編輯導(dǎo)讀：做好數(shù)據(jù)分析，有助于清晰現(xiàn)有用戶的畫像，找到各個行業(yè)用戶的核心關(guān)注點，來進行精細化的運營以提升用戶的復(fù)購。但實際的情況中，很多人卻并不知道如何做好用戶畫像。本文作者從項目實踐出發(fā)，結(jié)合案例對用戶畫像失敗的原因進行了分析討論，與大家分享。

上一篇分享算法模型失敗的案例，參見《不懂?dāng)?shù)據(jù)分析的算法工程師，會有多慘》，激起了很多同學(xué)的共鳴，有同學(xué)問：“有沒有用戶畫像項目失敗的例子，也分享下?！?/p>

答：失敗的用戶畫像項目，簡直罄竹難書！一抓一大把。今天我們系統(tǒng)講解一下。

一、用戶畫像失敗的標(biāo)志

大家自己是不是也經(jīng)常疑惑：“用戶畫像有啥用？”

如果有，恭喜，你的項目做撲街了，就這么直觀！

當(dāng)然，更一般的撲街方式，是剛開始做用戶畫像的時候，業(yè)務(wù)部門搖頭晃腦的說：“我們要基于用戶畫像，詳細深入的了解用戶，比如用戶性別，年齡，地域，喜好，消費習(xí)慣，……這樣我們就能精細化決策了”。然后數(shù)據(jù)部門夯吃夯吃搞了幾個月，打了30000個用戶標(biāo)簽，還得意洋洋的跟領(lǐng)導(dǎo)匯報：“我們的用戶畫像大數(shù)據(jù)建設(shè)取得長足進步”。

然后項目第一期匯報會上，數(shù)據(jù)部門得意洋洋的講到：

• 我們的用戶男女比例6:4
• 華南地區(qū)占比30%，華東25%
• 購買A產(chǎn)品占比50%

業(yè)務(wù)部門一個白眼拋過來：

• 我早知道了！
• 我們的用戶都是這樣的呀！
• 你做這有啥用？

當(dāng)然還有更慘的，就是你貼個“忠誠用戶”的標(biāo)簽，業(yè)務(wù)方說：哦，既然那么忠誠，就不做啥動作了，結(jié)果丫下個月不消費也不登錄了！你貼了“A產(chǎn)品愛用者”的標(biāo)簽，業(yè)務(wù)方推了A產(chǎn)品，丫沒有買！業(yè)務(wù)方怒氣沖沖找來算賬：“這用戶畫像一點都不精準(zhǔn)嘛！”于是項目徹底涼涼。

吐槽歸吐槽，問題到底出在哪里呢？

二、用戶畫像項目失敗的表面原因

原因一：混淆了過去和未來

問1：一個用戶昨天買了蘋果，前天買了蘋果，大前天也買了蘋果，他今天買不買蘋果？

問2：一個用戶買了醬油，雞翅，可樂，請問他是否還需要買竹簽去燒烤？

思考一秒鐘，不用思考一秒鐘，大家都知道，答案是：不一定，不一定，不一定。連續(xù)買蘋果，有可能代表他喜愛吃蘋果，也有可能已經(jīng)買了很多了所以不買了。買醬油+雞翅+可樂，可能是去燒烤，也可能是做可樂雞翅。

過去的行為不等于未來的行為，未來的行為需要進行預(yù)測。無論預(yù)測的方法是基于業(yè)務(wù)邏輯的推理，還是基于算法模型的計算，都需要經(jīng)過數(shù)據(jù)分析和試驗驗證。只有表現(xiàn)穩(wěn)定的預(yù)測方法，才能被采納。

然而做用戶畫像的時候，業(yè)務(wù)方經(jīng)?；煜@兩點。往往對著過去發(fā)生的行為貼一大堆標(biāo)簽，對未來預(yù)測毫無概念，在預(yù)測分析上半點投入沒有?？从脩舢嬒駡蟾?，或者在CDP里設(shè)置推送規(guī)則的時候，想當(dāng)然地認為：過去買了以后也買。最后預(yù)測不準(zhǔn)，反而把鍋甩給用戶畫像系統(tǒng)。結(jié)果自然悲劇。

原因二：混淆了行為和動機。

問一個簡單的問題：一個用戶在過去30天內(nèi)，有1天來我們家購買產(chǎn)品，請問該用戶是不是我們的產(chǎn)品愛用者？如果有2天呢、3天呢、4天呢……如果有30天呢？30天里天天都來買，肯定是愛用者了吧！

答：不一定。30天里天天都來買，你可以管他叫“高頻購買者”，因為購買頻率確實是很高。但是是不是人家很愛用我們的產(chǎn)品，不一定，因為你并不知道他到底愛不愛用，甚至不知道他用了沒用。

購買頻次不能直接等同于用戶喜愛。用戶喜愛或者不喜愛，需要更多維度的數(shù)據(jù)進行分析，并且分析結(jié)果得有一定概率的穩(wěn)定性，才能這么叫。

類似的，很多企業(yè)里，業(yè)務(wù)方和數(shù)據(jù)分析師，對待這種“愛用者”等等名詞使用非常隨意、粗糙，基本上都是用消費金額、登錄頻次等等，高了就算“喜歡”、“愛用”，低了就算“邊緣”“嘗試”。做出來的結(jié)果，自然是毫無準(zhǔn)確性可言。不用說，出了問題，比如推薦產(chǎn)品沒有人買之類，又算在用戶畫像頭上。

原因三：混淆了原因和結(jié)果。

問：累計消費10000元以上的用戶，都購買了5次以上，所以讓用戶購買5次，用戶就會累計消費10000，對不對……當(dāng)然不對呀。然而業(yè)務(wù)方經(jīng)常這么干！拿著過往消費高的用戶行為，往消費低的身上套，認為只要消費低的模擬了某個數(shù)字，就能成為消費高的。還美其名曰：“魔法數(shù)字”。

很有可能從源頭上，消費高的和消費低的就是兩類人，應(yīng)該通過深入的分析搞清楚到底驅(qū)動行為的原因是什么。

從表面上看，用戶畫像失敗的原因，在于：重數(shù)據(jù)，輕分析。過分投入精力細化已經(jīng)發(fā)生的行為，貼了太多太多事實性標(biāo)簽。對預(yù)測投入力度不夠，對因果關(guān)系分析不夠，對用戶需求洞察不夠。最后判斷全靠業(yè)務(wù)拍腦袋。

你問他為啥基于這幾個標(biāo)簽推產(chǎn)品/活動，他答的都是：

• 我覺得他都買了那么多次，他這次肯定買
• 我覺得他買過相關(guān)產(chǎn)品，他這次肯定買
• 我覺得他買了A，怎么也得買B

看了用戶畫像以后拍腦袋，和看報表拍腦袋都是拍腦袋，沒有本質(zhì)區(qū)別，謝謝。基于過去的數(shù)據(jù)搞一堆標(biāo)簽，很容易；沉淀有預(yù)測力、有準(zhǔn)確度的用戶標(biāo)簽，很難。不但需要深度的數(shù)據(jù)分析和建模，更需要反復(fù)的，多輪的，對比性測試。不是一蹴而就。

所以在業(yè)務(wù)部門自以為很懂，數(shù)據(jù)部門喜氣洋洋地宣布“打了三萬個標(biāo)簽”的時候，禍根就已經(jīng)埋下來了。

然而，同樣是業(yè)務(wù)期望值太高+數(shù)據(jù)準(zhǔn)備不足的場景，為啥用戶畫像類項目，比數(shù)據(jù)模型類項目還要容易撲街呢？

三、用戶畫像失敗的深層原因

深層地看，因為數(shù)據(jù)建模的難度高，所以業(yè)務(wù)方對中間過程無法參與，只能對著結(jié)果品頭論足。做建模的小哥們，只要自己不作死，不閉門造車，主動降低業(yè)務(wù)期望，是能夠很大程度上避免問題的。所以建模項目失敗，基本上是盲人騎瞎馬的結(jié)果。

但用戶畫像項目正好相反：業(yè)務(wù)方以為自己很懂！做數(shù)據(jù)的小哥也以為自己很懂！幾乎所有的業(yè)務(wù)方一提用戶畫像，都會說這句：“比如，我知道用戶是24歲，女性，我就會推一個XX產(chǎn)品給她”。

大家都以為：我自己很懂，就差一個數(shù)了！快給我數(shù)。于是業(yè)務(wù)不停催著數(shù)據(jù)把過往數(shù)據(jù)做的再細、再細、再細，數(shù)據(jù)則在打標(biāo)簽路上一路狂奔。最重要的預(yù)測、分析、實驗三件套沒人搞。

當(dāng)然，這種基于過往數(shù)據(jù)的標(biāo)簽，對有些部門是有用的——對客服、供應(yīng)鏈、物流這種支撐部門有用。比如客戶接到一個客戶投訴“為啥售后師傅還沒上門?。。?！”如果沒有打標(biāo)簽，客戶得輾轉(zhuǎn)好幾個表，確認：客戶買的是啥產(chǎn)品、是啥時候，產(chǎn)品機身號、啥時候約的師傅之類細節(jié)。光確認過程就把客戶氣個半死。有了標(biāo)簽，刷刷幾下就能定位到問題，能極大提升客戶體驗。

但悲劇的是，這種有用性，只是讓運營、營銷、策劃、設(shè)計等需要動腦子、做創(chuàng)意、想策略的部門更加自負而已。更加強了他們“我真的好厲害，就差一個數(shù)了！”的感覺。

于是悲劇就源源不斷了。如果說建模是盲人騎瞎馬的話，用戶畫像項目，就是騎著電動車搓著手機逆行闖紅燈——電動車自以為自己是個車，騎電動車的自以為自己騎得666。

為了規(guī)避這種問題，陳老師經(jīng)常用這招。當(dāng)業(yè)務(wù)方張嘴“如果我知道24歲，女性，我會推A產(chǎn)品”的時候，直接從數(shù)據(jù)庫里查出來最近一個月24歲女性到底有多少人買A，然后懟到業(yè)務(wù)方臉上：“不需要用戶畫像，我現(xiàn)在告訴你，購買率就是12%。你還上用戶畫像干啥，讓你的小哥按規(guī)則跑數(shù)就好了呀”。

這時候，但凡靠譜一點的業(yè)務(wù)方，都會立馬清醒過來這里的問題，表示：這么簡單的拼接不行，得基于事實標(biāo)簽多分析分析。這樣項目后續(xù)就走的穩(wěn)多了。

不過同學(xué)們慎用這招，你們的企業(yè)環(huán)境不見得適合這種硬懟風(fēng)格哈，總之大家理解到問題關(guān)鍵即可。問題的關(guān)鍵是：單純的事實標(biāo)簽預(yù)測能力太差，洞察力太差。不足以滿足運營、策劃、銷售、營銷們排兵布陣的需求。大量數(shù)據(jù)+深入分析，才是解決問題之道。

本篇就到此結(jié)束了，估計很多同學(xué)會好奇：CDP是個啥。有興趣的話關(guān)注接地氣的陳老師，我們下一篇分享。敬請期待哦。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學(xué)堂，人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問，在互聯(lián)網(wǎng)，金融，快消，零售，耐用，美容等15個行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議