精准营销中的用户画像是什么？如何生成用户精准画像？

用户画像是根据用户社会属性

生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：

用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好

，产品偏好

用户社会特征：生活习惯，婚恋，社交/信息渠道

偏好，宗教信仰，家庭成分

用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次

用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件

如何生成用户精准画像

大致分为三步：

1.采集和清理数据：用已知预测未知

首先得掌握繁杂的数据源。包括用户数据、各式活动数据、电子邮件订阅数、线上或线下数据库及客户服务信息等。这个是累积数据库；这里面最基础的就是如何收集网站／APP用户行为数据。比如当你登陆某网站，其Cookie就一直驻留在浏览器中，当用户触及的动作，点击的位置，按钮，点赞，评论，粉丝，还有访问的路径，可以识别并记录他／她的所有浏览行为，然后持续分析浏览过的关键词

和页面，分析出他的短期需求和长期兴趣。还可以通过分析朋友圈，非常清晰地获得对方的工作，爱好，教育等方面信息，这比个人填写的表单，还要更全面和真实。

我们用已知的数据寻找线索，不断挖掘素材，不但可以巩固老会员，也可以分析出未知的顾客与需求，进一步开发市场。

2.用户分群：分门别类贴标签描述分析是最基本的分析统计方法，描述统计分为两大部分：数据描述和指标统计

。

数据描述：用来对数据进行基本情况的刻画，包括数据总数，范围，数据来源。

指标统计：把分布，对比，预测指标进行建模。这里常常是Data mining的一些数学模型，像响应率分析模型，客户倾向性模型，这类分群使用Lift图，用打分的方法告诉你哪一类客户有较高的接触和转化的价值

在分析阶段，数据会转换为影响指数，进而可以做”一对一”的精准营销。举个例子，一个80后客户喜欢在生鲜网站上上午10点下单买菜，晚上6点回家做饭，周末喜欢去附近吃日本料理

，经过搜集与转换，就会产生一些标签，如”80后””生鲜””做饭””日本料理”等等，贴在消费者身上。

3.制定策略：优化再调整

有了用户画像之后，便能清楚了解需求，在实际操作上，能深度经营顾客关系，甚至找到扩散口碑的机会。例如上面例子中，若有生鲜的打折券，日本餐馆最新推荐，营销人员就会把适合产品的相关信息，精准推送这个消费者的手机中；针对不同产品发送推荐信息，同时也不断通过满意度调查

，跟踪码确认等方式，掌握顾客各方面的行为与偏好。

除了顾客分群之外，营销人员也在不同时间阶段观察成长率和成功率，前后期对照，确认整体经营策略与方向

是否正确；若效果不佳，又该用什么策略去应对。反复试错并调整模型，做到循环优化。

这个阶段的目的是提炼价值，再根据客户需求精准营销，最后追踪客户反馈的信息，完成闭环优化

。

我们从数据整合导入开始，聚合数据，再进行数据的分析挖掘。数据分析和挖掘还是有一些区别。数据分析重点是观察数据，单纯的统计，看KPI的升降原因。而数据挖掘从细微和模型角度去研究数据，从学习集、训练集

发现知识规则。

佰仕兴弘全媒体广告投放平台，聚合市面95%的主流媒体资源，依托大数据算法，AI技术模型的应用，基于互联网海量流量、广告表现、媒介策略、人群属性、数据分析管理，实现一站式全行业的科学、智能、高效的广告精准营销活动。降低企业推广成本，提高转化率