深度解析 | 带你深入了解产品背后的用户画像

本文结合在工作中的项目经验，系统阐述在线教育行业用户画像功能搭建，供大家学习和参考。

一、 用户画像的作用和价值

用户画像存在的价值即为销售人员提供精确的客户分层来精准营销，为运营人员作出优质的投放以及其他策略。

作用：

• 个性化客户体验：用户画像系统可以通过收集、分析和整合客户数据，创建详细的客户画像，包括购买历史、兴趣、偏好和行为等信息。这使业务人员/公司能够提供更个性化的服务和产品，从而提高客户满意度。
• 客户细分：用户画像系统可以帮助企业将客户分为不同的细分群体，根据其特征和需求。这使企业能够为不同的客户群体制定精细化的营销策略，提高销售效率。
• 预测分析：通过分析客户画像数据，企业可以预测客户的未来需求和行为趋势。这有助于企业提前制定战略，满足客户需求，增加销售和利润。
• 客户保留和忠诚度：了解客户的需求和偏好使企业能够更好地满足他们的期望，提高客户满意度，从而增加客户保留率和忠诚度。
• 营销效率提升：用户画像系统可以帮助企业更有针对性地制定市场营销策略，减少资源浪费，提高ROI（投资回报率）。
• 销售机会发现：通过分析客户画像数据，企业可以发现交叉销售和附加销售的机会，从而增加销售额。
• 数据驱动决策：用户画像系统提供了数据支持，帮助企业做出基于客户数据的决策，而不是基于猜测或经验。

二、需求分析

需要与直接用户，间接用户进行对接，了解多个用户的核心需求，通过不断的深挖，了解本质需求。

方法：谁在什么场景下，遇到了哪些问题，线下如何解决的，需要满足什么需求，此需求的收益？

以在线教育行业为背景进行分析：

谁：运营人员

场景：制定投放策略时，制定业务销售策略时

问题：无法分析用户的数据，系统未记录用户的基础数据，只有用户行为数据，对制定推广策略没有帮助策略，系统不支持批量打标签，线下无解决方案。

谁：销售人员

场景：对接用户时

问题：当前仅对产生待支付订单的用户进行跟进，无法精细化营销，用户对课程对兴趣无法精准把控。

谁：市场营销人员

场景：在制定市场营销的广告和活动时

问题：并不了解目标用户的基本信息，无法判断广告/活动的精准定位 。

谁：高管

场景：制定关键决策

问题：无法分析用户的数据，决策缺少数据支持。

通过上述信息我们可以得出以下几点需求：

• 需要收集用户数据，后续支持打标签（解决系统延展性问题，标签需要制作成可配置的功能，支持业务人员根据多个字段信息进行自由配置），可以分析市场定位
• 销售人员缺少用户线索，销售方式过于单一
• 缺少数据决策，运营人员，高管无法做出决策

那么我们后续的产品规划就需要满足上述需求。

三、如何设计用户画像

在进行搭建用户画像之前需要拥有大量的数据，需要与需求方核对所需要的字段，确定口径。

其中用户的数据可以分类两类：用户属性，用户行为。

1. 用户属性数据

属性数据：用户的年龄，性别，位置，消费水平等信息。

可通过制作问卷配置端编写问卷，将问卷绑定至对应的课程/班级中，以线下（微信群发放问卷）和线上（直播间）发放问卷的方式发放问卷，引导用户填写问卷。通过这个方式可以获取到用户的基础信息。

问卷配置端：

点击【新增】按钮后可以进行制定问卷。

问卷名称：用户根据入口进入问卷后，问卷的标题

问卷介绍：标题下方的介绍，例如：“填写问卷后带着截图找到助教可领取福利”

题目：第一个问题的题目，会展示在问卷中

标题：第一个问题的简称，不会展示在问卷中，在用户画像前台会按照此标题来显示

选项：每个题目对应的选项，支持添加选项

简称：每个选项对应的分层名称，简称与对应的选项是一一对应的，在用户画像前台会根据简称进行显示。

点击【保存】后即生成一条问卷的地址，可通过绑定到对应课程中。

生成的问卷样式：

课程绑定端：

在此功能中可将制作的问卷绑定至对应的课程中。

需要支持绑定问卷，更改问卷，查看详情等。

绑定问卷：点击此按钮后展示弹窗，用户可根据下拉框进行选择问卷。

前台：

在前台中，系统需要对用户填写的选项进行可视化展示，并且计算每个层级用户的比例，转化率和卖出金额并展示。

在此功能中完全地解决了收集用户基础信息的问题，同时也解决了运营人员和市场营销人员的问题。

2. 用户行为数据

行为数据：用户在使用我们的产品中留下来的数据，比如平均在线时间，上课时长，到课率等信息

此数据为系统中的埋点数据，需要与业务人员对其需要数据，在部分区域插入埋点来获取数据。后续可支持业务人员自由配置。

用户画像－标签配置端：

RFM模型：

Recency（最近购买时间）：

Recency衡量客户最近一次交易的时间距今有多长。

Frequency（购买频率）：

Frequency表示客户在一定时间段内的购买频率。

Monetary（购买金额）：

Monetary代表客户在一定时间段内的购买总金额。

在使用RFM模型时，可以通过设置R,F,M每个层级对应的分值，总分值对应的客户重要程度的分层。如下图所示

例如：小A在最近的消费是在17天，在这一个月内的消费频率为5次，这一个月消费金额为3000元。

小A的分值=2（R）+3（F）+2（M）=7分

在客户重要等级中小A为重要客户

通过RFM模型，企业可以识别和重点关注那些最有潜力的客户，制定个性化的市场策略，提高客户忠诚度，增加销售和利润。此外，RFM模型还可用于客户细分、目标市场选择和客户生命周期管理。

在R，F，M每一个指标中可以进行下一步的细分，从而制定营销策略。

但是RFM模型也存在对应的缺点：

• RFM模型主要是做付费用户行为的研究，较适用于复购较多的业务场景，比如像快消、电商、美业、服务业等行业。
• 需要业务人员决策后还需要进行模型的验证

解决方案：

• 即使RFM适用范围是对付费用户进行研究，对于在线教育行业并不是特别符合，但是我们可以运用RFM模型的思路，更改其指标，比如R,F,M可以更改成到课次数，互动次数，访问时长等信息。
• 可通过导出多个班级的用户数据，在excel表格中进行计算，分层，来验证模型

原型图：

标签名称：业务人员支持自定义名称

业务线，sku，班级：支持单选，多选

在列表1中：

标题为下拉框，需要提供部分字段支持业务人员自由选择。

输入框：只能进行填写数字。

在列表2中：

第一列：文本框，支持自定义名称

第二列：仅支持填写数字的区间。

（配置完的样式可见右侧图片）

时间范围：每个指标在多少天内的数据

业务人员点击保存后，系统开始自动跑数，之后用户进行打标签。

用户画像－自定义标签：

在这里主要讲解标签分类以下的区域：

标签分类：

在一个标签名称下会有多个分类，比如：标签为客户意向，那么标签分类就可以是低，中，高。

定义：定义运用了规则来给用户进行打标签，如果用户符合此规则在此范围内就会打上对应的标签。规则包含了“或”和“且”的要求。

填写规则：可查看下图

在填写前，产品人员需要确定左侧指标对应的符号是哪些，对应的是数字还是状态的下拉框

在填写并保存后显示下图：

业务人员可以编辑，删除此标签，同时页支持开启或关闭。

之后可通过以上的配置端规划运营人员，市场人员，销售人员的前台：

运营/市场人员：

可通过此大盘进行自定义分析数据。

销售人员：

在工作中可通过运营人员制定的标签，销售人员进行对接客户，从而实现精准营销。

四、权限划分

可通过RBAC模型来划分运营人员和销售人员的功能权限和页面权限。

数据权限则是要按照其组织架构的权限来划分。

总结

用户画像是一项复杂且需要耗费大量时间的项目，但一旦完成可以给公司多个人员完成提效的帮助，从而也可以提升总营收。希望今天的分享对你有帮助。

本文作者 @一年

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！