的服务对象更加聚焦，更加专注，能更好的满足客户的需求，实现精准营销，并提升公司的经营效益。

用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。

目前市场是分为 To C 和 To B 两类用户画像需求，网上传播的用户画像一般以 C 端为主，它们模版多，方法全，RFM 模型成熟，并逐渐衍生出一些用户洞察公司，帮助企业完善用户画像。但这些 C 端模版对于 To B 端的企业来说无法直接套用，并且两者用户画像研究群体不同，导致在洞察方法上也略有差异。

此处我以制作 To B 用户画像为例进行阐述，希望可以解决你的疑问，它的的主要内容包括：

1、用户基本信息

用户基本信息很好理解，B 端客户一般为企业，它的基本信息就包括企业信息，组织架构，公司特征等，这些信息对我们建构用户基本框架提供了很大的帮助。根据用户基本信息，可以将用户团队规模大致分为 10 人以下、20 人～50 人、50 人以上等类型。或者可以根据所在行业的核心关注指标来进行不同团队的划分。

此处，我们以 20 人～50 人的公司为例，模版中可以依次填入公司名称、公司特征、组织架构的信息。

完成基本信息的输入，20～50 人创业公司的基本面貌就可以清晰地展现在我们面前，这种信息类似于 C 端用户画像的信息，很好地解决了“用户是谁”这个问题，将一行行数据和文字具象化，让产研人员可以感受到活生生的用户，而不是陷入自我想象的循环圈。

2、购买决策链。

建立用户基本轮廓后，我们可以继续从用户决策链下手。如果我们能充分了解决策链上各个角色的影响力，以及他们对产品的需求，那么才能提高获得订单的成功率，进而完成我们对用户核心诉求的探索。

以蓝湖一个 PM 画像为例，Kevin 是产品负责人，在社区领域经验非常丰富。他们的产品节奏从来不以快为标准，而是以好为标准。目前，很注重流程的管理以及文档沉淀，深知这些是保证高品质输出产品的关键。希望能有一个 All-in-one 工具能更便捷的使用。

人数不同的公司，决策链的长短也有区别，小公司 PM 的影响力可以占到 70%，而中大型团队 PM 还有总监、VP、CEO 等关键角色。所以你可以根据不同的公司情况，有针对性地进行补充其他关键用户画像，完善决策链。

3、用户核心诉求。

在了解各个关键角色的用户画像之后，我们可以对决策者的核心诉求进行归纳总结；一方面，从使用者、决策者的双维度出发，帮助产品不断优化和迭代；另一方面，为客户精细化运营提供抓手和依据，实现产品增长目标，从而提高企业的市场占有率。

如果调研足够深入，甚至还可以得到一些用户的关键数据，例如 DAU、WAU 等，这部分数据对于你填充用户画像的最后一块空白非常有帮助。

在搜集以上信息结束之后，你可以根据在调研中发现的差异点进行个性化补充，比如重新进行用户分类，更改用户的公司规模，增加关键人物画像等。

洞察用户进而输出完整的用户画像报告这是我们每个人都必须了解的事情，无论你是产品、设计还是运营、销售，了解用户可以让我们更有针对性地帮助他们达成目标。

这个模版我已经上传至蓝湖的「超级文档」，大家可以在创建文档时直接选择，希望你能喜欢！

作者介绍

画像数据产品@草帽小子

《大数据实践之路：中台+分析+应用》核心作者

著有用户画像、标签体系、广告投放等系列文章

人人都是产品经理专栏作家

“数据人创作者联盟”成员

大家好，我是草帽小子~

上一篇《 阿里达摩盘：一文掌握阿里达摩盘的6大能力！ 》我们了解了阿里达摩盘的整体功能，接下来会深入分析营销策略中心，而阿里达摩盘的营销策略中心又可分为2个方面。

一是营销洞察，这是每个DMP/画像都比较基础的模块，通过对不同维度上人群的洞察，制定适合不同人群的策略。

二是DEEPLINK分析，这是在营销洞察基础上的升级功能，基于阿里品牌数据银行的“AIPL”分析模型，进行DEEPLINK深链经营分析。下一篇展开，关注 草帽小子系列 专辑，查看最新动态。

接下来，草帽小子会先介绍营销洞察。

01  营销洞察简介

达摩盘营销洞察模块通过对人群特征的刻画和洞察，帮助商家选择显著特征用于创建分群，主要包含5大模块：人群画像分析、单品洞察圈人、直播洞察圈人、超级用户圈人、营销渠道策略洞察。

02  人群画像分析

人群画像分析主要应用于投前阶段，帮助商家选择合适的人群特征，制定对应的投放素材、策略。

系统从人群成长空间、人群商业价值、本店转化机会、营销投放效率4个维度，来评估人群营销价值，满分5分，并根据各维度情况提供优化建议。

草帽小子：这个模块比较有理解难度，需要分析师进行分析、算法人员进行建模得到。最开始做人群洞察难以做到如此程度，这需要大量的分析沉淀、大量的历史数据的沉淀来进行算法模型训练。

人群成长空间：人群投放规模及店铺可渗透空间评估，评分越高，店铺拉新空间越大。从下图可以看出，其计算指标包含人群规模、人群类目活跃率、渠道预估日展现量、店铺可渗透空间。

人群商业价值：综合评估人群历史平均客单价以及人群特征相关性，评分越高，为店铺带来商业价值越高。从下图可以看出，其计算指标包含平均客单价、人群店铺兴趣度以及其他相关特征。

本店转化机会：基于店铺新客、老客角度分析人群转化可能性，快速定位人群适合拉新还是复购。

近30天营销投放效率：综合评估人群历史广告投放效果，包含CTR、CVR，评分越高，人群的历史投放效果越好。

草帽小子：达摩盘的人群画像分析模块迭代变化十分明显，从最开始只是对比洞察不同人群间的特征，做可视化展现；然后加入了人群投放效果分析、智能推荐标签组合；到现在换成评分的方式，加入了更多分析、算法策略的因素进来。

整个过程弱化了可视化报表工具，增强了分析、策略能力。

这对我们做应用型的数据产品很有启发，不要为了做可视化而可视化，比较关键的还是要基于对业务的洞察，给出诊断建议，直接推荐出下一步要做什么、怎么做。

03  单品洞察圈人

商家在自定义人群运营过程中，需要结合不同营销场景，围绕店铺、单品等维度选择合适目标人群。

单品洞察圈人模块，提供了基于店铺“单品诊断—单品智能洞察聚类—智能人群扩展—智能人群投中迭代”的全链路单品人群运营能力，提升商家在单品营销场景下的人群运营效率。

草帽小子：单品圈人模块不同行业不一，电商中是“人-商品”的关系；房地产行业是“人-房”关系；汽车行业是“人-车”关系。运用“人-商品”关系进行圈人，可以精准推送对该商品感兴趣的人群。

一是单品诊断：基于流量、成交视角提供店铺单品诊断和优化建议，助力商家快速定位目标单品，快速匹配营销策略。

二是智能洞察聚类：基于单品历史行为人群特征分析，聚类出价值子群，使子群内的用户行为属性，兴趣偏好等具有相似分布。

三是智能人群拓展圈选：基于洞察子群进行人群拓展（looklike），在相似宝贝/叶子类目/行业维度自定义拓展人群规模。

四是智能人群投中迭代：系统根据单品人群的投放效果和目标，自动进行智能人群特征权重调整，增加优质特征权重占比，优化人群构成。

例如，如下图，美妆商品成长期，具有稳定的市场认知和销量，商家需要挖掘拉新机会，找到核心拉新群体，精准定向提升爆款的销售额。

场景玩法：洞察单品历史成交人群->洞察核心子群显著性特征->在相似宝贝/叶子类目/行业维度针对子群进行人群智能拓展->针对不同的子群匹配差异化广告创意进行投放。

04  直播洞察圈人

人群洞察和单品洞察主要是从人和商品的视角洞察圈人，直播洞察圈人是从内容的角度来圈人。为商家提供直播人群流转分析，帮助商家挖掘直播活跃人群优质特征，同时基于直播投后数据，沉淀直播互动行为人群进行再营销。

主要内容包含店铺直播洞察、行业直播分析。在店铺直播洞察层面，提供直播间观看、互动、成交、活跃粉丝、流失人群的分析，将本店与同行业的数据进行对比。

并进一步洞察直播人群的显著特征，从人群基础属性、行业偏好、单品偏好、内容渠道4个维度来分析；继而进行人群looklike拓展，人群推送。

在行业直播洞察模块，增加了一些运营模型、运营方法论，划分八大策略人群、品牌AIPL分层、店铺潜新老客、消费能力等级，来进行分析。

草帽小子：这里的直播洞察功能跟单品圈人功能有些类似，都是同样的套路：先选出人群，再进行人群特征洞察，接着进行looklike人群拓展，从而得到合适的投放人群。

05  超级用户圈人

商家在店铺人群运营过程中，主要围绕店铺新客引入促成交、店铺老客复购提升两方面展开。

在店铺老客分析层面，提供了老客分析及分层，以及店铺超级用户显著特征洞察，该模块在首页也有展示《 达摩盘：首页 》

在超级新用户拓展层面，可以通过品类拉新、IP拉新、粉丝拉新、关系拉新等方向进行人群拓展。

06  渠道营销策略

渠道营销策略模块沉淀了渠道投放人群数据，包含全渠道触达人群、点击人群、收藏加购人群、成交人群。并对其进行漏斗分析，从而挖掘优质人群特征，计算未成交人群再营销（收割）机会。

全营销渠道人群沉淀：查看全渠道下触达人群、点击人群、收藏加购人群、成交人群的分布。

营销渠道人群流转：从触达->点击->收藏加购->成交全链路流转分析，并挖掘各个转化环节的机会。

例如，发现机会特征：对比触达人群和成交人群，洞察点击率、成交率高的人群的核心特征，锁定相似人群，扩大优质人群覆盖。

未成交人群收割机会：近7天直通车回流再营销，渠道触达未成交人群已经累计4,266,025，查看未成交人群在其他渠道的预估触达规模。

营销渠道策略分析：分触达人群量、点击人群量、收藏加购人群量、成交人群量几个维度，来查看用户年龄、性别、城市等级、职业、消费能力等级特征，进行人群间的对比，来细化不同阶段的人群投放策略。

继而下一步进行人群再营销（收割），例如针对7天加购未成交的人群再次投放触达，促进其转化。

草帽小子：渠道分析通常都是广告投放的重点，横向对比不同渠道的转化效果，选择优质的渠道，倾斜分配广告投放预算；纵向分析人群在各个阶段的转化情况，细化到每个阶段做好对应营销策略，促进人群向更深层次流转。

07  小结

营销洞察模块依托“人货场”方法论，在人群、商品、直播、店铺、渠道等维度下开展洞察分析，帮助商家立体了解人群画像特征，快速圈选目标人群，从而对细分人群制定对应投放策略。

整个洞察过程需注重运营及分析方法的使用，如划分新老客、划分消费能力等级、人群转化流转，从而更好的对细分人群制定合适的营销策略。

整体发展趋势是弱化人群可视化展现，强化分析诊断与产品策略，形成可 *** 作性的建议或策略。

想了解更多数据知识也欢迎看，草帽小子跟几位大厂数据产品写的《大数据实践之路：数据中台+数据分析+产品应用》这本书。

---