中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導讀：做好數據分析，有助于清晰現有用戶的畫像，找到各個行業用戶的核心關注點，來進行精細化的運營以提升用戶的復購。但實際的情況中，很多人卻并不知道如何做好用戶畫像。本文作者從項目實踐出發，結合案例對用戶畫像失敗的原因進行了分析討論，與大家分享。

上一篇分享算法模型失敗的案例，參見《不懂數據分析的算法工程師，會有多慘》，激起了很多同學的共鳴，有同學問：“有沒有用戶畫像項目失敗的例子，也分享下。”

答：失敗的用戶畫像項目，簡直罄竹難書！一抓一大把。今天我們系統講解一下。

一、用戶畫像失敗的標志

大家自己是不是也經常疑惑：“用戶畫像有啥用？”

如果有，恭喜，你的項目做撲街了，就這么直觀！

當然，更一般的撲街方式，是剛開始做用戶畫像的時候，業務部門搖頭晃腦的說：“我們要基于用戶畫像，詳細深入的了解用戶，比如用戶性別，年齡，地域，喜好，消費習慣，……這樣我們就能精細化決策了”。然后數據部門夯吃夯吃搞了幾個月，打了30000個用戶標簽，還得意洋洋的跟領導匯報：“我們的用戶畫像大數據建設取得長足進步”。

然后項目第一期匯報會上，數據部門得意洋洋的講到：

• 我們的用戶男女比例6:4
• 華南地區占比30%，華東25%
• 購買A產品占比50%

業務部門一個白眼拋過來：

• 我早知道了！
• 我們的用戶都是這樣的呀！
• 你做這有啥用？

當然還有更慘的，就是你貼個“忠誠用戶”的標簽，業務方說：哦，既然那么忠誠，就不做啥動作了，結果丫下個月不消費也不登錄了！你貼了“A產品愛用者”的標簽，業務方推了A產品，丫沒有買！業務方怒氣沖沖找來算賬：“這用戶畫像一點都不精準嘛！”于是項目徹底涼涼。

吐槽歸吐槽，問題到底出在哪里呢？

二、用戶畫像項目失敗的表面原因

原因一：混淆了過去和未來

問1：一個用戶昨天買了蘋果，前天買了蘋果，大前天也買了蘋果，他今天買不買蘋果？

問2：一個用戶買了醬油，雞翅，可樂，請問他是否還需要買竹簽去燒烤？

思考一秒鐘，不用思考一秒鐘，大家都知道，答案是：不一定，不一定，不一定。連續買蘋果，有可能代表他喜愛吃蘋果，也有可能已經買了很多了所以不買了。買醬油+雞翅+可樂，可能是去燒烤，也可能是做可樂雞翅。

過去的行為不等于未來的行為，未來的行為需要進行預測。無論預測的方法是基于業務邏輯的推理，還是基于算法模型的計算，都需要經過數據分析和試驗驗證。只有表現穩定的預測方法，才能被采納。

然而做用戶畫像的時候，業務方經常混淆這兩點。往往對著過去發生的行為貼一大堆標簽，對未來預測毫無概念，在預測分析上半點投入沒有?？从脩舢嬒駡蟾?，或者在CDP里設置推送規則的時候，想當然地認為：過去買了以后也買。最后預測不準，反而把鍋甩給用戶畫像系統。結果自然悲劇。

原因二：混淆了行為和動機。

問一個簡單的問題：一個用戶在過去30天內，有1天來我們家購買產品，請問該用戶是不是我們的產品愛用者？如果有2天呢、3天呢、4天呢……如果有30天呢？30天里天天都來買，肯定是愛用者了吧！

答：不一定。30天里天天都來買，你可以管他叫“高頻購買者”，因為購買頻率確實是很高。但是是不是人家很愛用我們的產品，不一定，因為你并不知道他到底愛不愛用，甚至不知道他用了沒用。

購買頻次不能直接等同于用戶喜愛。用戶喜愛或者不喜愛，需要更多維度的數據進行分析，并且分析結果得有一定概率的穩定性，才能這么叫。

類似的，很多企業里，業務方和數據分析師，對待這種“愛用者”等等名詞使用非常隨意、粗糙，基本上都是用消費金額、登錄頻次等等，高了就算“喜歡”、“愛用”，低了就算“邊緣”“嘗試”。做出來的結果，自然是毫無準確性可言。不用說，出了問題，比如推薦產品沒有人買之類，又算在用戶畫像頭上。

原因三：混淆了原因和結果。

問：累計消費10000元以上的用戶，都購買了5次以上，所以讓用戶購買5次，用戶就會累計消費10000，對不對……當然不對呀。然而業務方經常這么干！拿著過往消費高的用戶行為，往消費低的身上套，認為只要消費低的模擬了某個數字，就能成為消費高的。還美其名曰：“魔法數字”。

很有可能從源頭上，消費高的和消費低的就是兩類人，應該通過深入的分析搞清楚到底驅動行為的原因是什么。

從表面上看，用戶畫像失敗的原因，在于：重數據，輕分析。過分投入精力細化已經發生的行為，貼了太多太多事實性標簽。對預測投入力度不夠，對因果關系分析不夠，對用戶需求洞察不夠。最后判斷全靠業務拍腦袋。

你問他為啥基于這幾個標簽推產品/活動，他答的都是：

• 我覺得他都買了那么多次，他這次肯定買
• 我覺得他買過相關產品，他這次肯定買
• 我覺得他買了A，怎么也得買B

看了用戶畫像以后拍腦袋，和看報表拍腦袋都是拍腦袋，沒有本質區別，謝謝。基于過去的數據搞一堆標簽，很容易；沉淀有預測力、有準確度的用戶標簽，很難。不但需要深度的數據分析和建模，更需要反復的，多輪的，對比性測試。不是一蹴而就。

所以在業務部門自以為很懂，數據部門喜氣洋洋地宣布“打了三萬個標簽”的時候，禍根就已經埋下來了。

然而，同樣是業務期望值太高+數據準備不足的場景，為啥用戶畫像類項目，比數據模型類項目還要容易撲街呢？

三、用戶畫像失敗的深層原因

深層地看，因為數據建模的難度高，所以業務方對中間過程無法參與，只能對著結果品頭論足。做建模的小哥們，只要自己不作死，不閉門造車，主動降低業務期望，是能夠很大程度上避免問題的。所以建模項目失敗，基本上是盲人騎瞎馬的結果。

但用戶畫像項目正好相反：業務方以為自己很懂！做數據的小哥也以為自己很懂！幾乎所有的業務方一提用戶畫像，都會說這句：“比如，我知道用戶是24歲，女性，我就會推一個XX產品給她”。

大家都以為：我自己很懂，就差一個數了！快給我數。于是業務不停催著數據把過往數據做的再細、再細、再細，數據則在打標簽路上一路狂奔。最重要的預測、分析、實驗三件套沒人搞。

當然，這種基于過往數據的標簽，對有些部門是有用的——對客服、供應鏈、物流這種支撐部門有用。比如客戶接到一個客戶投訴“為啥售后師傅還沒上門啊?。?！”如果沒有打標簽，客戶得輾轉好幾個表，確認：客戶買的是啥產品、是啥時候，產品機身號、啥時候約的師傅之類細節。光確認過程就把客戶氣個半死。有了標簽，刷刷幾下就能定位到問題，能極大提升客戶體驗。

但悲劇的是，這種有用性，只是讓運營、營銷、策劃、設計等需要動腦子、做創意、想策略的部門更加自負而已。更加強了他們“我真的好厲害，就差一個數了！”的感覺。

于是悲劇就源源不斷了。如果說建模是盲人騎瞎馬的話，用戶畫像項目，就是騎著電動車搓著手機逆行闖紅燈——電動車自以為自己是個車，騎電動車的自以為自己騎得666。

為了規避這種問題，陳老師經常用這招。當業務方張嘴“如果我知道24歲，女性，我會推A產品”的時候，直接從數據庫里查出來最近一個月24歲女性到底有多少人買A，然后懟到業務方臉上：“不需要用戶畫像，我現在告訴你，購買率就是12%。你還上用戶畫像干啥，讓你的小哥按規則跑數就好了呀”。

這時候，但凡靠譜一點的業務方，都會立馬清醒過來這里的問題，表示：這么簡單的拼接不行，得基于事實標簽多分析分析。這樣項目后續就走的穩多了。

不過同學們慎用這招，你們的企業環境不見得適合這種硬懟風格哈，總之大家理解到問題關鍵即可。問題的關鍵是：單純的事實標簽預測能力太差，洞察力太差。不足以滿足運營、策劃、銷售、營銷們排兵布陣的需求。大量數據+深入分析，才是解決問題之道。

本篇就到此結束了，估計很多同學會好奇：CDP是個啥。有興趣的話關注接地氣的陳老師，我們下一篇分享。敬請期待哦。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議