简易版用户画像，你需要掌握这3个数据处理方法

小提示：您能找到这篇{简易版用户画像，你需要掌握这3个数据处理方法}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的简易版用户画像，你需要掌握这3个数据处理方法内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

衡量用户价值主要有两大维度：忠诚度和消费能力。本文从这两方面进行了简易的用户画像，以此做出用户分析，并告诉大家具体的数据处理方法。

一、背景

某电商，已上线并稳定运营了一段时间，积累了一些用户数据。产品及运营想要了解平台用户的价值类型，以便针对性的采取不同运营策略。（以下方法同样适用于广告、SNS等领域，或用以确认内容价值）

二、目的

确认用户价值类型，对不同用户，针对性地采取不同运营策略，更深入的挖掘用户价值。

三、分析思路

电商平台，衡量用户的价值主要有两大维度：

• 忠诚度（包括最近购买时间、购买频率、购买产品种类等）；
• 消费能力（平均每笔消费额、单次最高消费额等)；

要知道这个用户是怎样的用户，就是要知道这个用户在这两个维度上的表现如何。所以我们给用户这两项数据分别打分，放到忠诚度和消费能力的坐标轴中，并分别以两项的均值（可做其他定义）为界，划分出4个象限。

1. 第1象限是忠诚度较高、消费能力也高的最有价值用户：可进行差异化服务，进行专门重点维护；
2. 第2象限是消费能力较高、但忠诚度较低的高价值用户：可为其提供高价值消费品，定制的高价值消费服务。可以的话，用更好的体验来试图提升其忠诚度，使其跃升为第1象限用户；
3. 第3象限是忠诚度和消费能力都不算高的普通价值深圳小红书种草软文策划团用户：可给用户提供感觉质量好、价格低的商品；
4. 第4象限是消费能力不高、但很忠诚的传播价值用户：可采取低价促销的策略，其次运营可利用该类用户的特点，为平台提供传播增长价值。

以上，也可不拘泥于4个象限，划分出更多区域来进行更细化的运营。

四、具体数据处理

1. 获取数据

获取数据因素（并不全面，仅以此为例）：

用户忠诚度数据：

用户消费能力数据：

2. 给用户的各项数据评分

用户数据多种多样，数值及跨度、单位可能大不相同。要怎么处理，使各项相加后不致于偏向某些数据呢？这里我们可以使用数据标准化方法来处理这些数据。

“数据标准化”：在数据分析中，经常用到数据标准化。数据标准化指的是将数据按比例缩放，使之落入一个小的特定区间。去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标进行比较和加权。

有两种非常重要的数据标准化方法：归一化和标准化。

这里我们使用归一化方法。

归一化：通过对原始数据进行线性变换把数据映射到【0,1】之间，变换函数为：

其中max为样本数据的最大值，min为样本数据的最小值。

以购买频率为例，min=1，max=13,用户A的购买频率标准化=（3-1）/（13-1）≈0.2。

标准化公式算出的数据在【0,1】之间，将数据10，即得到10分制评分。

同理可得到用户消费能力评分：

3. 评分加权

第1步我们已经得到了两个维度的各个因素的评分，可以加和算出两个维度的评分了。

但是，这些因素的重要性可能有所不同，为了得到更符合预期的数据，我们可以给这些因素加权。

那各项数据的权重如何确定呢？这里介绍一种矩阵分析法。

以忠诚度为例，有3个因素，我们确定权重的步骤如下：

1. 简化为1/0式逻辑思维
2. 专家投票表决，横行比纵列重要时填“1”，反之填“0”
3. 将每行数字相加

因为合计中可能存在数值为0的情况，为了便于计算，可以人为将合计中每一项数值+1。

某因素权重=（某因素新的重要性合计得分/所有因素新的重要性合计得分）100%。

例如：购买频率的权重=（3/6）100%=50%。

有了各因素的评分和权重，即可得到各用户的忠诚度加权评分。

忠诚度加权评分=最近购买时间评分17%+购买频率评分50%+购买产品种类评分33%。

同理可得到消费能力的加权评分，过程不再赘述。（若想得到用户忠诚度和消费能力的综合分数，也可先得到两者的权重，再加和，方法同上）

4. 数据可视化

五、扩展

以上忠诚度只列举了部分购买因素（最近购买时间提供危机公关公司好的公司、购买频率、购买产品种类），还有浏览因素（访问间隔、访问频率、平均停留时长、平均浏览页面数）等等，其中这两类因素也可做出一套象限图，从浏览数据和购买数据来区分用户类别：

也可以结合多维数据，来得到更立体的用户画像，帮助我们更好的进行精准运营，更深入的挖掘用户价值。

以上为《产品心经》部分章节的阅读后总结及思考，感谢闫荣大大。

本文由 @脱糖 于，，

题图来自 Unsplash，基于 CC0 协议