实战案例讲解：用户画像如何应用？思维导图

之所以把业务场景放到第一位，是因为业务场景是用户运营的重中之重，很多用户运营往往走入一种误区是先有用户画像。再基于画像标签对用户进行分群，再推送定向活动，这种运营思路往往是为了营销而营销，最终是解决了什么业务问题反而无从谈起。

比如某个平台把几个标签组合筛出了一部分人群，标签包括：性别、年龄、最近的购买时间、客单价等，最终推了一个满减活动过去。那这个营销结束之后我们只能分析一次活动的成败，而对整体用户运营缺乏实际的业务支撑意义。

明确业务场景的意义在于，我们有了具体业务场景，才会有具体营销的目标人群，进而再针对人群的画像特征制定更加明确的营销策略。

我们以第三个业务场景为例，平台用户月滚动流失率为30%，希望能通过定向的用户运营将流失率降低至15%。

接下来的任务就是找到哪些用户产生了流失？

有的同学会说这好办，我们将平台用户三个月未回来购买的用户定义为流失，然后将这些用户分出来，定向推送一张复购券，接下来分析这张券的核销效果，如果核销较好，则用户流失率会降低。

这是一种最简单但效果最差的用户运营方式了，相信很多人刚做用户运营的时候，都是这么做的。

一方面是缺乏用户模型的支撑，无法更加精准的预测流失，只能根据已流失用户做一些召回活动，但用户真正流失后召回率往往很难达到1%。另一方面缺乏画像的支撑，不了解流失用户群的特征，想当然的推一些大力度活动，反而很难再打动流失用户。

用户建模是做用户运营的必备技能，就好比一个技术猿如果不会写代码，不了解一门代码语言，那怎么可以从事这个行业呢。

针对这个业务场景我们需要搭建什么样的用户模型呢？

用户建模完成后，我们可以把平台用户数据与大数据模型打通，通过大数据分析的方法可以定向输出我们想要的用户群。

回到我们的业务场景，我们业务目标是降低用户流失率，也就是从30%降低至15%。

那我们的目标营销用户群该是谁呢？

如果单纯筛选已流失用户，试图通过挽回这部分用户来提升回流率，我们知道营销难度非常大，一般流失用户往往是直接卸载APP或者不再使用我们的产品，一旦卸载APP后触达率非常低，通过短信召回的办法往往也是得不偿失。

那我们把目光瞄向流失边界的用户，这部分用户通过模型预测，流失倾向要高于平台的活跃用户但并未流失，这个时候如果及时采取干预营销，用户留下的可能性反而很大。

目标营销用户群定位完成，接下来需要分析用户群的画像以了解用户行为特征，从而制定更具有针对性的营销策略。

用户画像该如何分析呢？

这里分析用户画像不是大而全，而是要基于实际业务场景，哪些画像更有助于营销策略的制定，我们只分析这部分画像信息即可。我们先通过模型看下这部分用户群的实际画像。