互聯(lián)網(wǎng)產(chǎn)品早已進入定制化階段，千人千面的基礎(chǔ)就是用戶特征分析。實現(xiàn)的邏輯就是打標簽、分類、定制方案。

用戶特征分析 — 打標簽

用戶特征分析的基本概念、

用戶特征分析實際上就是知道用戶是什么樣的人，需要什么、喜歡什么。說通俗一點，在工作上就是分析用戶的付費點和什么樣的內(nèi)容可以占用用戶更多的時間。

用戶特征的分析實際上是信息分析的一個細類，歸根結(jié)底還是信息的分析。用戶信息的分析到應(yīng)用過程中最重要的是信息交叉和特征交叉。說人話就是，我們不會讓電腦判定你是什么樣的人，而是分析你是哪一類人，這一類人有著相同的特征，而且這個特征分的越細越好。

用戶特征分析是了解用戶訴求點的關(guān)鍵，用戶的大多數(shù)需求和一些比較隱蔽的需求，是無法通過問卷調(diào)查、用戶訪談這種比較表面的方法挖掘的。分析用戶的行為和特征，可以更深入的了解用戶的訴求點。

舉個例子：

小明公司的產(chǎn)品周年慶，要發(fā)點獎品用來推廣，然后就通過問卷調(diào)查來看一下用戶都比較喜歡什么類型的商品。小明設(shè)計了線上有獎問卷調(diào)查，在各個粉絲群里轉(zhuǎn)發(fā)分享，后來得出的結(jié)論是，用戶更傾向于美妝類獎品。小明對結(jié)果表示懷疑，因為實際上自家產(chǎn)品的男用戶更多，與結(jié)果不符，是什么原因呢？

事實上，問卷調(diào)查得到的答案群體特征比較分明，大多是愿意表達的、時間較多的、甚至因為獎品誘 人而導致女生轉(zhuǎn)發(fā)較多，同時達到的答案都比較顯而易見，所以問卷能力有限。

用戶特征分析的目的

1、明確知道你的用戶的真實的訴求點：用戶說出來的不一定是真的(訪談、問卷)，如上面舉的例子。

2、為功能設(shè)計提供核心依據(jù)，都9102年了，拍腦袋設(shè)計功能的做法早已經(jīng)萬萬不可取了。

3、數(shù)據(jù)挖掘與用戶推薦的底層支持：對用戶群體的特征非常非常的明確且有效，之所以很多人會沉迷頭條、抖音、微博，就是因為它們知道用戶喜歡什么想要什么，用戶就像進入沼澤不能自拔，這是用戶推薦的結(jié)果。

不得不承認，把用戶特征把握的越準確就越能綁住用戶的心，把標簽打的特別細，特別知道用戶心理，就能掌控用戶。雖然用“掌控”顯得太過功利和邪惡，不過事實就是如此。

最后，之所以我們更分析永和特征，是因為用戶心理的變化必定通過行為來表現(xiàn)，會通過行為把自己出賣。

用戶特征的操作邏輯

怎么進行用戶特征分析？用戶特征分析的操作起來可以分為四個階段：

收集數(shù)據(jù)-》分析數(shù)據(jù)-》打標簽-》解決方案

收集數(shù)據(jù)和分析數(shù)據(jù)都是對信息的操作，所以可以歸納為：

信息->標簽->方案

信息：收集、抽離、行為分析，

標簽：打標簽：碼農(nóng)、摳門、收入高

方案：優(yōu)化產(chǎn)品、運營方案，比如依據(jù)上面的標簽信息可以知道這是一個高收入?yún)s摳門的碼農(nóng)，那我們就可以使用特惠、促銷等方案“勾引”他。

信息的分析

基礎(chǔ)屬性：年齡、性別、星座、教育、身高、職業(yè)(一般是不隨自己永遠隨意改變 的)，相對容易拿到

社會關(guān)系：孩子(男孩女孩)、兄弟姐妹、父母、老公，相對難拿到

消費能力：月收入、月消費、支付寶有沒、信用卡、還房貸、車貸，很難拿到，但總歸能拿到

行為特征：經(jīng)討厭不準時、常團購、經(jīng)常加班、上班刷微博、開會不準時、在網(wǎng)吧上網(wǎng)，用戶不會說，很多也說不出來，一般是通過數(shù)據(jù)說話的

打標簽

打標簽，也就是用戶的心里特征：以上交叉：貪小便宜、品牌偏好、好攀比、猶豫、 健康訴求高等

針對方案不做展開

總之，把用戶特征分層分類是做好用戶畫像的關(guān)鍵

下面是實踐舉例時間：

用戶特征分析的過程 行為分析是關(guān)鍵

分析的特征的時候，采用從個體映射群體的方式

個體分析->關(guān)鍵特征->召回驗證(技術(shù)將特征返回用戶庫找相應(yīng)的用戶)->解決方案

色情廣告案例：

我們時長會在一個社區(qū)平臺或者內(nèi)容分發(fā)平臺，尤其是帶評論功能的平臺上發(fā)現(xiàn)色情廣告，我是地下城與勇士(簡稱DNF)的咸魚玩家，在DNF官網(wǎng)平臺DNF助手上，經(jīng)常看見發(fā)色情廣告的評論，我們可以討論一下該怎樣揪出這些“色情賬號”。

第一步：猜測關(guān)鍵行為

這些賬號的關(guān)鍵行為是比較清晰的，比如

1、低等級的新號

2、綁定的dnf角色等級低、沒裝備，甚至不綁定

3、kol或ugc發(fā)表文章后立刻評論

4、文章內(nèi)容不看，直接評論

5、長時間在線

能夠分離出這些特征的方法是命中行為路徑，不正常的用戶行為一定是不正常的，用戶 的異常行為命中用戶路徑的哪個階段，這個階段的行為跟正常用戶有什么不同，就是我們找出他特征的根據(jù)。

第二步：關(guān)鍵行為交叉驗證

命中第一步中一條的，并不能確認為色情賬號，通常要同時命中幾條才會

驗證的目的就是看自己猜測的關(guān)鍵行為對不對，有沒有遺漏

可以把符合條件的用戶篩選出來 然后看他們實際的行為 來驗證

第三步：明確特征的計算方式

產(chǎn)品同學在猜測關(guān)鍵行為的時候是像第一步中的列舉形式，但最終實現(xiàn)是由技術(shù)來實現(xiàn)，所以我們需要把第一步的內(nèi)容變成技術(shù)可以聽懂的語言。就是給用戶的行為轉(zhuǎn)化成可以用來檢索的內(nèi)容

比如長時間在線，轉(zhuǎn)化之后就是：用戶每天在線時間大于n小時(n是幾就要通過第二步的驗證來選擇一個既不傷及無辜又能聯(lián)合其他特征來區(qū)分色情賬號的時間)

第四步：優(yōu)化完善

兩個率可以驗證我們分析的特征的準確率：

召回率：有多少符合的數(shù)據(jù)被我們調(diào)了出來

假設(shè)我們一共有10000活躍用戶，調(diào)出了9000，這明顯是我們分析的特征行為除了問題

召回準確率：召回的數(shù)據(jù)中，有多少是命中色情賬號的。

這里要注意一點，可能有人認為命中率是至關(guān)重要的指數(shù)，就是所有的色情賬號中，我們通過自己的方式命中的比例是多少，這是非常理想的指數(shù)，實際上，我們本身就不知道有多少色情賬號，所以這個指數(shù)我們是拿不到的。

作者：海燕是只蠢貓，微信公眾號：1個產(chǎn)品還學Python

以上

總結(jié)

以上是生活随笔為你收集整理的基于用户标签的活跃人群特征分析_用户特征分析（行为分析是关键）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。