在精准投放中如何为用户画像？ _用户画像

随着时代和技术的发展，广告的形式呈现出多样化、立体化的趋势，从最早的纸媒广告发展到如今的网页的展示、搜索广告，广告的定位也从原先的“广而告之”发展成大数据时代的“精准营销”，相应地，人们对广告的态度也在悄然变化。
精准营销意味着”懂客户之需求”，只有全方位的了解用户，才能将广告主的广告推送到目标客户，提升转化率，随着用户越来越注重个人隐私，用户在上网的同时看到的尽是自己感兴趣的广告，在一个平台上搜索浏览过某个东西，去另外一个平台立即就能看家相应的广告。
很多用户在担心，这背后的平台到底获取了他们多少数据，感觉平台比自己更了解”自己”，上网完全就是”裸奔” 。今天我们就谈谈这个支撑精准营销的基础，那个在各个平台存在的虚拟的”你”——用户画像。

文章插图
何为用户画像
所谓用户画像，就是通过一系列真实数据分析出用户的一些属性：如性别、年龄、职业、学历、个人喜好、消费水平等，然后抽象出一个标签化的用户模型。下图是常见行业典型用户画像描述。
如何构建用户画像
用户画像都是建立在海量数据的基础上的，所以在进行用户画像工作之前，首先需要对用户数据进行一系列收集。
这些数据的来源途径多种多样，用户平时在各种平台的每一次搜索、点击、浏览、评论、转发、加入收藏、购物车、提交订单等等都会被记录下来。
除了记录行为外，同时也会记录当时的上下文，即什么时候(when)产生的，当时你在哪(where)，停留了多少时间(how long)等。
很多App还会让用户在安装的时候授予一些读取其他数据的权限，如下图，若用户同意授予，则App后台则会定时收集这些信息。
【在精准投放中如何为用户画像？】在新闻资讯类平台的新闻浏览点击分析用户对哪类资讯的点击率更高；或通过平时的定位收集到用户的活动区域范围和场景分析用户的地域信息。
这些信息都会被收集到信息库，后续会利用各种大数据技术对这些宝贵的数据进行整理分类和筛选处理。
然后再利用机器学习各种分类、聚类算法给用户贴上一系列标签。
例如，某个用户是男性还是女性、年龄多大、学生还是白领、个人喜好、购物偏好，购买力强弱-喜欢购买贵重还是便宜的，常出入地等。
数据越多越详细，标签就越精确，从而构建的用户模型就更清晰，推荐营销的效果当然也会更好。
用户画像的作用
精准营销是用户画像最直接最有价值的应用。就比如用户在淘宝、京东、携程等平台上进行商品搜索时，平台会利用构建好的画像，结合用户当时的上下文分析出用户的购买意向，然后为用户提供其感兴趣的商品。
如果有用户满意的商品，用户则会进行点击购买，如果用户没有进行购买就退出，后台会分析出推荐的商品有哪些被点击过、没有点击过从而适当的调整模型，那么当用户下一次再进入时则会根据用户此次的搜索关键字加上历史的行为，进行下一次的个性化推荐，留住了用户的同时也提高了商品的销量。
像淘宝等这种电商平台还会通过和今日头条等各个广告商进行合作将其商品推荐给感兴趣的用户，今日头条广告一般也会对各个广告主进行实时竞价排名(eCPM)，出价最高者获得广告曝光栏位，并只收取第二高价的费用，像这种千人千面的精准营销和千人一面的营销相比，前者更能体现出其价值。