商家要分析用戶畫像,，就要分析用戶的年齡,、性別、城市,、收入,、購物品牌偏好、購物類型,、平時(shí)活躍度,。這樣的用戶描述就是用戶畫像分析。

用戶畫像一般可以按照行為特征,、基本屬性,、消費(fèi)特征、交易屬性,、潛在特征,、興趣偏好、預(yù)測(cè)需求來組織,。當(dāng)然,，因?yàn)闃I(yè)務(wù)的差異，你可以根據(jù)自己業(yè)務(wù)的特點(diǎn),，加入不同的特征來構(gòu)建用戶畫像,。這些組織作用如下:

1.行為特征:主要用于記錄用戶的行為和操作信息。比如App的每日啟動(dòng)次數(shù),、每周啟動(dòng)次數(shù),、每月啟動(dòng)次數(shù)、評(píng)論活躍度,、最近瀏覽頁面和瀏覽時(shí)間,。

2.基本屬性:描述用戶的一些基本特征，用來反映用戶的一般信息,。比如用戶ID,、昵稱,、性別,、年齡、手機(jī)號(hào),、城市,、注冊(cè)時(shí)間、活躍度,、離職傾向等,。

3.消費(fèi)特征:主要用于記錄用戶的購買行為,。在這里，RMF模型可以用來記錄用戶最近的購買時(shí)間,、消費(fèi)價(jià)格,、消費(fèi)頻率等等。

4.交易屬性:主要用于記錄一些交易偏好,。比如訂單總數(shù),、交易金額、支付間隔等,。

5.興趣偏好:主要是找一些興趣點(diǎn)來區(qū)分用戶,。興趣偏好往往與日常營(yíng)銷活動(dòng)相結(jié)合。比如品牌偏好,、房型偏好,、品類偏好、星級(jí)偏好,、美食口味偏好等,。

6.潛在特征和預(yù)測(cè)需求:主要用于分析用戶的價(jià)格敏感度和目標(biāo)價(jià)格。

簡(jiǎn)而言之,，現(xiàn)在用戶畫像與大數(shù)據(jù)技術(shù)相結(jié)合,。在競(jìng)爭(zhēng)日益激烈的互聯(lián)網(wǎng)浪潮中扮演著越來越重要的角色。通過淘寶人群畫像,，可以看到這個(gè)店鋪的交易人群畫像和行業(yè)內(nèi)的交易人群畫像是否接近,，從而判斷店鋪目前的交易方向是否正確。按照正常的理解,，對(duì)店家是有幫助的,。