用SIKT模型構建的用戶畫像,太好用了!
做用戶畫像項目最怕的是用戶畫像與業務場景脫節,那如何從業務場景出發,讓用戶畫像有效呢?本文分享了SIKT模型,來幫助你解決此問題。推薦給從事數據分析行業的小伙伴們閱讀。
做用戶畫像項目最怕啥?三個字:沒!屁!用!經常是做數據的同學哼哧哼哧整了白天,輸出所謂的“360度用戶畫像”然后被業務方噴:
- 知道性別、年齡又怎樣!
- 過去消費高,未來呢?又怎樣?
- 你標記個高潛力,它就真的高潛力了??
以上種種問題,都是沒有基于SIKT模型推進項目所致。用戶畫像與業務場景脫節,沒有考慮業務拿到畫像能干啥。
想要破局,當然得回到業務場景中,認真思考:到底用戶畫像能幫上啥?而SIKT模型正是解決此問題的一套概念模型(非算法模型哦)。
01 SIKT模型原理
SIKT模型是一套梳理標簽的方法。標簽是用戶畫像的基礎,是構建畫像體系的磚石。想讓用戶畫像系統有用,標簽本身得是有價值的。這就要求,在做標簽的時候,不能憑著數據人員的直覺,像說貫口一樣把“性別、年齡”胡亂懟進系統,而是從業務場景出發,層層遞進。
- 第一步:梳理業務場景。使用方先思考:我要解決什么問題?
- 第二步:梳理關鍵指標。使用方再思考:用什么指標衡量問題解決?
- 第三步:梳理關鍵行動。使用方再思考:我做什么事能解決問題?
- 第四步:篩選有用標簽。數據協助思考:用什么標簽能提升行動效率。
按照這個步驟梳理出來的標簽,很好觀察:
- 有明確的使用場景。避免了信息過剩,讓使用者聚焦思考問題。
- 有明確的考核指標。明確了考核方法,改善了關鍵指標就是效果。
- 有明確的落地動作。清晰了標簽效果,同一動作,使用標簽前后的差異。
要注意的是:標簽并非萬能的,有可能有些業務場景是不需要標簽的。因此使用該方法的第一步,就是先梳理業務場景,把那些和標簽高度相關的場景找出來。
02 業務場景梳理
從本質上看。標簽是一系列業務信息的濃縮。比起未濃縮的信息,標簽有三大優勢:
- 優勢一:便于查詢。想象一下超市里買東西,如果沒有標簽分類,都寫商品全名,那找起來得多麻煩。因此,提升信息檢索效率,就是標簽第一大功能。使用標簽進行信息檢索,能提升認知階段的效率。
- 優勢二:便于分類。有了標簽,分類效率會提升非常多,特別是一些已明確不會使用到的分類,一下就能篩選出來。這樣能提升決策階段的效率。
- 優勢三:便于挑選。如果對于可用的手段有了標簽分類,就能快速找出適合當前的手段,避免了重重復復的分析論證,從而極大提升執行效率。
小結下,幾乎所有的業務工作,都要涉及:認知現狀,制定策略,選擇方法三個步驟。因此,只有還處于大干快上,跑馬圈地,野蠻生長的行業是不需要標簽的。
真還在野蠻生長的話,那還查詢個啥、分類個啥、挑選個啥,可勁砸錢,干就完了奧力給!但凡行業增速減慢,需要控成本,增效益的時候,標簽都有用。
03 1個應用小案例
場景一:某互聯網企業投放部門,計劃選擇大V進行私域投放。
投放場景的指標很明確:投放轉化率。要注意的是:由于是私域投放,買了大V的廣告位以后,就只能全覆蓋該大V的粉絲,無法在決策階段做用戶分群。所以在場景拆分的時候,決策階段沒法用標簽優化。
但是在認知現狀、方法選擇階段,標簽能幫上忙。
認知階段:大V有很多,一個大V覆蓋各個平臺。此時如果有標簽對大V進行分類,就能輕松查看該大V的基本情況,挑選出合適的大V。
選擇階段:同一個廣告,可能有5、6種不同素材可以使用。此時如果有標簽對素材進行分類,就能減少篩選難度,提升效率。
注意,這里用的標簽并非100%的用戶標簽。比如大V分類標簽,可能需要負責推廣的同事自行標記。比如素材標簽,需要負責素材設計的同事自行標記分類。
注意,這里用的標簽,也并非一次性產生的。比如大V標簽中“作弊”標簽,是在之前合作中,發現大V有作弊行為,之后標記上,避免后人上當。比如素材標簽中“使用效果”標簽。是觀察N次素材投放效果以后標記出來的。
這引申出一個很深層的問題:用戶畫像建設,并非某一天,一個神力無敵的數據分析師刷刷把數據庫一弄就出來的。這些對業務的分類,對效果的追蹤,需要長時間積累,需要業務方同事一起參與才能完成。
04 再看個小案例
場景二:某互聯網企業用戶運營,計劃針對沉睡用戶進行喚醒,以激活消費一筆(不計金額大?。槟繕?。
這個場景下,關鍵指標很清晰,就是沉睡用戶的激活率。
在細分場景的時候會發現,在認知階段難度較小,因為已經鎖定了沉睡用戶群體。但在策略階段,較為復雜。
一來,在沉睡以前,用戶的消費習慣、消費經歷都不同,可能需要區分用戶特點,找適合用戶的激活方案。
二來,當前沉睡不代表未來沉睡,本身用戶就有一定自然回流概率,如果不能區分這些自然回流用戶,很有可能投放的喚醒資源都被薅羊毛薅走了。
所以在關鍵行動層面,需要2個重要輔助:
- 區分過往消費偏好,區分過往消費層次
- 預測未來自然喚醒概率,區分自然喚醒用戶
這兩點都對應著標簽的需求。但實現方法是不同的:過往的需求分析是有數據可依的,因此可以通過歷史數據進行用戶分層/分群。但未來喚醒情況則需要預測,這是需要算法模型支持的。
有趣的是:真預測出來誰會消費以后,在做喚醒資源投放的時候,是會繞開這些預測消費用戶的,這樣事后測算ROI才好看。
這又引申出來一個深層次話題:預測模型怎么來,怎么用,也是緊密結合業務場景的。很多人建設用戶畫像的時候,不考慮業務場景,單純指望一個:“預測模型/推薦模型”包打天下。是非常不切實際的。
05 小結
總結整個SIKT運作過程可以看出:想讓用戶畫像有效,標簽先得有效。
想讓標簽有效,得:
- 緊密結合業務場景
- 清晰要改善的關鍵指標
- 明確落地關鍵動作
- 業務同事積極參與,貼上業務標簽
- 數據要長期跟蹤,特別是關于效果的標簽
- 算法模型在關鍵場景,關鍵環節補位
總之,全民一起努力,才能真正實現效果。單靠一個數據分析師,單靠現有數據庫里那點字段,脫離業務場景做模型,脫離業務動作談數據采集,最后只能獲得如開頭一樣,平砍一刀不見血的無用畫像。
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。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!