用戶畫像的概念大熱,眾多企業(yè)都希望通過“用戶畫像”驅(qū)動產(chǎn)品智能,但 什么才是用戶畫像呢?
通過這篇文章,我們介紹我們理解的兩種用戶畫像(User Persona 和 User Profile),以及如何構(gòu)建用戶畫像(User Profile)的標(biāo)簽體系并驅(qū)動產(chǎn)品智能。
User Persona
第一種用戶畫像(User Persona)是產(chǎn)品設(shè)計、運(yùn)營人員從用戶群體中抽象出來的典型用戶:
在用戶調(diào)研階段,產(chǎn)品經(jīng)理經(jīng)過調(diào)查問卷、客戶訪談了解用戶的共性與差異,匯總成不同的虛擬用戶;
在產(chǎn)品原型設(shè)計、開發(fā)階段,產(chǎn)品經(jīng)理圍繞這些虛擬用戶的需求、場景,研究設(shè)計產(chǎn)品用戶體驗與使用流程;
當(dāng)產(chǎn)品設(shè)計出現(xiàn)分歧時,產(chǎn)品經(jīng)理能夠借助用戶畫像,跳出離散的需求,聚焦到目標(biāo)用戶,不再討論這個功能要不要保留,而是討論用戶可能需要這個功能,可能如何使用這個功能等等。
例如某招聘類產(chǎn)品在調(diào)研階段構(gòu)建的用戶畫像(User Persona):
所以,這類用戶畫像(UserPersona),本質(zhì)是一個用以描述用戶需求的工具,它幫助不同角色在產(chǎn)品研發(fā)過程中,站在用戶的角度思考問題。
在產(chǎn)品設(shè)計階段和原型開發(fā)階段,產(chǎn)品經(jīng)理會較多地借助用戶畫像(User Persona)理解用戶的需求,想象用戶使用的場景。隨著產(chǎn)品上線后不斷迭代,積累真實用戶,僅通過用戶畫像(User Persona)難以量化地評估用戶需求,也很難通過數(shù)據(jù)證偽,不確定用戶畫像(User Persona)虛構(gòu)的人物是不是真的目標(biāo)群體。
同時,真實用戶群體也隨時間推移變化,在設(shè)計階段虛構(gòu)的用戶畫像(User Persona)需要重新調(diào)研、設(shè)想。
User Profile
與此同時,我們也希望通過產(chǎn)品積累的用戶行為數(shù)據(jù),為產(chǎn)品運(yùn)營提供更好的支撐,例如根據(jù)用戶瀏覽記錄向用戶提供個性化服務(wù)。這就是本文著重介紹的 第二種用戶畫像(User Profile)——根據(jù)每個人在產(chǎn)品中的用戶行為數(shù)據(jù),產(chǎn)出描述用戶的標(biāo)簽的集合 。
例如猜他是男是女,生活工作所在地,乃至喜歡哪個明星,要買什么東西等。
隨著“千人千面”等理念深入人心,在與許多企業(yè)客戶的溝通中,我們希望客戶更加清楚兩種用戶畫像的差異。與第一種用戶畫像(User Persona)不同的是,用戶畫像(User Profile)的建設(shè)更加關(guān)注:
是否反應(yīng)受眾的真實需求:
用戶畫像(User Profile)這個詞的字面意義,是關(guān)注人口屬性、生活狀態(tài)等靜態(tài)信息,但這些信息并不一定直接反應(yīng)用戶興趣。產(chǎn)品更關(guān)注的往往是某用戶“最近喜歡看哪類視頻”、“準(zhǔn)備買多少錢的手機(jī)”這樣能幫助產(chǎn)品運(yùn)營的動態(tài)信息;
時效性:
用戶的興趣偏好隨時都在發(fā)生變化,需要及時更新用戶標(biāo)簽;
覆蓋度:
用戶畫像(User Profile)既要勾勒出用戶感興趣的內(nèi)容,也要記錄用戶不感興趣的信息,盡量多地滿足產(chǎn)品運(yùn)營的需要。但同時,除了人口屬性等明確的屬性外,大多數(shù)用戶畫像的正確與否是沒有意義的。
如“最近喜歡看搞笑視頻”這個標(biāo)簽,并不表示用戶下一次一定觀看搞笑視頻,因此執(zhí)著于提升標(biāo)簽的準(zhǔn)確度,不如設(shè)計出多更清晰描述受眾需求的標(biāo)簽,更多時候我們注重提升用戶畫像的覆蓋度,同時提供更細(xì)粒度的畫像。
設(shè)計用戶畫像的標(biāo)簽體系
用戶畫像(以下均指 User Profile)一般通過標(biāo)簽體系落地,簡單說就是你把用戶分到多少個類里面去,當(dāng)然,每個用戶是可以分到多個類上的。這些類都是什么,彼此之間有何聯(lián)系,就構(gòu)成了標(biāo)簽體系。通常有兩種思路設(shè)計用戶畫像的標(biāo)簽體系。
一是結(jié)構(gòu)化的標(biāo)簽體系,這類標(biāo)簽可以直接從人口屬性、物品信息等基本信息中直接得到,有明確的層級關(guān)系,如性別、省市、視頻分類、商品分類等。
結(jié)構(gòu)化的標(biāo)簽體系通常較為簡單,一般可以直接通過用戶的行為映射得到,例如根據(jù)用戶的購買記錄,為用戶構(gòu)建物品對應(yīng)的結(jié)構(gòu)化標(biāo)簽。
但結(jié)構(gòu)化標(biāo)簽往往粒度較粗,無法充分衡量用戶的興趣。
例如新聞類 App 中用戶閱讀了一條關(guān)于某明星的娛樂類新聞,其實無法推斷出他對所有娛樂類新聞感興趣,也不一定只對該明星情有獨鐘。
一種是非結(jié)構(gòu)化標(biāo)簽體系,就是各個標(biāo)簽各自反應(yīng)各自的用戶興趣,彼此之間并無層級關(guān)系。典型的非結(jié)構(gòu)化的標(biāo)簽,如搜索廣告系統(tǒng)中的關(guān)鍵詞,或者閱讀類產(chǎn)品中的文檔主題模型(Topic Model),或者向量化的用戶、物品 Embedding。
標(biāo)簽體系的建設(shè) 一要便于使用,二要區(qū)分度明顯 。結(jié)合具體產(chǎn)品而言:在不同的場景下,對這兩點的要求重點是不同的;最終在產(chǎn)品中選擇哪些標(biāo)簽并沒有明確的依據(jù),還是需要充分了解到底是什么驅(qū)動用戶使用產(chǎn)品。
有效的標(biāo)簽體系,要能反應(yīng)用戶決定買什么、不買什么的邏輯與依據(jù)。
例如電商產(chǎn)品中,以新聞頻道的方法,為用戶構(gòu)建“財經(jīng)、體育、旅游、…”這樣的標(biāo)簽,雖然并不難,但也沒多大意義。
用戶畫像行業(yè)實踐
神策數(shù)據(jù)與國內(nèi)某知名視頻聚合網(wǎng)站共同建設(shè)視頻推薦服務(wù)。該網(wǎng)站每天聚合全網(wǎng)的視頻,向用戶提供熱門視頻、視頻檢索等服務(wù)。網(wǎng)站已經(jīng)積累了大量的用戶和行為數(shù)據(jù),圍繞新、老用戶的運(yùn)營模型在發(fā)生著變化。
另與傳統(tǒng)的視頻站點不同,短視頻的運(yùn)營特點有:
播放隨意性強(qiáng): 短視頻播放雖然是個高頻、周期性強(qiáng)的娛樂應(yīng)用,但單次觀影時間短,用戶選擇隨意性大;
熱點輪換迅速: 平臺中不斷加入新視頻,每天的熱門內(nèi)容不斷變化,網(wǎng)站需要發(fā)現(xiàn)用戶潛在的興趣點,向用戶推薦新鮮內(nèi)容;
場景驅(qū)動: 場景是特定的時間、地點和人物的組合下的特定的消費意圖。不同的時間、地點,不同類型的用戶的消費意圖會有差異。例如白領(lǐng)乘地鐵上班,會關(guān)注當(dāng)日的新聞熱點;周末晚上在家,用戶更喜歡點擊娛樂搞笑視頻。場景辨識越細(xì)致,越能了解用戶的消費意圖,推薦滿意度也就越高。
隨著視頻資源的不斷豐富和用戶需求的多樣化,如何準(zhǔn)確向客戶推薦視頻,是該產(chǎn)品用戶畫像的一個基本目標(biāo)。我們十分看重推薦系統(tǒng)中,推薦結(jié)果的可解釋性,即讓用戶能感覺到每一條推薦視頻的推薦理由。因此,我們構(gòu)建用戶畫像也以觀看場景和觀看興趣為主。
我們考慮新用戶和老用戶兩大類群體:新用戶第一次進(jìn)入 App,在這一階段的運(yùn)營目標(biāo)以留存為主,主要向用戶推薦近期熱門視頻。除了常規(guī)的設(shè)備信息、地理信息外,我們對用戶了解甚少,可以通過猜測下列問題:
用戶在哪里?
這個時段可能處于什么場景?
構(gòu)建用戶畫像,進(jìn)行場景推薦。這兩種標(biāo)簽的獲取較為直接,通過用戶手機(jī)的地理位置信息和當(dāng)前時段就可以得到。不同場景下,我們向新用戶推薦不同的視頻,例如:
工作日,7:00-10:00: 用戶可能搭乘公共交通工具前往公司,乘車時使用 3G/4G 流量上網(wǎng),時間較為碎片化,并且容易受到打擾而中斷觀看。通常,這個時段用戶希望了解當(dāng)天的時事、新聞。因此我們推薦短小精悍的熱點新聞;
工作日,12:30-14:00:用戶可能在公司午休,我們推薦娛樂、搞笑類的視頻,目的性較弱,隨意尋找符合自己口味的內(nèi)容,但有可能因為午睡或工作,觀影時間碎片化。因此,我們推薦視頻時長較短,娛樂、搞笑類的視頻,如 X 奇藝的“笑 X 來了”等;
周末,19:00-23:00:用戶可能在家中休息,觀看時間較為充足;使用 Wifi,速度穩(wěn)定;這個時段用戶目的性通常較強(qiáng),例如看看 ”XX 歌手”、“XX 男” 等綜藝節(jié)目的熱門片段更新沒有。因此我們可以推薦綜藝節(jié)目、電影片花等,滿足用戶長時間放松的需求。
通過場景推薦的方式,我們在不了解用戶興趣的情況下,針對不同場景標(biāo)簽下的新用戶推薦不同熱門視頻,滿足用戶需求。
而 對于老用戶,運(yùn)營目標(biāo)是提升用戶體驗,向用戶推薦感興趣的內(nèi)容,能提高觀影時長;結(jié)合場景推薦用戶可能感興趣的新鮮內(nèi)容,能提高用戶留存率 。除常規(guī)信息、場景信息外,構(gòu)建老用戶的用戶畫像還會考慮:
用戶在不同時段的興趣點
用戶是否喜歡探索新鮮視頻
用戶召回需求
對于第一類“用戶興趣標(biāo)簽”,可以通過視頻本身的分類信息構(gòu)建結(jié)構(gòu)化的興趣標(biāo)簽。
我們在實際處理中,將每個用戶最近觀看記錄作為一個觀影序列,通過Item2Vec產(chǎn)出視頻的 Embedding 矩陣,并用Bag of Words 的思想以每個用戶的最近觀看記錄描述用戶興趣,得到用戶 Embedding,作為用戶興趣標(biāo)簽。
通過用戶興趣標(biāo)簽,我們可以將用戶興趣融入前文描述的場景推薦中,例如在工作日的 7:00-10:00,我們根據(jù)用戶興趣,從熱點新聞中篩選用戶感興趣的軍事、財經(jīng)等品類;在周末的19:00-23:00,我們根據(jù)用戶上周的觀影記錄,重復(fù)推薦相同的新一期的綜藝類節(jié)目。
對于第二類“用戶新鮮度需求標(biāo)簽”,我們通過衡量用戶觀影記錄中,各影片之間的相似度得到。影片分類覆蓋越多,或影片之間的向量距離越遠(yuǎn),說明用戶越喜歡探索新內(nèi)容。
對于喜歡探索不同類型的視頻的用戶,我們會更傾向于從用戶未觀看過的分類中,抽取新鮮熱門視頻加入推薦排序結(jié)果中。
現(xiàn)在互聯(lián)網(wǎng)產(chǎn)品的獲客成本很高,神策分析可以通過多維分析的方式尋找用戶流失的原因,同時我們也通過統(tǒng)計方法預(yù)測用戶流失風(fēng)險。
對于視頻網(wǎng)站的老用戶,觀影習(xí)慣和場景通常較為固定,當(dāng)用戶最近一段時間內(nèi)的觀看頻次顯著低于過往,甚至沒有打開 App 時,我們判定用戶有流失風(fēng)險,可以通過推送感興趣的視頻等手段,召回用戶。
小結(jié)
短視頻是一個高頻、隨意性強(qiáng)的產(chǎn)品,用戶的觀看行為受時間、場地等場景因素影響較大,需要對用戶在不同場景下的觀看行為做深入了解,歸納不同場景下用戶個體需求、群體需求的差異,針對不同場景制定相應(yīng)的推薦策略,這也是我們選擇場景作為短視頻產(chǎn)品用戶畫像的突破口的原因。
同時我們在構(gòu)建視頻推薦的用戶畫像時還面臨如下挑戰(zhàn):
數(shù)據(jù)稀疏性:個人的觀看記錄相對整體的覆蓋度是十分低的,不同的個體間重合度也很低。我們需要從這些稀疏的數(shù)據(jù)中得到個體、群體的興趣標(biāo)簽。
用戶興趣變化快:用戶的興趣點隨時間、熱點變化,用戶觀看了幾次關(guān)于某明星的短視頻,并不代表第二天或未來用戶會對他感興趣。我們需要分別構(gòu)建用戶短期、長期的興趣標(biāo)簽。
場景識別難:目前我們的場景識別以時間段為主,未加入地理位置信息,而后者能顯著提高細(xì)粒度場景識別的準(zhǔn)確度。
總結(jié)
最后,總結(jié)一下文中提到的兩種用戶畫像。User Persona 可以幫助我們形象的了解目標(biāo)用戶的行為特征,作為我們判斷用戶需求的依據(jù);User Profile 從用戶行為中構(gòu)建各種標(biāo)簽,在用戶生命周期中不斷刻畫用戶意圖,輔助產(chǎn)品運(yùn)營。
畫像標(biāo)簽體系的建設(shè)是不斷迭代的過程,例如視頻產(chǎn)品中,新的視頻、新的熱門話題不斷產(chǎn)生,不斷地研究和調(diào)整也就必不可少。只有根據(jù)產(chǎn)品運(yùn)營的目標(biāo),靈活調(diào)整標(biāo)簽體系,才能取得最好的效果。
本文轉(zhuǎn)載自網(wǎng)絡(luò),版權(quán)歸原作者所有!
文章轉(zhuǎn)載請保留網(wǎng)址:http://www.wedoyun.com/news/industry/1871.html