
作者:接地氣的陳老師
來(lái)源:接地氣學(xué)堂
有同學(xué)問:“有沒有用戶畫像項(xiàng)目失敗的例子,也分享下?!贝穑菏〉?a href='/map/yonghuhuaxiang/' style='color:#000;font-size:inherit;'>用戶畫像項(xiàng)目,簡(jiǎn)直罄竹難書!一抓一大把。今天我們系統(tǒng)講解一下。
1
用戶畫像失敗的標(biāo)志
大家自己是不是也經(jīng)常疑惑:“用戶畫像有啥用?”
如果有,恭喜,你的項(xiàng)目做撲街了,就這么直觀!
當(dāng)然,更一般的撲街方式,是剛開始做用戶畫像的時(shí)候,業(yè)務(wù)部門搖頭晃腦的說(shuō):“我們要基于用戶畫像,詳細(xì)深入的了解用戶,比如用戶性別,年齡,地域,喜好,消費(fèi)習(xí)慣,……這樣我們就能精細(xì)化決策了”。然后數(shù)據(jù)部門夯吃夯吃搞了幾個(gè)月,打了30000個(gè)用戶標(biāo)簽,還得意洋洋的跟領(lǐng)導(dǎo)匯報(bào):“我們的用戶畫像大數(shù)據(jù)建設(shè)取得長(zhǎng)足進(jìn)步”。
然后項(xiàng)目第一期匯報(bào)會(huì)上,數(shù)據(jù)部門得意洋洋的講到:
業(yè)務(wù)部門一個(gè)白眼拋過(guò)來(lái):
當(dāng)然還有更慘的,就是你貼個(gè)“忠誠(chéng)用戶”的標(biāo)簽,業(yè)務(wù)方說(shuō):哦,既然那么忠誠(chéng),就不做啥動(dòng)作了,結(jié)果丫下個(gè)月不消費(fèi)也不登錄了!你貼了“A產(chǎn)品愛用者”的標(biāo)簽,業(yè)務(wù)方推了A產(chǎn)品,丫沒有買!業(yè)務(wù)方怒氣沖沖找來(lái)算賬:“這用戶畫像一點(diǎn)都不精準(zhǔn)嘛!”于是項(xiàng)目徹底涼涼。
吐槽歸吐槽,問題到底出在哪里呢?
2
用戶畫像項(xiàng)目失敗的表面原因
原因一:混淆了過(guò)去和未來(lái)
問1:一個(gè)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(gè)用戶買了醬油,雞翅,可樂,請(qǐng)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(xù)買蘋果,有可能代表他喜愛吃蘋果,也有可能已經(jīng)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(guò)去的行為不等于未來(lái)的行為,未來(lái)的行為需要進(jìn)行預(yù)測(cè)。無(wú)論預(yù)測(cè)的方法是基于業(yè)務(wù)邏輯的推理,還是基于算法模型的計(jì)算,都需要經(jīng)過(guò)數(shù)據(jù)分析和試驗(yàn)驗(yàn)證。只有表現(xiàn)穩(wěn)定的預(yù)測(cè)方法,才能被采納。
然而做用戶畫像的時(shí)候,業(yè)務(wù)方經(jīng)?;煜@兩點(diǎn)。往往對(duì)著過(guò)去發(fā)生的行為貼一大堆標(biāo)簽,對(duì)未來(lái)預(yù)測(cè)毫無(wú)概念,在預(yù)測(cè)分析上半點(diǎn)投入沒有。看用戶畫像報(bào)告,或者在CDP里設(shè)置推送規(guī)則的時(shí)候,想當(dāng)然地認(rèn)為:過(guò)去買了以后也買。最后預(yù)測(cè)不準(zhǔn),反而把鍋甩給用戶畫像系統(tǒng)。結(jié)果自然悲劇。
原因二:混淆了行為和動(dòng)機(jī)。
問一個(gè)簡(jiǎn)單的問題:一個(gè)用戶在過(guò)去30天內(nèi),有1天來(lái)我們家購(gòu)買產(chǎn)品,請(qǐng)問該用戶是不是我們的產(chǎn)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(lái)買,肯定是愛用者了吧!
答:不一定。30天里天天都來(lái)買,你可以管他叫“高頻購(gòu)買者”,因?yàn)橘?gòu)買頻率確實(shí)是很高。但是是不是人家很愛用我們的產(chǎn)品,不一定,因?yàn)槟悴⒉恢浪降讗鄄粣塾?,甚至不知道他用了沒用。購(gòu)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(shù)據(jù)進(jìn)行分析,并且分析結(jié)果得有一定概率的穩(wěn)定性,才能這么叫。
類似的,很多企業(yè)里,業(yè)務(wù)方和數(shù)據(jù)分析師,對(duì)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(fèi)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(lái)的結(jié)果,自然是毫無(wú)準(zhǔn)確性可言。不用說(shuō),出了問題,比如推薦產(chǎn)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(jié)果。
問:累計(jì)消費(fèi)10000元以上的用戶,都購(gòu)買了5次以上,所以讓用戶購(gòu)買5次,用戶就會(huì)累計(jì)消費(fèi)10000,對(duì)不對(duì)……當(dāng)然不對(duì)呀。然而業(yè)務(wù)方經(jīng)常這么干!拿著過(guò)往消費(fèi)高的用戶行為,往消費(fèi)低的身上套,認(rèn)為只要消費(fèi)低的模擬了某個(gè)數(shù)字,就能成為消費(fèi)高的。還沒其名曰:“魔法數(shù)字”。很有可能從源頭上,消費(fèi)高的和消費(fèi)低的就是兩類人,應(yīng)該通過(guò)深入的分析搞清楚到底驅(qū)動(dòng)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?cái)?shù)據(jù),輕分析。過(guò)分投入精力細(xì)化已經(jīng)發(fā)生的行為,貼了太多太多事實(shí)性標(biāo)簽。對(duì)預(yù)測(cè)投入力度不夠,對(duì)因果關(guān)系分析不夠,對(duì)用戶需求洞察不夠。最后判斷全靠業(yè)務(wù)拍腦袋。
你問他為啥基于這幾個(gè)標(biāo)簽推產(chǎn)品/活動(dòng),他答的都是:
看了用戶畫像以后拍腦袋,和看報(bào)表拍腦袋都是拍腦袋,沒有本質(zhì)區(qū)別,謝謝。基于過(guò)去的數(shù)據(jù)搞一堆標(biāo)簽,很容易;沉淀有預(yù)測(cè)力、有準(zhǔn)確度的用戶標(biāo)簽,很難。不但需要深度的數(shù)據(jù)分析和建模,更需要反復(fù)的,多輪的,對(duì)比性測(cè)試。不是一蹴而就。所以在業(yè)務(wù)部門自以為很懂,數(shù)據(jù)部門喜氣洋洋地宣布“打了三萬(wàn)個(gè)標(biāo)簽”的時(shí)候,禍根就已經(jīng)埋下來(lái)了。
然而,同樣是業(yè)務(wù)期望值太高+數(shù)據(jù)準(zhǔn)備不足的場(chǎng)景,為啥用戶畫像類項(xiàng)目,比數(shù)據(jù)模型類項(xiàng)目還要容易撲街呢?
3
用戶畫像失敗的深層原因
深層地看,因?yàn)?a href='/map/shujujianmo/' style='color:#000;font-size:inherit;'>數(shù)據(jù)建模的難度高,所以業(yè)務(wù)方對(duì)中間過(guò)程無(wú)法參與,只能對(duì)著結(jié)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(dòng)降低業(yè)務(wù)期望,是能夠很大程度上避免問題的。所以建模項(xiàng)目失敗,基本上是盲人騎瞎馬的結(jié)果。
但用戶畫像項(xiàng)目正好相反:業(yè)務(wù)方以為自己很懂!做數(shù)據(jù)的小哥也以為自己很懂!幾乎所有的業(yè)務(wù)方一提用戶畫像,都會(huì)說(shuō)這句:“比如,我知道用戶是24歲,女性,我就會(huì)推一個(gè)XX產(chǎn)品給她”大家都以為:我自己很懂,就差一個(gè)數(shù)了!快給我數(shù)。于是業(yè)務(wù)不停催著數(shù)據(jù)把過(guò)往數(shù)據(jù)做的再細(xì)、再細(xì)、再細(xì),數(shù)據(jù)則在打標(biāo)簽路上一路狂奔。最重要的預(yù)測(cè)、分析、實(shí)驗(yàn)三件套沒人搞。
當(dāng)然,這種基于過(guò)往數(shù)據(jù)的標(biāo)簽,對(duì)有些部門是有用的——對(duì)客服、供應(yīng)鏈、物流這種支撐部門有用。比如客戶接到一個(gè)客戶投訴“為啥售后師傅還沒上門?。。?!”如果沒有打標(biāo)簽,客戶得輾轉(zhuǎn)好幾個(gè)表,確認(rèn):客戶買的是啥產(chǎn)品、是啥時(shí)候,產(chǎn)品機(jī)身號(hào)、啥時(shí)候約的師傅之類細(xì)節(jié)。光確認(rèn)過(guò)程就把客戶氣個(gè)半死。有了標(biāo)簽,刷刷幾下就能定位到問題,能極大提升客戶體驗(yàn)。
但悲劇的是,這種有用性,只是讓運(yùn)營(yíng)、營(yíng)銷、策劃、設(shè)計(jì)等需要?jiǎng)幽X子、做創(chuàng)意、想策略的部門更加自負(fù)而已。更加強(qiáng)了他們“我真的好厲害,就差一個(gè)數(shù)了!”的感覺。于是悲劇就源源不斷了。如果說(shuō)建模是盲人騎瞎馬的話,用戶畫像項(xiàng)目,就是騎著電動(dòng)車搓著手機(jī)逆行闖紅燈——電動(dòng)車自以為自己是個(gè)車,騎電動(dòng)車的自以為自己騎得666。
為了規(guī)避這種問題,陳老師經(jīng)常用這招。當(dāng)業(yè)務(wù)方張嘴“如果我知道24歲,女性,我會(huì)推A產(chǎn)品”的時(shí)候,直接從數(shù)據(jù)庫(kù)里查出來(lái)最近一個(gè)月24歲女性到底有多少人買A,然后懟到業(yè)務(wù)方臉上:“不需要用戶畫像,我現(xiàn)在告訴你,購(gòu)買率就是12%。你還上用戶畫像干啥,讓你的小哥按規(guī)則跑數(shù)就好了呀”這時(shí)候,但凡靠譜一點(diǎn)的業(yè)務(wù)方,都會(huì)立馬清醒過(guò)來(lái)這里的問題,表示:這么簡(jiǎn)單的拼接不行,得基于事實(shí)標(biāo)簽多分析分析。這樣項(xiàng)目后續(xù)就走的穩(wěn)多了。
不過(guò)同學(xué)們慎用這招,你們的企業(yè)環(huán)境不見得適合這種硬懟風(fēng)格哈,總之大家理解到問題關(guān)鍵即可。問題的關(guān)鍵是:?jiǎn)渭兊氖聦?shí)標(biāo)簽預(yù)測(cè)能力太差,洞察力太差。不足以滿足運(yùn)營(yíng)、策劃、銷售、營(yíng)銷們排兵布陣的需求。大量數(shù)據(jù)+深入分析,才是解決問題之道。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10