|
数据是构建用户画像的核心依据，一切不建立在客观数据基础上的用户画像都是耍流氓。在基础数据采集方面可以先通过列举法先列举出构建用户画像所需要的基础数据。具体的思路如下： 一级维度 二级纬度 数据举例 数据来源 宏观层 行业数据 如： 用户群体的社交行为 用户群体的网络喜好 用户群体的行为洞察 用户群体的生活形态调研 行业研究报告 用户总体数据 如： 用户总量 不同级别用户分布 用户活跃情况 转化数据 前台和后台 第三方数据平台 研发导出 总体浏览数据 如：PV、UV、访问页面数 总体内容数据 如： 社区产品的用户发帖量（包含：主题数、回复数、楼中楼等数据） 不用级别用户发帖数据等 中观层 用户属性数据 用户终端设备 网络及运营商 用户的年龄、性别、职业、低于、兴趣爱好等分布 用户行为数据 用户的粘性数据： 访问频率 访问时间间隔 访问时段 用户的活跃数据： 用户的登录次数 平均停留时间 平均访问页面数 用户的留存数据 用户成长数据 网络使用习惯 产品使用习惯 用户成长数据 新老用户数据 用户的生命周期 用户的等级成长 访问深度 如： 跳出率 访问页面数 访问路径等 模块数据 产品各个功能模块数据 问卷调研 问卷调研过程中各个问题的情况反馈 调研和访谈 用户访谈 访谈用户的问题和需求反馈 微观层 用户参与度数据 如： 用户资料修改情况 用户新手任务完成情况 用户活动参与情况 数据后台 第三方数据平台 研发导出 用户点击数据 用户各个功能模块和按钮的访问和点击情况等 当然上面列举的数据纬度相对比较多，在构建用户画像过程中会根据需求进行相关的数据筛选。 在基础资料和数据收集环节我们会通过一手资料和二手资料获取相应的基础数据。 资料性质 资料类型 一手资料 问卷调研情况 用户访谈情况 产品前台反馈出的数据和用户行为 产品后台数据 二手资料 研究报告 文献资料 这些资料和数据会有三个方面的来源： 相关的文献资料和研究报告 产品数据后台 问卷调研和用户访谈 第二步：分析建模 当我们对用户画像所需要的资料和基础数据收集完毕后，需要对这些资料进行分析和加工，提炼关键要素，构建可视化模型。 比如，如果我们所做的产品是面向95后的用户群体，你需要了解整个95后群的性格特征、行为喜好等，通过搜索你可以获取到以下资料： 企额智库《透视95后：新生代社交行为》 QQ空间独家大数据《“95后”新生代社交网络喜好报告》 百度《00后用户移动互联网行为洞察》 中国大数据产业观察《2015年95后生活形态调研报告》 接着可以对这些报告进行分析和关键词提炼，概括出整个95后群体标签，具体如下：
|
