用户研究的基础

用户研究的基础是对用户做画像,通常涉及用户行为和用户属性两部分。

前者指用户在日常使用产品时的所有操作,包括访问页面、点击按键、输入信息等具体的操作,记录的形式是每个动作产生一条日志记录;而后者指用户相对静态的一组状态值,包括年龄、性别等基础属性和根据行为加工计算的行为属性。

 

本文以电商行业为例,列举电商APP常用的用户属性。

最常用的基础属性包括:

//自然属性:包括性别、年龄、星座、文化程度、国家、民族、职业、省市、行业等。

//文化属性:包括学历、专业等。

//硬件属性:包括设备品牌、网络情况、设备价位、当前APP版本等。

//消费偏好:包括直接的品牌和商品类型,前者诸如Nike、三星、雀巢等,后者诸如3C、服装、食品等。

//触媒偏好:指用户平时会接触哪些广告渠道,诸如今日头条、微信公众号、百度推广、爱奇艺视频等。

 

继续在业务中深度挖掘,可以产生更多基于用户行为采集和简单加工的属性:

// 购物车内商品数量:

// 剩余优惠券数量:

// 最近优惠券过期日期:

// 用户等级:指是否是Plus会员、Prime会员等

// 积分数量:

// 积分过期日期:

// 生命周期/注册日期:

// 累计活跃天数:

// 累计交易笔数:

// 活跃时段:指一天24小时内,哪个小时访问最多,用来优化消息推送时段。

// 最近下单日期:

// 最近3个月下单金额:

// 最近3个月下单次数:

// 累计交易金额:指用户从注册到现在,所有交易的金额。

// 最近登录日期:

// 最近3个月登录次数:

// 登录设备数量:

// 使用优惠券比例:根据交易中使用优惠券的笔数和折扣计算的两个比例。

如果再加大计算学习的投入,还可以得到更抽象的标签属性,例如:

// 活动敏感度:打折活动、优惠券对下单起多大因素。

// 消费层次:基于购物商品的价位学习。

// 运动指数:基于浏览、收藏和购买运动类商品的行为计算对该类商品的偏好程度,同理这个指数还可以应用到服饰、母婴、数码、汽车、旅游这些领域。

This entry was posted in 资讯. Bookmark the permalink.