大企業のユーザーポートレート制度の特徴とは？

ビッグデータの時代において、ユーザーポートレートは企業の精密マーケティングや製品最適化のための重要なツールとなっています。本記事では、基本属性タグ、主要行動タグから階層化行動タグ、興味嗜好タグに至るまで、大企業のユーザーポートレートシステムの特徴を明らかにし、包括的かつ正確なユーザーポートレートを構築する方法を詳細に分析します。

性別や年齢などの基本情報を記述することに加えて、ユーザーポートレートは運用戦略を導き、ユーザーのアクティビティ/支払いを増やすためのソリューションを提供できますか?もちろん！ただし、特定のビジネス状況と組み合わせる必要があります。先日、同級生が大手企業の面接を受けたのですが、RFM指標の暗記に忙しくて不合格になってしまいました…状況を振り返り、大手企業のユーザーポートレートに対する分析アイデアや要件を見てみましょう。

1. ユーザータグについて、まずはシナリオについて話しましょう

まず、各分析方法は特定のビジネスシナリオに限定されています。本質的に、オンラインで広く流通している RFM アプローチは、耐久財、母子ケア、医療、健康管理、ゲーム、映画やテレビの娯楽など、RFM には適していない高頻度インタラクティブ小売電子商取引ビジネス シナリオにのみ適しています。この学生は電子商取引の経験があったにもかかわらず、ある会社の小説読みアプリの面接を受けているという事実を見落としていました。

新しいビジネスでは、支払いの動機はコンテンツに大きく左右されます。ユーザーにお金を使ってもらいたいのであれば、少なくともユーザーが楽しんで視聴できるコンテンツを提供する必要があります。ユーザーにコンテンツを楽しんでもらいたい場合は、ユーザーがどのようなコンテンツを好むかを知る必要があります。さらに、小説は短編動画や生放送とは異なります。ユーザーの爽快感は、クールな動画の瞬間的な刺激からではなく、継続的な読書プロセス中の没入感から生まれます。

これにより、コンテンツの検索 → クリックして読む → 読み続ける → 有料ページ → 支払う → 支払い続けるという、徐々に没入感のあるコンバージョン プロセスが作成されます。したがって、ユーザープロファイリングにおける最も重要な問題は、ユーザーの現在の段階を特定し、ユーザーを次の段階に導くことです。これには、ユーザーのステータスを明確に識別するための豊富なユーザー タグが必要です。

2. 基本属性タグ

一部のユーザー タグはフォームを使用して収集できます。例えば：

母子用品：赤ちゃんが生まれた月と赤ちゃんの健康状態

子どもの教育：年齢、学年、科目（英語/中国語/オリンピック数学）、目的

物流と貨物: 貨物の種類、貨物の重量、出発地、目的地、所要時間

家事代行サービス：自宅所在地、サービス内容（ベビーシッター・掃除・介護）、自宅訪問時間

ヘルスケア: 年齢、性別、身体状態、病歴

知らせ！これらのフォームは、ビジネス自体の厳格なニーズに基づいています。たとえば、住所情報がなければ、おばさんは戸別訪問サービスを提供できません。したがって、このタイプのフォーム情報は、収集の難易度が低く、ラベルの精度が高く、ユーザーが理解して協力することができます。

新しいシナリオでは、フォームを使用して情報を収集することは適切ではありません。なぜなら、小説に対するユーザーの「需要」は単純に1+1=2ではないからです。タイムトラベルが好きで三国志が好きだからといって、「三国志にタイムトラベルすること」が好きというわけではありません。したがって、フォームを設計するときには、細部までこだわる必要はなく、重要なフィールドを見つけることだけにしてください。読む場合:

1) 性別（男性と女性の頻度には確かに大きな違いがあります）

2) ストーリーのテーマ（ファンタジー、歴史、タイムトラベル、ロマンスなど）

3) あなたは特定の作家（人気作家/古典作家）のファンですか？

ユーザーの行動に与える影響が大きく、収集しやすいため、フォームで収集することができます。その他のラベルは、その後の行動分析を通じて取得されます。

3. 主要な行動タグ

ユーザーの現在の段階を特定するには、ユーザーの種類を区別できる最も重要なタグを見つける必要があります。決済率を上げることが目的なので、決済関連のタグが最も重要です。ユーザーの支払い記録に基づいて、一度も支払ったことがない、小説 1 冊分を支払った、2 冊以上を支払ったという 3 つのステータスを区別できます。案内の方向も非常に明確です（下図参照）

上記の分類には、「この記事を最新の状態に保つ」という戦略が定められていることに注意してください。つまり、ユーザーが小説を読んでいる進捗状況を観察する必要があるということです。有料小説が完結/終了した場合は、すぐに新しいコンテンツを推奨する必要があります。ユーザーが最後まで読むことすらできなかったり、すでに放棄してしまったりした場合は、推奨する他の優れたコンテンツを見つける必要があります。したがって、ユーザーの読書行動タグを考慮する必要があります。

4. 階層的動作タグ

ユーザーの読書行動は支払いにとって非常に重要です。理論的には、ゲームに魅力を感じるユーザーだけが料金を支払い、さらに興味のある他のコンテンツに対しても料金を支払う可能性が高くなります。まだ穴に入っていない者はできるだけ早く穴の中に引きずり込むべきであり、すでに穴から脱出した者は後ろに落ちないようにすべきである。そのため、ハマっていない状態、ハマっている状態、ハマっていない状態を区別することが非常に重要です（注：「ハマっている」とは、ある小説のストーリーにハマっている読者の俗称です）

ユーザーが夢中になるには、新しいアプリに一定のログイン時間と頻度を持つことが最低限の要件となります。したがって、たとえば、過去 1 週間のログイン回数/合計ログイン時間を使用して、プラットフォーム上でアクティブなライト ユーザー、ミディアム ユーザー、ヘビー ユーザーを区別することができます (下の図を参照)。

繰り返しになりますが、ユーザーがコンテンツに惹かれた場合、そのユーザーは必ず周囲を見回すのではなく、1 つのコンテンツに集中します。そうすると、プラットフォーム上での彼のアクティブ時間におけるこのコンテンツの割合はかなり長くなるはずです。

これにより、ユーザーがコンテンツ ラベルにフォーカスしているかどうかを区別できます。

感情がない：長期的なアクティブコンテンツがない

専用: 長期にわたってアクティブなコンテンツを持つ

博愛：長期アクティブコンテンツが複数ある

どれくらい長いかを判断するには、層別分析法を使用する必要があります。

第三に、ピットへの出入りは動的なプロセスです。以前は焦点を絞ったコンテンツがなかったが、後で焦点を絞ったコンテンツがある場合、それは落とし穴に落ちると呼ばれます。以前は焦点を絞った内容があったのに、後で焦点が合わなくなった場合、それは穴から抜け出すと呼ばれます。したがって、ラベルを作成するときは、現在のステータスを考慮するだけでなく、前のサイクルのステータスと関連付ける必要があります。たとえば、前のサイクルと関連付けて、ユーザーの集中力が低下していることがわかった場合、それは落とし穴に落ちることとして要約できます。フォーカスが上がると、ピットからの脱出と要約できます（下図参照）。

行動ラベルと支払いを組み合わせることで、問題をより正確に区別することができます。もちろん、戦略を策定する際には、ユーザー規模も考慮し、大規模なグループのニーズを満たすことを優先する必要があります（下図参照）。

ラベル ロジックを構築するときは、事故を避けるために MECE メソッドに従う必要があります。これは、プロのデータ アナリストとビジネス担当者が問題について考える方法の本質的な違いです。ビジネス担当者は最も明白な問題を直接把握できますが、データ担当者は状況の包括性と厳密さに焦点を当てます。

5. 興味嗜好タグ

前述の通り、利息を直接徴収することにはさまざまな問題があります。他に何ができるでしょうか?もちろん、ユーザーの行動から興味を抽出することもできます。前の段階でユーザーの読書行動を分類してカウントしておけば、次のことを簡単に区別できます。

1) ユーザーはXXタイプのコンテンツを読むのに長い時間を費やす

2) ユーザーはXXタイプのトピックに非常に忠実である

3) XXタイプのコンテンツに対するユーザーの支払い率が高い

アクティブ行動と有料行動を組み合わせることで、ユーザーの興味の好みを簡単に定義できます。

もちろん、無料で入手することにこだわり、関連する読書行動を多く行うものの、お金を払わないタイプのユーザーもいます。このとき、クーポン テストを使用して、価格に敏感な顧客と実際に状況を利用している人を区別し、価格選好ラベルを形成できます。

6. 出力戦略

上記の基本的なラベル準備により、最終的な戦略を出力する際に​​、ユーザーのニーズに応じて、ビルディングブロックのようにさまざまな戦略を組み合わせることができます。基礎がしっかりしていれば、結果は簡単に達成できます（下図参照）

七。まとめ

多くの学生は、インターネット上の既成のデータセットを扱うことに慣れています。いわゆるユーザー ポートレートは、ほとんどが既成のフィールドであり、特にフォーム フィールドから直接収集されたものです。この既製のデータセットは実際の状況とは大きく異なり、最も重要なこと、つまりユーザーの行動に基づいたラベル付けを実践していません。