基于用户画像的精准营销研究

曹凤芹 张华欣（江西科技学院）

■引言

用户画像是近年来营销中经常提及的一个精准营销模式，相比商品自由交易来说这种主观意义上的推送和推荐更加精准，用户自身的行为习惯和搜索记录构成的用户画像成为商家推送商品或广告的主要依据。因此，本文对用户画像如何应用于精准营销进行分析，希望能够提高商品销售精准率。

■用户画像和精准营销的概念

（一）用户画像

用户画像本质上来说就是一种用户模型，该模型是对同一种用户的形象概括，这些用户的行为习惯相近、兴趣爱好相同，用户画像在营销方面具有重要作用。用户模型需要对用户的数据进行收集，例如用户的搜索记录、年龄、性别、购买记录等信息，然后根据用户留存在互联网上的数据完成用户信息全貌的刻画，最后才能得到较为精准的用户画像。用户画像模型在构建的过程中会受到数据收集量的影响，从理论层面上讲数据量越大用户画像就越清晰准确，而数据量小则用户画像不够精准，当数据量小到一定程度时该用户画像模型不具备实际参考价值。用户画像需要按照行业或者分类的不同进行更加细致的划分，用户画像类型划分得越细致，则每一个分类的用户画像的精准性就会得到相应的提升。因此用户画像在分类的过程中会将信息全貌分解成不同类型的标签，例如男、女、18岁以下、50岁以上、20～30岁、学生、家庭妇女、上班族、高消费等，这些标签经过自由组合即可构成不同类型的用户画像[1]。

（二）精准营销

精准营销本质上就是将商品通过推荐或者广告让对这些商品有需求的人们能够看到和了解，这样买家具有购买欲望时直接会被推荐一些合适的商品，而买家则可以将购买商品可能性低的人群剔除出去，最后将有限的资源集中到购买可能性高的人群营销中。精准营销即通过技术手段将商品在合适的时间推荐给正确的用户，精准营销的目标是一类群体而不是个人，而这类群体的定位可以通过用户画像来进行，这就是用户画像与精准营销联系密切的原因。市场定位也是精准营销必须要考虑的因素，精准营销需要了解商品的属性和特点，然后根据商品的功能分析哪些用户购买该商品的可能性较高，最后再对用户的特征和标签进行分析，即可将商品特征与用户特征相互匹配，从而完成商品的精准营销[2]。

■基于用户画像精准营销的背景

用户画像与精准营销的联系密切，但是用户画像在精准营销中使用需要一定的技术背景，否则无法构建较为准确的用户画像。当前社会互联网技术和信息通信技术比较发达，大数据技术即在互联网计算机技术和信息通信技术之上衍生出来的，该技术可以通过海量的数据收集完成资料汇总，最后提高信息数据分析结果的准确性和效率。而用户画像精准营销的背景即大数据技术的广泛应用，只有将用户画像与大数据技术结合起来，才能够保障用户画像模型与商品贴合。如果大数据技术没有应用到用户画像的收集分析和模型构建中，则用户的特征和标准划分会存在一定的差异，而且收集海量的数据还需要浪费大量的时间和精力。因此无论是从效率还是从准确性来看，基于用户画像精准营销的背景都必须依托大数据方面的计算手段，否则通过用户画像无法保证精准营销的效率和质量。

■基于用户画像的精准营销策略

（一）构建用户画像

1.用户画像数据收集

用户画像需要通过收集大量的行为数据、偏好数据、需求数据、基础信息数据，才能提高用户画像的丰满程度。用户画像的数据维度越齐全、人物特征越丰富，在精准营销中起到的作用越大。用户画像收集的数据主要分为两种类型，第一种类型，收集的数据是固定不变的，例如用户基础信息数据中的性别、年龄、身高、体重、职业、地理位置等信息，这些用户数据标签大部分情况下不会发生变化或者短时间内不会发生变化；第二种类型，收集的数据是变化的而且变化周期比较短，例如用户行为数据、偏好数据、需求数据中的搜索记录、商品浏览记录、兴趣爱好类型、商品需求类型等信息。这些用户数据变化的速度很快，很多用户每周的需求都在变化。当用户某种需求被满足之后，这些用户在短时间内不会再次出现同样的需求。因此构建用户画像需要不间断地对用户画像数据进行收集，而能够满足用户画像数据收集需求的最好办法就是利用大数据技术。

2.用户画像数据标签化

用户画像构建必须将数据标签化处理，用户画像模型的核心就是数据标签化。数据标签化即将用户的特征分成不同类型的标签，然后按照标签类型的不同将具有相同特征的人群打上同一类型的标签，最后根据标签类型的自由组成即可构成一个完整的用户画像。例如用户画像中的基础信息数据可以分为年龄、性别、地域、职业、婚姻状况等特征，因此基础信息可以分成以下男、女、18岁以下、18～30岁、30～50岁、50岁以上、东北、华北、西北、西南、东南、中部、学生、上班族、自由职业、老板、已婚、未婚等不同类型的标签，然后分别在同类标签中选择一类或者两类组成完整的用户画像。例如以女性、18～30岁、东南地区、上班族、未婚等标签为主构建一个基础的用户画像，再将与用户画像标签相符合的商品对这类用户进行精准营销，即可提高商品的成交率。

3.用户画像模型

用户画像模型的构建需要根据数据收集结果和标签化结果来实现，首先用户画像模型需要将数据收集与用户画像模型直接对接，由用户画像模型完成对数据的处理和分析工作，然后通过数据特征进行标签化将用户打上标签，最后通过标签的精简和过滤为商品精准销售提炼特征合适的标签特征。其中静态用户画像数据需要每隔一段时间进行处理和更新，例如年龄数据则需要进行一年一次的更新，这样能够及时对用户的标签进行调整，防止用户年龄标签分类错误。而动态用户画像数据需要时刻调整和更新，当用户的兴趣爱好发生变化或者出现购买行为之后应该立即对该类标准进行淡化处理，否则商品营销的精准性会有所下降。

（二）精准营销系统设计

商品精准营销系统的设计可以分为两个方面，第一个方面，商家实力强大，自己品牌知名度比较高，拥有自己的官网和销售渠道，这种情况下商家应该自主设计精准营销系统，对自己的品牌客户进行分析和归类，根据用户标签的不同进行精准化营销，这样才能提高用户的购物体验；第二个方面，商家实力弱小，品牌知名度不高，没有自己的官网和销售渠道，这种商家一般依托于电商平台生存，一般由电商平台完成精准营销系统的设计工作。例如淘宝、京东、拼多多等，这些平台的商家则不需要自主设计精准营销系统，一则商家的资金和专业技术人才储备不足，二则收集用户画像数据比较困难。而电商平台自身设计精准营销系统的模板供所有平台商家同时使用，这样既可以让用户画像的数据收集量更大，也可以将精准营销系统的作用发挥到最大。

（三）产品精准广告推送

产品精准广告推送一般在精准营销系统中实现，广告推送与精准营销系统设计的分类一致。第一种广告推送形式适用于大商家，主要广告推送到各大搜索引擎端口，如百度、360、搜狗、神马等，通过搜索广告的覆盖可以直接通过标准化精准推送选择购买意向强烈的人群。第二种广告推送形式同时适用于大商家和小商家，主要在电商平台内部进行广告精准推送，此时商品使用的广告营销系统是电商平台自己设计的内部系统，广告投放位置主要分布在电商平台的PC端和移动端的各个页面中，商家可以根据平台设计好的标签选择不同的用户画像，最终即可在用户画像的指引下完成精准营销的目的。标签化广告推送不仅可以降低精准营销的成本，还会提高广告推送的有效性，向没有购买需求和欲望的人群推送商品广告得到回应的几率比较小。

（四）产品精准推荐营销

产品精准推荐营销属于更加高端的营销方式，其中对协同过滤推荐算法的应用比较多，主要根据商品属性标签对人群进行过滤，最后通过智能推荐手段根据用户标签选择商品标签相似的商品进行推荐，这种精准推荐营销可以让用户一直浏览自己喜欢和感兴趣的商品，对商品的成交具有极大帮助。产品精准化广告推送是一种商家主动投放广告的形式，而产品精准推荐营销是一种被动式的广告推送，这种推荐营销与商家并无太大关系，主要由平台算法完成整个精准推荐营销过程。电商平台的推荐算法越精准完善，商品和用户的标签化就越清晰，产品精准推荐营销就越简单。

■结论

综上所述，用户画像对精准营销非常重要，精准营销必须精准掌握用户的特征，然后根据用户特征为其推荐商品或者推送广告，最后产品特征与用户需求达成一致才能完成基于用户画像的精准营销。因此精准营销必须从构建用户画像入手，收集用户画像的数据总结其特征，对用户画像进行标签化处理构建用户画像模型，即可提高商品营销的精准性。