背景：

劉路老師之前主要是做政府?dāng)?shù)據(jù)分析，目前主要服務(wù)企業(yè)。他認(rèn)為政府和企業(yè)的數(shù)據(jù)分析沒(méi)有本質(zhì)區(qū)別，都是有目的的進(jìn)行收集、整理、加工和分析數(shù)據(jù)，提煉有價(jià)值信息的過(guò)程，都是為決策提供依據(jù)。政府?dāng)?shù)據(jù)分析的工作目標(biāo)為其職能服務(wù)，提高工作效率，保障工作成果，不以盈利為目的。而企業(yè)的數(shù)據(jù)分析無(wú)論是哪個(gè)部門，最終都會(huì)落在企業(yè)的營(yíng)收上。企業(yè)數(shù)據(jù)在保證數(shù)據(jù)源基礎(chǔ)上，最主要是要“走出去”，去一線與客戶直接交流，了解并思考業(yè)務(wù)和需求，而不是一直待在“后方”。

紀(jì)實(shí)：

一、用戶畫(huà)像是什么?

[[196901]] 

“用戶畫(huà)像”并不是最近才出現(xiàn)的，只是近幾年談得比較多。對(duì)用戶進(jìn)行畫(huà)像分析就是將用戶信息標(biāo)簽化的過(guò)程，打標(biāo)簽是為了幫助理解且方便計(jì)算機(jī)處理。除了分析數(shù)據(jù)源，“用戶畫(huà)像”最關(guān)鍵的是根據(jù)用戶行為及數(shù)據(jù)，構(gòu)建模型產(chǎn)出標(biāo)簽、權(quán)重。簡(jiǎn)單的說(shuō)，就是要設(shè)計(jì)標(biāo)簽體系，并規(guī)定符合該行為的人對(duì)應(yīng)的標(biāo)簽。如“性別”標(biāo)簽，為什么會(huì)出現(xiàn)基本屬性“男”，而購(gòu)物偏好性別計(jì)算顯示“女”?原因在于直接通過(guò)用戶填寫的信息獲取的是基本屬性，而“網(wǎng)絡(luò)行為性別”是建模計(jì)算出來(lái)的，經(jīng)常在網(wǎng)絡(luò)上購(gòu)買女性喜愛(ài)的禮物會(huì)被系統(tǒng)判定成“女”，我們猜測(cè)這個(gè)人可能是暖男。

二、用戶畫(huà)像準(zhǔn)確嗎?

[[196902]] 

現(xiàn)在做用戶畫(huà)像的公司有很多，雖然每家都有建模，但是數(shù)據(jù)源不一樣，模型也不一樣。就我了解的對(duì)于用戶消費(fèi)偏好“電商”這個(gè)標(biāo)簽，有的公司是根據(jù)用戶的購(gòu)物記錄來(lái)分析的;有的公司拿不到購(gòu)物記錄但是有瀏覽記錄，他們的算法是最近多少天瀏覽過(guò)多少次電商網(wǎng)站;還有的是根據(jù)用戶手機(jī)上相關(guān)APP的使用行為來(lái)判斷的。

而判斷用戶畫(huà)像的準(zhǔn)確性，目前主要有兩種：

從個(gè)性化與垂直領(lǐng)域切入細(xì)分化市場(chǎng)，弊端在于其接觸到的用戶數(shù)量和層級(jí)有限，得到的是某領(lǐng)域的一方數(shù)據(jù)，用戶畫(huà)像得到的是用戶某一形態(tài)下的單一畫(huà)像，其精準(zhǔn)度和完善度也很難保證。

積累了各渠道多樣化的數(shù)據(jù)來(lái)進(jìn)行用戶畫(huà)像，動(dòng)輒覆蓋數(shù)億用戶，標(biāo)簽維度幾千、幾萬(wàn)，這樣的畫(huà)像也不見(jiàn)得好，全而不精。

而我現(xiàn)在做的以及建議的方式介乎兩者之間，標(biāo)簽有基本屬性等通用維度，如果有具體行業(yè)的需求，比如汽車行業(yè)的用戶，我們會(huì)在庫(kù)里面把他的用戶找一批出來(lái)進(jìn)行畫(huà)像，再以此找到目標(biāo)群體。至于準(zhǔn)確性，我們會(huì)有正負(fù)樣本來(lái)交叉驗(yàn)證，依據(jù)人物畫(huà)像進(jìn)行營(yíng)銷活動(dòng)后，會(huì)拿多次反饋數(shù)據(jù)來(lái)驗(yàn)證量化畫(huà)像的結(jié)果。

三、數(shù)據(jù)源如何保證真實(shí)可靠?

數(shù)據(jù)源要真實(shí)全面，但不是數(shù)據(jù)越多越好，不能期望對(duì)收集到的所有數(shù)據(jù)進(jìn)行分析，或者希望所有標(biāo)簽都能由數(shù)據(jù)算出來(lái)。用戶畫(huà)像的數(shù)據(jù)源根據(jù)每家公司的業(yè)務(wù)和資源情況，獲取的數(shù)量、質(zhì)量與范圍都不一樣。就像我上面提到的，同一個(gè)消費(fèi)偏好“電商”的標(biāo)簽，每家的數(shù)據(jù)和算法就不一樣。

要保證數(shù)據(jù)源的真實(shí)性，首先對(duì)所收集整理數(shù)據(jù)的真實(shí)性和可信度進(jìn)行嚴(yán)格的監(jiān)測(cè)和細(xì)致的過(guò)濾。比如有的直播網(wǎng)站的某場(chǎng)直播的觀眾人數(shù)竟然比全中國(guó)人口數(shù)還多，那顯然就是不靠譜的。然后是嚴(yán)格鑒別數(shù)據(jù)的出處和來(lái)源，正確識(shí)別并剔除掉虛假甚至惡意數(shù)據(jù)信息，真正收集整理出真實(shí)有用的數(shù)據(jù)信息。比如電影評(píng)分，不少影片是有水軍來(lái)刷分的，這部分ID的數(shù)據(jù)就應(yīng)該識(shí)別并剔除掉。

另外有人會(huì)問(wèn)到水軍及僵尸粉，我們公司產(chǎn)品“粉絲鏡”里有水軍識(shí)別模型，通過(guò)用戶行為和賬號(hào)信息等綜合來(lái)判斷。之前我給某部電影做過(guò)傳播分析，他們花錢在微博上推廣，數(shù)據(jù)看上去很美，轉(zhuǎn)發(fā)和評(píng)論超多，而且還有大V加入造勢(shì)，后來(lái)我分析傳播鏈條，發(fā)現(xiàn)絕大部分都是一級(jí)轉(zhuǎn)發(fā)，沒(méi)有帶動(dòng)任何后續(xù)傳播，且大部分賬號(hào)都是沒(méi)頭像的、名字規(guī)律的小號(hào)。數(shù)據(jù)可視化后，水軍傳播圖就是一個(gè)個(gè)整整齊齊的等腰三角形，而自然的熱帖傳播圖應(yīng)該是不規(guī)律的長(zhǎng)尾彗星狀，有經(jīng)驗(yàn)的人一眼就能看出差異。 

(購(gòu)買水軍及僵尸粉產(chǎn)品示意圖) 

(正常情況推廣示意圖)

在識(shí)別水軍和僵尸粉的算法上，一方面是比對(duì)賬號(hào)的注冊(cè)信息、發(fā)帖內(nèi)容，另外一方面是用戶行為，如作息時(shí)間、操作行為等。如果有幾百個(gè)賬號(hào)每天都是同一時(shí)間上線下線，發(fā)的內(nèi)容雷同，然后互相之間互動(dòng)簡(jiǎn)單，差不多就可以判斷是同一批機(jī)器托管的賬號(hào)。除了判斷是否水軍及僵尸粉，我們還可以根據(jù)社交關(guān)系和行為模型，把相似賬號(hào)順藤摸瓜給找出來(lái)。我做過(guò)一個(gè)思潮分析的項(xiàng)目，剛開(kāi)始本來(lái)只是簡(jiǎn)單分析現(xiàn)階段有哪些意識(shí)流派，每派的觀點(diǎn)及意見(jiàn)***。后來(lái)發(fā)現(xiàn)自媒體平臺(tái)上經(jīng)常有不同流派的罵戰(zhàn)，而且反應(yīng)迅速、精力充沛、有組織有紀(jì)律，進(jìn)一步分析后發(fā)現(xiàn)大部分賬號(hào)都是偽裝得比較巧妙的機(jī)器人賬號(hào)，看來(lái)他們不光是思維的碰撞，還有技術(shù)的較量。至于境內(nèi)外不同團(tuán)體不同國(guó)家不同使命的機(jī)器人賬號(hào)也是有的，在他們面前，這些買買僵尸粉，刷刷評(píng)分的水軍就是小兒科了。

四、用戶畫(huà)像的數(shù)據(jù)分析如何評(píng)估?如何影響決策?

因?yàn)槊考业臄?shù)據(jù)分析方法都不一樣，用戶畫(huà)像本身是工作中的一個(gè)輔助工具，所以做單純的評(píng)估其實(shí)沒(méi)有太大意義。

至于哪幾個(gè)要素決定***的營(yíng)銷決策，這個(gè)要看具體場(chǎng)景。我們服務(wù)過(guò)很多精準(zhǔn)營(yíng)銷的客戶，有的偏重“地域”，有的偏重“年齡”，還有的偏重“消費(fèi)能力”。比如剛才我提到的兩個(gè)性別標(biāo)簽，用戶可能會(huì)隨意填寫性別，但是購(gòu)物偏好性別對(duì)商家來(lái)說(shuō)更重要。而對(duì)于征信來(lái)說(shuō)，驗(yàn)證基本性別屬性是否一致就更為重要。

如何***化發(fā)揮用戶畫(huà)像分析結(jié)果對(duì)決策產(chǎn)生的影響?這是最重要的問(wèn)題。這幾年目前號(hào)稱能做用戶畫(huà)像的公司很多，魚(yú)龍混雜，數(shù)據(jù)質(zhì)量和技術(shù)能力參差不齊。我聽(tīng)過(guò)不少客戶說(shuō)，花了一大筆錢建設(shè)用戶畫(huà)像系統(tǒng)結(jié)果用不起來(lái)，或者花錢買了份用戶畫(huà)像的報(bào)告，看上去像那么回事與自己想的也差不多，看完也就看完了，對(duì)工作好像也沒(méi)啥幫助。這樣的情況越來(lái)越多，讓不少客戶開(kāi)始覺(jué)得用戶畫(huà)像沒(méi)啥用，甚至懷疑大數(shù)據(jù)是不是看上去很美就是講故事的?

我能理解客戶的心情，如果我們?nèi)ズ涂蛻粽剶?shù)據(jù)多全，技術(shù)多厲害，分析模型多準(zhǔn)確，他們不是很感興趣，更關(guān)心這個(gè)用戶畫(huà)像對(duì)自己的業(yè)務(wù)幫助有多大。以前沒(méi)用戶畫(huà)像的時(shí)候，他們是自己和下游對(duì)接業(yè)務(wù)。有了用戶畫(huà)像后，相當(dāng)于中間多了個(gè)環(huán)節(jié)，怎樣和下游把用戶畫(huà)像用起來(lái)能更好地服務(wù)于決策，不是所有客戶都懂，所以光理解客戶的業(yè)務(wù)還不夠，還要幫他用起來(lái)，才能更大地發(fā)揮用戶畫(huà)像的價(jià)值。

五、用戶畫(huà)像的發(fā)展將面臨什么問(wèn)題?

用戶畫(huà)像是數(shù)據(jù)分析的一個(gè)應(yīng)用，這幾年其實(shí)用戶畫(huà)像已經(jīng)被炒得很火了，我并不認(rèn)為它還會(huì)持續(xù)成為方向和趨勢(shì)，對(duì)于企業(yè)來(lái)說(shuō)用戶分析一直有，不過(guò)現(xiàn)在是用大數(shù)據(jù)的技術(shù)手段來(lái)分析，起了個(gè)“用戶畫(huà)像”的名字。但數(shù)據(jù)分析會(huì)越來(lái)越重要，將來(lái)的趨勢(shì)可能在機(jī)器學(xué)習(xí)模型領(lǐng)域。

用戶畫(huà)像的數(shù)據(jù)準(zhǔn)不準(zhǔn)，算法是不是正確，我覺(jué)得這些都不是問(wèn)題，主要困難還是如何結(jié)合業(yè)務(wù)的應(yīng)用。如培訓(xùn)機(jī)構(gòu)的用戶畫(huà)像，用戶畫(huà)像顯示目標(biāo)用戶是6到18歲，對(duì)球類運(yùn)動(dòng)感興趣，家住中高檔小區(qū)的人群?？蛻敉耆J(rèn)同這個(gè)結(jié)果，但是如何找到這些人?這就要求除了提供分析以外，還要能精準(zhǔn)觸達(dá)他的目標(biāo)用戶，讓他看到用戶畫(huà)像相對(duì)于之前盲目投放廣告的成本比例。所以除了做用戶畫(huà)像，還要有配套的應(yīng)用及平臺(tái)將其價(jià)值發(fā)揮出來(lái)，我們現(xiàn)在整合了各類媒體資源、電話短信等觸達(dá)方式，還開(kāi)發(fā)了精準(zhǔn)投放模型等來(lái)***化發(fā)揮用戶畫(huà)像的價(jià)值。技術(shù)最終還是要服務(wù)于業(yè)務(wù)的，業(yè)務(wù)如果能廣泛開(kāi)展，也能促進(jìn)技術(shù)的進(jìn)步。