用户运营:新电商如何做好用户分析? | KaneSEO

用户运营:新电商如何做好用户分析?

各位亲爱的朋友大家好,我是智远,今天我们聊聊关于做平台,或者社群运营,活动运营,如何做好一份用户分析和调研,用户调研的基本目的是了解平台,或者商品,或者社群用户的需求,痛点,通过建立用户界面和可用性的标准。

建立有效的用户分析模型包括:用户问卷调研模型,用户标签建立模型,用户行动模型,用户认知模型,用户知觉模型,用户喜好模型等,今天我们主要先分析下关于用户问卷调研的模型和用户标签建立的模型,直接进入主题:

一、什么是用户分析

  • 1.用户分析是通过各种方法,更完整的了解到,自身平台,社群目标群体的情况
  • 2.描述典型的目标用户以及群体的行为喜好
  • 3.用户分析=信息分析
  • 4.核心就是关注用户的心里变化,大盘数据变化,必定通过的行为表现,(例:商品为什么通过平台 社群销量高,等一系列情况的分析)

按照用户分析分类,我们可以将客户进行如下几个模块:

用户分析模型大纲

这套用户分析的模型大概可以应用到互联网,电商,新零售,餐饮,银行,保险,基金,医药,采购,供应商评估等行业。

那么搭建这套模型的第一步我们需要做什么?用户问卷调研和平台大数据分析两个方面共同进行。

做调研之前,我们要明白为什么要做用户调研?每次调研的目的是什么?每次调研的模型是什么?

明确背景和目的—选择目标用户—分析用户和问题—准备调研内容—填写追踪—总结报告。

1、问卷调研的注意事项:

  • 不要为了调研而调研
  • 问用户有什么需求
  • 试图引导客户
  • 求全求量,不要做局部
  • 依赖调查问卷

2、用户群体:

(1)典型的目标用户或者客户

  • 需求:用户最想解决的1-3个问题,用户对平台的3个问题反馈。

(2)为什么要做用户调研

  • a.了解用户对商品的试用的反馈
  • b.了解目标用户群使用场景和过程
  • c.精准的做用户的分析,团队数据的分析,重点客户以次到流逝客户的问题
  • d.总结用户的问题和流程
  • e. 提出最合理的解决方案

(3)用户调研常见的误区

  • a.指望从用户调研中获得需求,所以只能通过用户调研验证你的需求
  • b.把个体当作整体
  • c.从用户调研中找自我感觉证明
  • d.用户调研结论不要占比

(4)调研中最最最忌讳什么?

  • a.直接问用户想要什么,有什么需求?
  • b.直接问用户有没有用,效果怎么样?好不好等?

(5)调研结束的总结。

  • a.快速建立用户模型,建立一个用户画像,小步快跑,快速迭代,用户分层和画像,了解用户各方面属性,了解垂直领域,用户分层和画像。

3、以新电商(社交电商,社群电商,会员制电商)为例,通常调研模型组成的几个关键模块:

(1)个人,生活,购物,初级场景构建问卷

新消费问卷调查模型大纲

(2)围绕旅行,金融,进行评估调研,需要根据平台经营的类目,以及阶段性遇到的问题进行追踪:

新消费问卷调查模型大纲

这只是模型,具体还要根据平台,人群,竞品,需求点,去添加不同的维度信息,调研后,要积极进行统计,建议形成模型,每周/每月为频次,这样才能综合分析,问卷调查只是用户分析的一部分,另一部分就是要通过大数据平台进行分析。

二、大数据人群分析模型

平台或者项目构建前期,我们一般只能通过后台看到基础的月活,日活,商品购买率,点击率,复购率,那么一个新的平台想要构建大数据模型,从最基础要开始建立,这样在后期发展的时间,才能第一时间做精准的活跃分析,痛点分析,大概有以下几个方面围绕:

大数据人群分析模型

新电商平台或者新项目,我们如何通过大数据建立用户分析模型?那么我在做后台的时候,要拿到基础的信息抓取,

大数据用户建立画像大概有以下3个板块:

  • 基础信息的收集
  • 分析建模
  • 用户画像呈现

大数据用户建立画像流程

1、基础信息的收集包含

  • 用户ID、用户名、密码、性别、手机号、邮箱、年龄、户籍省份、身份证编号、注册时间、收货地址等
  • 用户所填信息计算得到的指标:
  • 生日、星座、城市等级、手机前几位、手机运营商、邮件运营商
  • 用户调查表得到:学历、收入、职业、婚姻、是否有小孩、是否有车有房、使用手机品牌。

有了基础信息之后,下一步我们就可以通过大数据进行分析建模,建模可以分为多个方面,我们先从基础的,男女划分,城市划分,销售划分,年龄划分,标签建模。

2、标签建模型包含

模型的建立离不开几个方面,时间,地点,人物等三个要素,每一次用户行为本质上是一次随机事件,可以详细表述为,什么时间,什么用户,在什么地点,做什么事情。

(1)底层标签

标签建模型底层标签

(2)常见标签

标签建模型常见标签

建模之前所需的几个标签数据:

1.原始数据 2.事实标签 3.模型标签 4.高级标签

基于原始数据首先构建的是事实标签,事实标签是从数据库直接获取(如注册信息),或通过简单的统计得到。这类标签构建难度低,实际含义明确,且部分标签可作后续标签挖掘基础特征(如产品购买次数可用来做为用户购物偏好的输入特征数据。

模型标签是标签体系的核心,也是用户画像工作量最大的部分,大多数用户标签的核心都是模型标签。

高级标签是基于事实和模型标签进行统计建模得出的,它的构造多与实际的业务指标紧密联系。只有完成基础标签的构建,才能够构造高级标签。

用户属性

3、三类标签属性

(1)用户基础画像

用户基础画像包含年龄,性别,学历,消费等,这种标签基本是稳定的,构建一次可以很长一段时间不用更新,标签的有效期在一个月以上。同时标签体系的划分也比较稳定。

(2)人口标签

兴趣画像是新零售电商使用最广泛的画像,互联网广告、个性化推荐、精准营销等各个领域最核心的标签都是兴趣标签。兴趣画像主要是从用户海量行为日志中进行核心信息的抽取、标签化和统计,因此在构建用户兴趣画像之前需要先对用户有行为的内容进行内容建模。

(3)用户消费情况属性

这类可以分析出用户近30天购买的次数,近30天购买的金额,近90天品类购买的次数,近90天品类购买的金额。

如果您在做用户运营方面,有以上的这些数据,那么就构成了大概的用户画像,就可以了解到用户的大概情况。分析其相关属性,就可以做到用户标签化。


本文由微信公众号“王智远”发布,实时了解最新的品牌营销策略,扫码关注王智远

王智远个人微信二维码

王智远名片

版权声明:本文著作权归原作者所有,欢迎分享本文,谢谢支持!
转载请注明:用户运营:新电商如何做好用户分析? | KaneSEO

发表评论