公司如何利用現有資料來構建使用者角色？

企業需要精準的使用者資料來構建使用者畫像，資料採集資料大致分為四大類：網路行為資料、在服務行為資料、使用者內容偏好資料、使用者交易資料。 網路行為資料：活躍人數、頁面瀏覽量、訪問時長、啟用率、外部接觸點、社交資料等在職行為資料

瀏覽路徑、頁面停留時間、訪問深度、唯一頁面瀏覽量等使用者內容資料：瀏覽收藏內容、評論內容、互動內容、生活方式偏好、品牌偏好等使用者交易資料（交易服務）：貢獻率、客戶單位價值、聯合率、退貨率、流失率等。當然，收集到的資料不會100%準確，而且都是不確定的，需要在後期建模來判斷，比如乙個使用者填寫了性別欄目。然而，根據她的行為偏好，她的性別有 80% 的概率是“女性”。

還值得一提的是，最好將使用者行為資料與行為發生的場景同時儲存，以便更好地分析資料。 行為建模這個階段是對前一階段收集到的資料進行處理，並進行行為建模來抽象使用者的標籤，這個階段應該關注高概率事件，通過數學演算法模型盡可能地排除使用者的偶然行為。 在這裡，機器學習也被用來猜測使用者的行為和偏好，就像 y kx b 的演算法一樣，其中 x 代表已知資訊，y 代表使用者的偏好，通過不斷精確化 k 和 b 來準確。

在此階段，需要許多模型來標記使用者。 使用者汽車模型根據使用者對“汽車”話題的關注度或相關產品的購買情況來判斷使用者是否有車，是否準備買車，使用者忠誠度模型根據使用者購買服裝來判斷使用者的忠誠度、身高、體型模型， 鞋帽等用品，並根據使用者的言語、評論等行為來判斷文藝青年模式，判斷使用者是否為文藝青年使用者，價值模型判斷使用者的價值為**，這對提高使用者留存率非常有用（電商**一般採用RFM消費能力等模型， 預設概率、流失概率等。因此，綜上所述，資料質量+使用者場景+模型建立=精準使用者畫像，國內有很多專業的使用者畫像資料平台，比如創羅科技的智慧型客戶資料平台，可以為幾乎所有型別的企業構建使用者畫像基礎，包括多渠道資料整合、實時資料採集、基於企業營銷場景的客戶資料標籤集，實現精準畫像。

在定義使用者標籤之前，需要做很多工作，首先需要確定資料**，並做好元資料和主資料管理工作，然後根據業務需求對資料進行採集、整理、清洗和轉換，保證資料的質量。

基本思想：首先是基於相關原理和前期研究的教育設計。 其次，採用“循序漸進”的設計方法，將最初的設計付諸實踐，並在實踐中不斷改進反饋，直到消除所有缺陷，形成更可靠、更有效的設計。

基本流程：實施設計; 2、在實施過程中修改設計; 3.從多個方面分析和評估教育設計; 4.一定要盡早關注因變數; 5.識別自變數; 6. 報告研究結果。

以下是建立有效角色的方法：

1. 了解使用者。 合理有效的使用者角色是基於對目標使用者的充分理解。 從使用者態度到行為再到一些詳細特徵的三維資料採集，對於建立生動而有價值的使用者畫像至關重要。

收集資料的方法有很多種，例如深度訪談、影子和文化探索。 方法只是手段，沒有所謂的標準方法，收集資料和了解使用者的目的就足夠了。 重要的是建立資料的目標，因為每個人身上有太多的屬性、太多的特徵、太多的故事，收集到的一些資訊可能會成為噪音。

因此，在收集資料之前，首先要明確自己的研究範圍，挖掘出真實使用者的相關資訊。

2. 尋找關鍵變數。 關鍵變數是導致使用者對目標產品或服務的行為不同的核心因素。 每個使用者都有很多屬性，性別、年齡、家庭狀況、文化程度、性格特質、網際網絡行為偏好、消費觀、理財觀、個人愛好等，需要從這些多特徵中去識別，這是使用者對目標產品或服務的態度和使用行為存在差異的主要原因。

3.聚類。 關鍵變數是幫助使用者聚類的核心維度，有了關鍵變數，可以通過將每個維度上的“資訊值”串聯起來，獲得使用者畫像的核心特徵，因此接下來的工作就是對採集到的使用者資料進行復盤，並在每個維度上對每個被訪使用者的行為進行標記，以記錄行為特徵發生的概率， 從而計算出資訊值所覆蓋的使用者數量。嘗試將分布在每個維度上的“資訊值”連線起來，以找到乙個有代表性的使用者角色。

根據經驗，典型使用者的分布一般有以下兩種情況。 第一種是合理覆蓋每個變數兩端的“極值資訊值”，第二種是盡可能合理地連線使用者行為集中的資訊值。

由於每個人都受到自己對事物的感知的限制，因此可能會導致對同一事物的誤解。

尤其是當我們用自己對產品的理解作為使用者對產品的理解來定義需求時，就容易出現所謂的“彈性使用者”

大家都說面板是為了使用者體驗，但這樣定義的使用者顯然不是產品的真實使用者。

於是，出現了使用者畫像工具，這是乙個由一些真實使用者搭建的原型，用來幫助產品設計師制定產品功能、服務策略、銷售策略。

問題是：我們構建的使用者角色真的能幫助我們嗎？ 在使用者畫像中，我們知道了使用者的年齡、性梗、學歷、婚姻狀況等基本資訊和工作資訊，以及使用者的一些特點和目標，是不是感覺很完美？

如今，在大資料快速發展的背景下，使用者畫像在各個領域得到了廣泛的應用。

建立詳細的使用者畫像，有利於操作人員快速了解使用者的基本情況，為工作的發展提供指導和幫助。 那麼，角色由什麼組成呢？ 下面，讓我們和Boniu一起來看看吧！

我們都熟悉使用者屬性，它描繪了使用者的基本資訊。 一般來說，使用者屬性包括以下常見指標：使用者的年齡、性別、裝置型號、安裝註冊狀態、職業以及使用者的其他靜態特徵。

這裡需要注意的是，使用者的性別既可以指自然性別，也可以指購物性別。 購物性別是指使用者在購買商品時的性別取向，它可能是實際性別的女性使用者，但經常購買有明顯男性性別的商品，那麼她的購物性別就是男性。

所謂使用者行為，即通過使用者的行為，可以挖掘出他們的偏好和特徵。 常見的使用者行為分析包括：使用者訂單相關行為、訂單訪問行為、使用者近30天出差、使用者高頻活躍時間段、使用者購買類別、點選偏好、畢穎鶯銷售敏感度等相關行為。

具體來說，使用者消費包括使用者瀏覽、新增、訂購、收集、搜尋產品等。 細分使用者喜歡的產品品類，這樣向使用者推薦或營銷產品的準確性可以更高。

所謂風控，是指從信用風險、使用裝置的風險、平台消費過程中出現的問題等方面考慮使用者的風險程度。

為了防止此類使用者給平台帶來損失和風險，網際網絡企業需要在風險控制方面建立相關的指標體系，對平台的不良使用者進行有效監控。

社交屬性用於了解使用者的家庭成員、社交關係、社交偏好、社交活動等，通過這些屬性可以更好地提供個性化服務。

當我們每天使用社交軟體時，我們會發現社交軟體中的資訊流廣告會根據我們的社交特徵進行個性化設定。

使用者畫像可以使使用者資訊盡可能具體，以便營銷從業者可以為使用者提供更有針對性的服務。 因此，使用者畫像的構建非常重要，包括使用者屬性、使用者行為、使用者消費、風控和社交屬性等，都是必不可少的。