用户画像的7个维度分析大衣（用户画像的7个维度员工性格评价）

投稿用户 • 2022年5月28日 am11:48 • 自媒体 • 阅读 285

笔记：看了下关于用户画像应用相关内容，更多是站在运营维度，该使用什么方法论，判断各个推送效果的指标。基于指标，怎么去做相关的优化。

指标这里，包括了复购率，留存率，GMV，渠道投放费，等等。分析方法有漏斗分析方法、增长黑客理论等。

一般地，在画像产品端可以通过搭建Bi报表的方式进一步细化分析渠道的各维度表现。整合各渠道来源用户在平台上的访问、注册、订单量、GMV、留存率以及渠道投放费用等维度数据，评估不同渠道的质量好坏，以便业务人员对渠道的投放和策略有的放矢。

下面以下表所示的渠道分析维度为例进行分析。

苹果太凶狠了，推广费用14.4万，订单金额 20.8万，不都是给ios 在打工了!!!!

3)渠道收入用于评价从该渠道的盈利能力，主要从引入订单量、营收、下单的用户量，ARPU（单用户平均收入），用户复购率等角度衡量。其中复购率是指一定周期内购买2次或2次以上的用户比例。复购根据时间的不同可分为周、月、季、年复购率。某渠道用户的复购率越高，该渠道带来的用户的黏性越强。

8.1.4 漏斗分析

漏斗分析主要用于分析产品流程或关键节点的转化效果，常借助漏斗分析展现转化效果。漏斗图是一种外形类似漏斗的可视化图标，使用该方法可以直观地追踪产品的整体流程、追踪业务的转化路径、追踪不同生命周期阶段下的用户群体表现。通过一系列转化率的分析，可以迅速定位问题，方便运营人员及时调整运营策略。

漏斗图的主要运用场景有以下几个：

产品流程的关键路径转化追踪，比如电商常用的购买流程；
业务价值路径的转化流程追踪，比如常用的AARRR模型的价值转化追踪；
虚拟流程类指标追踪，比如按生命周期区分的处于不同生命周期阶段的用户流转形态追踪。

转化漏斗帮助业务人员分析每天来访用户中在详情页访问、加购点击、下单点击、支付结算等各关键环节的转化情况，从而帮助业务人员不断优化产品路径，如下图所示。

用户转化漏斗

客服话术

（感觉这个目前基于企业微信+SCRM已经把用户画像做的很清楚了。）

用户标签在客服系统中也有广泛的应用。生活中经常遇到这样的场景：当我们在向某平台的客服部门投诉、咨询或反馈意见时，客服人员可以准确的说出我们在该平台的历史购买情况，上一次咨询的问题和处理结果等信息，这也是画像标签应用的场景之一。

用户信息展示

客服人员可以根绝来电用户的画像针对性的提出解决方案，以及对于高价值用户提供VIP客服通道等专项服务。

人群特征分析

前面介绍的都是从单一维度分析用户特征，而用户人群特征分析可以通过组合标签来定义人群。（详细见7.5节），然后对自定义人群从各个维度进行透视分析或建立对照组人群做人群对比分析。

根据分析经验，在做人群分析时一定要去做对比，单纯看单个人群的分布没有太多信息含量，不对比看不出差异。借助画像产品形态，可以分析圈定的用户群在各个维度上的特征情况，如下图所示：

看到8.2 精准营销（187页）

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 sumchina520@foxmail.com 举报，一经查实，本站将立刻删除。
如若转载，请注明出处：https://www.summeng.net/2723.html

用户画像的7个维度分析大衣（用户画像的7个维度员工性格评价）

相关推荐