6.3百度助力用戶畫像的創(chuàng)新-立體畫像

新零售實務新零售實務案例素材百度助力用戶畫像的創(chuàng)新——立體畫像如果我們把定性的用戶畫像，投射到我們要了解用戶這件事情上，可以理解成它是一個點。把基于用戶行為數(shù)據(jù)的定量的用戶畫像，理解為一條線.那什么樣的用戶畫像，可以理解成一個面呢？對用戶畫像進行三個維度的闡述。分為地理維度，時間維度，用戶維度。用戶屬性畫像：單一用戶在用戶維度下的畫像，處于用戶維度上的一個點。用戶行為畫像：單一用戶在時間維度下的行為信息畫像，加上了時間維度，由點擴展為線。用戶地理畫像：單一用戶在地理維度下基于用戶行為的信息畫像，由線擴展為面。用戶地理畫像＋時間維度：單一用戶在一定時間周期內(nèi)的地理畫像，包含了用戶屬性與行為、時間、地理位置三維度，由面擴展為體。立體用戶畫像是目前為止對用戶群體最多維度、最全角度、最高準確度的用戶畫像體系。他為傳統(tǒng)的用戶畫像提供了更加真實的場景信息驗證，同時豐富了數(shù)據(jù)來源，提升了論證結果的真實性。百度擁有海量的用戶搜索行為數(shù)據(jù)，騰訊擁有海量的用戶社交行為數(shù)據(jù)，阿里擁有海量的用戶消費行為數(shù)據(jù)。所以其在各個領域，均有各自數(shù)據(jù)的特長。我們以某品牌商家為例。某商家希望在北京某地附近選擇一處地域，建立一家無人售貨超市。但對于具體選擇哪里，如何提高客流，超市貨品應該如何配置等問題，始終不知道如何下手。1.如何選址首先，我們應該選擇客流密集，每日顧客來往頻繁的地域。以“百度慧眼”產(chǎn)品舉例，我們先通過客流熱力圖來分析：根據(jù)熱力圖分布，我們發(fā)現(xiàn)居住人口在此居住占比較多，且相對較為分散。工作人口在此工作占比相對較小，但較為集中。我們在選擇無人超市建設區(qū)域時，應該同時選擇居住人口與工作人口都相對靠近的地點。同時，應選擇顧客通行的主要街道，不能為了過于靠近人口集中地點而過分隱蔽。此處只是對選址功能做一個簡要的介紹，真實的快消零售選址方案是一項非常重要而龐雜的工作，遠不是單純分析人口熱力圖這么簡單。但基于立體用戶畫像得出的基于工作人口與居住人口不同的熱力圖分布結果，會為選址方案提供強有力的結論支撐與思路。商戶根據(jù)熱力圖的分析結果，同時結合行業(yè)內(nèi)的其他經(jīng)驗，并調(diào)查了周邊的居民與工作人員出行情況，確定了超市的建設地址。那么下一個問題是，如何調(diào)查用戶對哪類商品更感興趣？用戶的消費習慣，消費水平，是什么樣的？2.如何了解用戶興趣基于地理信息的“立體”用戶畫像，除了同樣參考用戶的搜索、瀏覽等行為數(shù)據(jù)的同時，還會根據(jù)用戶日常的行動路線及出行習慣以及經(jīng)常出現(xiàn)的場所，來進行用戶興趣愛好的深層次協(xié)同過濾。比如用戶A通過定位數(shù)據(jù)了解到經(jīng)常出現(xiàn)在母嬰用品區(qū)，且一周有多次出現(xiàn)在幼兒園附近，說明用戶是一名3-5歲兒童的媽媽，主要愛好在于母嬰親子。用戶B通過日常瀏覽搜索行為數(shù)據(jù)發(fā)現(xiàn)對數(shù)碼類新聞非常感興趣，且在商場產(chǎn)生定位數(shù)據(jù)時，多半是在小米、華為等體驗店。通過地理位置信息反向判定了該用戶的興趣點。同樣的例子還有許多。地理位置信息除了可以反向分析判斷通過產(chǎn)品端得出的用戶興趣標簽是否準確，還可以得出某些線上行為數(shù)據(jù)信息不夠充足的用戶的興趣愛好標簽。立體用戶畫像將了解用戶興趣愛好這件事從線上轉到了線下，并通過結論轉回線上，形成OMO閉環(huán)。3.如何制定推廣策略下圖是某商戶客源來源居住地小區(qū)的分析情況，藍色區(qū)域為客源屬于的小區(qū)。右側為客源來源居住地的排行。通過上圖我們可以看到：排名第一的小區(qū)用戶來源量很大，對此小區(qū)的推廣工作可以暫時放緩，業(yè)務方向轉向提供優(yōu)質及個性化服務的方向；排名第四與第五的小區(qū)之間用戶來源數(shù)差距較大，現(xiàn)階段應在排名第五的小區(qū)加大營銷推廣力度，比如在該小區(qū)投放更多的宣傳材料，在小區(qū)電梯內(nèi)增設廣告牌，有必要時可以加派通勤班車等。案例思考立體畫像如何賦能新零售運營？1.選址優(yōu)化：客流分析：利用立體畫像中的客流熱力圖，可以分析不同區(qū)域的居住和工作人口分布，選擇客流密集且顧客頻繁的地域作為無人售貨超市的建設地點。地理位置選擇：選擇居住人口與工作人口都相對靠近的地點，同時考慮顧客通行的主要街道，避免過于隱蔽。2.用戶興趣分析：行為數(shù)據(jù)：通過用戶的搜索、瀏覽等行為數(shù)據(jù)，結合地理位置信息，可以深入了解用戶的興趣愛好。例如，通過定位數(shù)據(jù)發(fā)現(xiàn)用戶經(jīng)常出現(xiàn)在母嬰用品區(qū)或幼兒園附近，可以推斷用戶是一名3-5歲兒童的媽媽，主要愛好在于母嬰親子。消費習慣：通過用戶的日常行動路線及出行習慣，可以分析用戶的消費習慣和消費水平，從而更好地配置商品。3.商品配置：興趣匹配：根據(jù)用戶的興趣和消費習慣，可以優(yōu)化商品配置，提供更符合用戶需求的商品組合。個性化推薦：利用立體畫像中的用戶行為數(shù)據(jù)，可以進行個性化推薦，提升用戶體驗和購買率。4.推廣策略制定：客源分析：通過分析客源來源居住地小區(qū)，可以了解不同小區(qū)的用戶來源量，從而制定有針對性的推廣策略。營銷調(diào)整：對于用戶來源量大的小區(qū)，可以放緩推廣工作，轉向提供優(yōu)質及個性化服務；對于用戶來源量小的小區(qū)，可以加大營銷推廣力度，如投放更多的宣傳材料、增設廣告牌等。5.數(shù)據(jù)驅動決策：多維度分析：立體畫像提供了多維度的用戶數(shù)據(jù)，幫助商家從不同角度了解