如何破解“千人千面”，深度解读微信用户画像

随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。相比传统的线下会员管理、问卷调查，大数据第一次使得企业能够通过移动互联网便利地获取用户更为广泛的反馈信息，为进一步精准、快速地分析用微信户行为习惯、消费习惯等重要商业信息，提供了足够的数据基础。伴随着对人的了解逐步深入，一个概念悄然而生：微信用户画像，完美地抽象出了一个微信用户的信息全貌，可以看作企业应用大数据的根基。

一、什么是微信用户画像？

男，31岁，北京朝阳区，已婚，收入1万以上，爱美食，团购达人，喜欢红酒配香烟。于2017.5.1通过线下门店活动添加关注，于2017.8.1参与问卷调查领取20元优惠券一张。这样一串描述即为微信用户画像的典型案例。如果用一句话来描述，即：微信用户信息标签化。

二、为什么需要微信用户画像？

微信用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解用户的进入渠道或行为偏好并且方便数据处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？

也可以做数据挖掘工作：利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌？利用聚类算法分析，喜欢红酒的人年龄段分布情况？

烽火台-微信CRM，曾自动为我爱卡公众号制作出用户画像，结合二维码运营活动，在一周内识别出80%粉丝的兴趣，来源等关键数据。在深入理解了粉丝的需求后，针对性推送信用卡开卡申请，粉丝到开卡的转化率最高可达30%。同年，我爱卡的个性化营销案例入选当年Social ONE智库。

三、如何构建微信用户画像？

一个标签通常是人为规定的高度精炼的特征标识，如年龄段标签：25~35岁，地域标签：北京，标签呈现出两个重要特征：语义化，人能很方便地理解每个标签含义。这也使得微信用户画像模型具备实际意义。能够较好的满足业务需求。如，判断微信用户行为偏好。

人制定标签规则，并能够通过标签快速读出其中的信息，机器方便做标签提取、聚合分析。所以，用户画像，即：用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。

四、微信用户画像的实际运用？

我们考虑新用户和老用户两大类群体。新用户首次关注微信公众号，在这一阶段的运营目标以留存为主，主要向微信用户推送有关产品介绍或活动优惠。我们可以通过场景推荐的方式（微信公众号在不了解用户兴趣的情况下，针对不同场景标签下的新用户行为推送不同的图文消息）满足用户需求。

而对于老用户，运营目标是提升用户体验，向用户推荐感兴趣的内容，能提高观影时长；结合场景推荐用户可能感兴趣的新鲜内容，能提高用户留存率。我们可以定期针对老用户举行相应的优惠活动，进一步提升用户粘性。