基于“用戶畫(huà)像”的精準(zhǔn)營(yíng)銷策略研究

張莉

摘要：隨著互聯(lián)網(wǎng)信息技術(shù)的飛速發(fā)展，各類數(shù)據(jù)量激增，人們進(jìn)入了大數(shù)據(jù)時(shí)代。為了在營(yíng)銷過(guò)程中追求競(jìng)爭(zhēng)優(yōu)勢(shì)，電子商務(wù)企業(yè)開(kāi)始出現(xiàn)了同類競(jìng)爭(zhēng)和過(guò)度的廣告趨勢(shì)，這導(dǎo)致了營(yíng)銷成本上升和營(yíng)銷績(jī)效下降等一系列問(wèn)題。為了解決以上問(wèn)題，電子商務(wù)企業(yè)應(yīng)結(jié)合大數(shù)據(jù)對(duì)“用戶畫(huà)像”進(jìn)行精準(zhǔn)分析，在合理預(yù)測(cè)的前提下實(shí)施精準(zhǔn)營(yíng)銷策略。

關(guān)鍵詞：用戶畫(huà)像;大數(shù)據(jù);精準(zhǔn)營(yíng)銷

1.用戶畫(huà)像

用戶畫(huà)像概念最早由交互設(shè)計(jì)之父Alan Cooper提出即用戶信息標(biāo)簽化。構(gòu)建用戶畫(huà)像的核心任務(wù)是給用戶貼“標(biāo)簽”，而標(biāo)簽是通過(guò)分析用戶信息獲得高度精練的特征標(biāo)識(shí)。而實(shí)現(xiàn)用戶畫(huà)像，需要結(jié)合具體業(yè)務(wù)，制定出相應(yīng)的標(biāo)簽數(shù)據(jù)集，通過(guò)對(duì)標(biāo)簽數(shù)據(jù)進(jìn)行采集與分析。

2.用戶畫(huà)像構(gòu)建

構(gòu)建用戶畫(huà)像是為了還原用戶信息，因此用戶畫(huà)像構(gòu)建是以消費(fèi)者數(shù)據(jù)為核心，通過(guò)網(wǎng)絡(luò)大數(shù)據(jù)與計(jì)算機(jī)技術(shù)提取標(biāo)準(zhǔn)化用戶標(biāo)簽信息，此過(guò)程涵蓋基礎(chǔ)數(shù)據(jù)收集、行為建模、構(gòu)建用戶畫(huà)像、精準(zhǔn)營(yíng)銷、反饋評(píng)估五個(gè)階段。

第一，對(duì)消費(fèi)者的網(wǎng)絡(luò)行為數(shù)據(jù)，服務(wù)內(nèi)行為數(shù)據(jù)，用戶內(nèi)容偏好數(shù)據(jù)和交易數(shù)據(jù)之類的基本數(shù)據(jù)執(zhí)行消費(fèi)者細(xì)分。第二，處理前一階段收集的數(shù)據(jù)以對(duì)行為進(jìn)行建模，以抽象出用戶的事實(shí)標(biāo)簽。第三，基于網(wǎng)絡(luò)大數(shù)據(jù)及計(jì)算機(jī)算法、模型，具體結(jié)合企業(yè)戰(zhàn)略目標(biāo)、數(shù)據(jù)情況、應(yīng)用場(chǎng)景構(gòu)造模型標(biāo)簽。第四，再次執(zhí)行模型預(yù)測(cè)以獲得預(yù)測(cè)標(biāo)簽。通過(guò)標(biāo)記用戶的基本屬性、購(gòu)買能力、行為特征、愛(ài)好、心理特征、社交網(wǎng)絡(luò)等來(lái)構(gòu)造用戶畫(huà)像預(yù)測(cè)標(biāo)簽，并制定精準(zhǔn)營(yíng)銷策略。第五，通過(guò)交易數(shù)據(jù)和反饋信息，進(jìn)行反饋評(píng)估精準(zhǔn)營(yíng)銷策略，完善用戶畫(huà)像，以制定針對(duì)性的營(yíng)銷活動(dòng)。

2.1數(shù)據(jù)獲取

用戶畫(huà)像需要使用多維屬性標(biāo)簽構(gòu)建，并且通過(guò)數(shù)據(jù)提取來(lái)抽象用戶信息。這些數(shù)據(jù)主要為靜態(tài)信息數(shù)據(jù)、動(dòng)態(tài)信息數(shù)據(jù)兩大類，靜態(tài)信息數(shù)據(jù)一般是一段時(shí)間內(nèi)固定不變的用戶信息，也是用戶基礎(chǔ)屬性數(shù)據(jù)，比如性別、年齡等屬性。動(dòng)態(tài)信息數(shù)據(jù)是隨時(shí)在改變的信息，包括用戶的訪問(wèn)行為、交易行為、消費(fèi)偏好等，在一定程度上反映了消費(fèi)者的購(gòu)買能力，交易頻率等屬性。

2.1.1用戶屬性數(shù)據(jù)

用戶屬性數(shù)據(jù)即靜態(tài)信息數(shù)據(jù)，主要包括用戶的自然屬性、社會(huì)屬性、生活形態(tài)、心理屬性。在一定的時(shí)間范圍內(nèi)，幾乎是不會(huì)變化的，比如性別、收入、學(xué)歷等等，涉及人口或者其他屬性，一般通過(guò)用戶的注冊(cè)就可直接獲得。這類信息，自成標(biāo)簽，更多的是數(shù)據(jù)清洗工作。

2.1.2用戶行為數(shù)據(jù)

用戶行為數(shù)據(jù)即用戶動(dòng)態(tài)數(shù)據(jù)，是建立用戶畫(huà)像最重要的基礎(chǔ)。用戶行為數(shù)據(jù)需要在獲取網(wǎng)站流量的基本數(shù)據(jù)下，確定不同場(chǎng)景下用戶的不同訪問(wèn)軌跡，并對(duì)相關(guān)數(shù)據(jù)進(jìn)行分析。 它主要包括場(chǎng)景、媒體、路徑和購(gòu)物行為的四個(gè)維度。場(chǎng)景主要包括訪問(wèn)平臺(tái)，訪問(wèn)時(shí)間和訪問(wèn)頻率。媒體是指用戶在一定時(shí)間段內(nèi)專門訪問(wèn)的媒體，以及瀏覽時(shí)間和頻率。路徑是用戶進(jìn)入和離開(kāi)媒體的路徑，主要是用戶的站點(diǎn)和站點(diǎn)外部的行為;購(gòu)物行為包括交易時(shí)間、數(shù)量、類別、評(píng)價(jià)反饋等，如圖1所示。這些不斷變化的用戶行為數(shù)據(jù)，可以看作用戶動(dòng)態(tài)信息的主要來(lái)源。

2.2“用戶畫(huà)像”模型構(gòu)建

當(dāng)收集到用戶行為標(biāo)簽之后，就可以對(duì)該用戶畫(huà)像進(jìn)行模型構(gòu)建。用戶畫(huà)像不是將所有標(biāo)簽一一羅列，而是需要根據(jù)數(shù)據(jù)源統(tǒng)計(jì)匯總以及分類，根據(jù)用戶行為構(gòu)建相應(yīng)的數(shù)據(jù)模型產(chǎn)出標(biāo)簽和權(quán)重。每一次的用戶行為，可以詳細(xì)記錄為什么用戶在何時(shí)、何地、發(fā)生了什么事。權(quán)重表征指數(shù)，即用戶的興趣、偏好指數(shù)。在用戶行為中，一般將用戶近期發(fā)生的行為反映用戶當(dāng)下的特征，過(guò)往行為表現(xiàn)在標(biāo)簽權(quán)重上的衰減，即標(biāo)簽權(quán)重=時(shí)間衰減因子×行為權(quán)重×網(wǎng)址權(quán)重。通過(guò)數(shù)據(jù)算法，企業(yè)可以有效地覆蓋到的用戶打上標(biāo)簽，一種是基于用戶的協(xié)同過(guò)濾算法，主要目的是找到和目標(biāo)用戶興趣相似的用戶集合，計(jì)算兩個(gè)用戶的興趣相似度。如表1所示，用戶A和C屬于類似用戶，因?yàn)橛脩鬋喜歡產(chǎn)品1/2/3，所以向用戶A推薦產(chǎn)品3。

另一種是基于物品的協(xié)同過(guò)濾算法，該算法是利用用戶的歷史行為給推薦結(jié)果提供推薦，是根據(jù)購(gòu)買物品的相似度和用戶的歷史行為給用戶生成推薦列表。如表2所示，產(chǎn)品1和3是屬于類似的產(chǎn)品，產(chǎn)品1被ABC所喜愛(ài)，產(chǎn)品3是用戶AB偏好的產(chǎn)品，此時(shí)可以預(yù)測(cè)用戶C也喜歡這個(gè)產(chǎn)品，故將產(chǎn)品3推薦給用戶C。但是在營(yíng)銷實(shí)踐中，確定目標(biāo)用戶是首要任務(wù)，在構(gòu)建“用戶畫(huà)像”過(guò)程中，數(shù)據(jù)挖掘分析會(huì)產(chǎn)生較大的干擾，因此“用戶畫(huà)像精準(zhǔn)模型”是建立精準(zhǔn)用戶畫(huà)像的前提，需要保證數(shù)據(jù)的豐富性、多樣性、科學(xué)性。

3.基于“用戶畫(huà)像”的電子商務(wù)企業(yè)精準(zhǔn)營(yíng)銷對(duì)策

3.1建立完善的精準(zhǔn)營(yíng)銷體系

建立精準(zhǔn)的電子商務(wù)營(yíng)銷體系需要依靠現(xiàn)代信息技術(shù)，以“用戶畫(huà)像”為基礎(chǔ)的精準(zhǔn)數(shù)據(jù)為核心，以“消費(fèi)需求”為導(dǎo)向，為消費(fèi)提供個(gè)性化服務(wù)，更準(zhǔn)確的產(chǎn)品和更快的物流配送以提高忠誠(chéng)度吸引新的消費(fèi)者。另外，通過(guò)招募優(yōu)秀的精準(zhǔn)營(yíng)銷人才，吸取成功經(jīng)驗(yàn)，培養(yǎng)精準(zhǔn)營(yíng)銷人才。

3.2基于電商消費(fèi)行為數(shù)據(jù)實(shí)施精準(zhǔn)營(yíng)銷

用戶畫(huà)像是企業(yè)目標(biāo)用戶的真實(shí)寫照，它在企業(yè)的不同決策過(guò)程中都發(fā)揮了作用。電子商務(wù)企業(yè)在實(shí)際運(yùn)營(yíng)中對(duì)內(nèi)要完善產(chǎn)品運(yùn)營(yíng)，優(yōu)化用戶體驗(yàn)，提高服務(wù)質(zhì)量。通過(guò)研究用戶需求和消費(fèi)者行為數(shù)據(jù)，能更準(zhǔn)確地找到目標(biāo)用戶，在用戶偏愛(ài)的渠道上進(jìn)行內(nèi)容投放，并及時(shí)進(jìn)行交互以促進(jìn)購(gòu)買行為，實(shí)現(xiàn)精準(zhǔn)獲客。同時(shí)要設(shè)計(jì)制造更加適合用戶的產(chǎn)品，提高企業(yè)的知名度和名譽(yù)度，培養(yǎng)忠誠(chéng)客戶。

3.3減少顯性商品推薦，增加營(yíng)銷趣味性

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的應(yīng)用，電商企業(yè)和客戶互動(dòng)溝通便利性進(jìn)一步提高，但同時(shí)海量的信息讓用戶的關(guān)注度持續(xù)下降，電商企業(yè)應(yīng)該更注重與消費(fèi)者的交流溝通，了解消費(fèi)者的需求，盡可能使繁雜的信息條理化、程序化、趣味化，以利于信息消化和吸收;減少顯性且頻繁的商品推薦。過(guò)度的商品推薦會(huì)引起消費(fèi)者反感，影響購(gòu)物體驗(yàn)。一方面，電商企業(yè)要提升數(shù)據(jù)挖掘技術(shù)能力，完善客戶數(shù)據(jù)庫(kù)，深入了解客戶的需求，實(shí)現(xiàn)更加精準(zhǔn)的商品推薦。另一方面，用優(yōu)質(zhì)的服務(wù)創(chuàng)立口碑，同時(shí)培養(yǎng)客戶的忠誠(chéng)度，讓商品推薦的呈現(xiàn)形式適度且隱形化。

總結(jié)

本文主要闡述了用戶畫(huà)像及其構(gòu)建邏輯，根據(jù)用戶行為數(shù)據(jù)去構(gòu)建數(shù)據(jù)模型，分析出用戶畫(huà)像標(biāo)簽以幫助電商企業(yè)精細(xì)化定位人群，挖掘潛在用戶。歸根到底，技術(shù)只是一種載體，它最終旨服務(wù)于企業(yè)基于用戶的營(yíng)銷決策。用戶畫(huà)像像是一座橋梁，彌合企業(yè)與用戶之間的信息鴻溝，利用大數(shù)據(jù)手段可以最大限度地挖掘并留住潛在用戶，提高信息獲取的效率，幫助企業(yè)更加直觀地轉(zhuǎn)化客戶，讓未來(lái)企業(yè)營(yíng)銷決策真正做到“有理有據(jù)”。

參考文獻(xiàn)：

[1]謝康，吳記，肖靜華.基于大數(shù)據(jù)平臺(tái)的用戶畫(huà)像與用戶行為分析[J].中國(guó)信息化，2018（03）：100-104.

[2]李維勝，蔣緒軍.電子商務(wù)精準(zhǔn)營(yíng)銷對(duì)策研究[J].開(kāi)發(fā)研究，2013.

[3]葛曉鳴.基于“用戶畫(huà)像”模型構(gòu)建的精準(zhǔn)營(yíng)銷策略[J].經(jīng)濟(jì)管理研究，2019.

[4]冉蹬.基于用戶畫(huà)像的手機(jī)游戲用戶個(gè)性化內(nèi)容推薦研究[D].西安：西安理工大學(xué)，2018.