当前位置: 首页 > news >正文

【用户画像】应用场景

目前所做工作的主要业务场景:干货|一文从0到1掌握用户画像知识体系_腾讯新闻

广告联盟?

所谓广告联盟是什么呢??

案例背景

某电商App的商品运营团队欲提升电子产品的老客复购率、新客下单率,于是选择了和头条合作投放再营销广告。比如,某用户在该电商App看了vivo手机,第二天刷今日头条的时候,就看到了对应手机的广告信息。

实现逻辑

首先需要保证该电商App和今日头条的API已经打通,然后基于用户在App内行为(浏览、收藏、加购、搜索等)进行算法挖掘产生用户商品偏好的标签。当今日头条捕获用户设备信息后,就会向该电商发送一个请求,询问是否需要对这个用户展示广告。这个时候电商平台会判断该用户是否是自己的用户,如果是自己用户,就会对今日头条返回一个推荐结果,那么用户就会在今日头条看到之前浏览过的商品信息了,点击后就可以跳转到电商App内的商品详情页了。

 

回到正题

用户画像应用

前面提到过用户画像主要有:经营分析、精准营销、个性化推荐与服务3个方面的应用。具体又可以分为:

4.1 经营分析

用户画像系统的标签数据通过API进入分析系统后,可以丰富分析数据的维度,支持进行多种业务对象的经营分析。下面总结的是一些市场、运营、产品人员分析时会关注的指标:

4.1.1 流量分析

1、流量来源
2、流量数量:UV、PV
3、流量质量:浏览深度(UV、PV)、停留时长、来源转化、ROI(投资回报率,return on investment)

4.1.2 用户分析

1、用户数量:新用户数、老用户数、新/老用户数量比
2、用户质量:新增用户数(App启动)、活跃用户数(App启动)、用户留存(App启动-App启动)、用户参与度、沉睡、客单价

4.1.3 商品分析

1、商品动销:GMV、客单价、下单人数、取消购买人数、退货人数、各端复购率、购买频次分布、运营位购买转化
2、商品品类:支付订单情况(次数、人数、趋势、复购)、访购情况、申请退货情况、取消订单情况、关注情况

4.1.4 订单分析

1、订单指标:总订单量、退款订单量、订单应付金额、订单实付金额、下单人数
2、转化率指标:新增订单/访问UV、有效订单/访问UV

4.1.5 渠道分析

1、用户活跃
(1)活跃用户:UV、PV
(2)新增用户:注册量、注册同环比

2、用户质量
(1)留存:次日/7日/30日留存率

3、渠道收入
(1)订单:订单量、日均订单量、订单同环比
(2)营收:付费金额、日均付费金额、金额同环比
(3)用户:人均订单量、人均订单金额

4.1.6 产品分析

1、搜索功能:搜索人数/次数、搜索功能渗透率、搜索关键词
2、关键路径漏斗等产品功能设计分析

4.2 精准营销

4.2.1 短信/邮件/push营销

日常生活中我们经常会从许多渠道接收到营销来的信息。
一条关于红包到账的短信消息推送可能会促使用户打开已经很久没访问的App,一条关于心愿单里面图书降价的邮件消息推送可能会刺激用户打开推送链接直接下单购买。
具体有哪些类型的营销方式呢?大致可以分为以下4类:
1、基于行为营销:产品浏览、加入购物车、门店扫码、订单取消、订单退货等
2、基于位置营销:周边门店、周边活动、常去区域等
3、基于节日营销:生日、春节、双十一、双十二、圣诞等
4、基于会员营销:欢迎入会、卡券提醒、积分变更、等级变化、会员礼遇等

4.2.2 客服话术

当我们在向某平台的客服部门投诉、咨询或反馈意见时,客服人员可以准确的说出我们在平台的购买情况,上一次咨询问题的处理结果等信息,针对性的提出解决方法,对于高价值用户提供VIP客服通道等专项服务。

4.3 个性化推荐与服务

应用的运营者,可以通过个推用户画像中的性别、年龄段、兴趣爱好、浏览购买行为等标签,给用户推荐不同的内容。

如今日头条上的个性化文章内容推荐、抖音上基于用户画像做的个性化视频内容推荐、淘宝上基于用户浏览行为等画像数据做的个性化商品推荐等。

相关文章:

  • 表白墙(前端+后端+数据库)
  • AI 预测世界杯比赛结果,惊掉下巴
  • 一个完整的项目流程
  • 嵌入式学习笔记(1)基本知识、C语言常用关键字、OLED
  • 用Python采集球员信息,成功预测到了球赛胜负?
  • OpenCV图像处理——(实战)答题卡识别试卷
  • 2022亚太数学杯数学建模竞赛A题(思路分析......)
  • 为了提前预测比赛结果,于是我用Python获取比赛球员数据进行分析,结果...
  • 机器学习之特征提取
  • 第 46 届国际大学生程序设计竞赛(ICPC)亚洲区域赛(南京),签到题5题
  • 线代——求逆矩阵的快捷方法
  • 分布式存储之 etcd 的集群管理
  • std::unique_ptr(基础和仿写)
  • UG旋钮盖模具设计与加工
  • 【JAVA高级】——封装JDBC中的DaoUtils工具类(Object类型方法)
  • .pyc 想到的一些问题
  • 2017-09-12 前端日报
  • axios 和 cookie 的那些事
  • Date型的使用
  • ES6--对象的扩展
  • Git学习与使用心得(1)—— 初始化
  • iOS帅气加载动画、通知视图、红包助手、引导页、导航栏、朋友圈、小游戏等效果源码...
  • Javascript弹出层-初探
  • mysql 5.6 原生Online DDL解析
  • OpenStack安装流程(juno版)- 添加网络服务(neutron)- controller节点
  • Sequelize 中文文档 v4 - Getting started - 入门
  • 产品三维模型在线预览
  • 前端自动化解决方案
  • 腾讯优测优分享 | 你是否体验过Android手机插入耳机后仍外放的尴尬?
  • 无服务器化是企业 IT 架构的未来吗?
  • 小程序开发中的那些坑
  • 自定义函数
  • Mac 上flink的安装与启动
  • ​ 轻量应用服务器:亚马逊云科技打造全球领先的云计算解决方案
  • # 深度解析 Socket 与 WebSocket:原理、区别与应用
  • #LLM入门|Prompt#1.7_文本拓展_Expanding
  • #pragam once 和 #ifndef 预编译头
  • #pragma pack(1)
  • #每日一题合集#牛客JZ23-JZ33
  • (Oracle)SQL优化技巧(一):分页查询
  • (原創) 如何將struct塞進vector? (C/C++) (STL)
  • (转)利用ant在Mac 下自动化打包签名Android程序
  • .NET : 在VS2008中计算代码度量值
  • .net Application的目录
  • .net core 3.0 linux,.NET Core 3.0 的新增功能
  • .net redis定时_一场由fork引发的超时,让我们重新探讨了Redis的抖动问题
  • .netcore 如何获取系统中所有session_ASP.NET Core如何解决分布式Session一致性问题
  • .NetCore项目nginx发布
  • .net中调用windows performance记录性能信息
  • []error LNK2001: unresolved external symbol _m
  • [AutoSar]BSW_Memory_Stack_004 创建一个简单NV block并调试
  • [BZOJ 3282] Tree 【LCT】
  • [BZOJ3211]:花神游历各国(小清新线段树)
  • [C#]DataTable常用操作总结【转】
  • [DAU-FI Net开源 | Dual Attention UNet+特征融合+Sobel和Canny等算子解决语义分割痛点]