1つの記事でユーザーポートレート知識体系を0から1までマスターする

以前、ユーザー ポートレートに関するコースを受講し、ユーザー ポートレートに関する記事もいくつか読みました。上記の学習内容を理解し、私の仕事の実践と組み合わせることで、この記事を通じて、ユーザー ポートレートの認識、構築方法、製品化、および応用について皆さんと共有したいと思います。

1. ユーザー像を知る

1. ユーザープロフィール

企業はあらゆるユーザー行動データを追跡できるため、ビッグデータをビジネス分析や精密マーケティングサービスに活用することに企業はますます重点を置いています。そして、洗練された運用を行うには、まず企業のユーザープロファイルを確立する必要があります。

ユーザー ポートレートの概念に関しては、ユーザー ロール (ペルソナ) とユーザー ポートレート (プロファイル) を区別します。

1) ユーザーロール（ペルソナ）

ユーザー ペルソナは、本質的にはコミュニケーション ツールです。製品、要件、シナリオ、ユーザー エクスペリエンスについて話し合うときに、対象ユーザーの理解の違いを避けるためにユーザー ペルソナが生まれます。

ユーザー ロールは、実際のユーザーに関する深い理解と、非常に正確な関連データの要約に基づいています。ユーザー ロールは、典型的なユーザー特性を備えた架空のキャラクターです。

一般的なユーザー ロールは次のとおりです。

2) ユーザープロフィール

ユーザー ポートレートは、オペレーションやデータ アナリストによってよく使用されます。精密マーケティング、ビジネス分析、パーソナライズされた推奨事項はすべて、ユーザー ポートレートに基づくアプリケーションです。ユーザー ポートレートは、ユーザー データを表すさまざまな変数の集合であり、実際のユーザーを正確に表すことができます。

以下は簡略化されたユーザーポートレートです。

[「ID」：123456、「氏名」：張建国、「性別」：男性、「生年月日」：631123200、「出身地」：北京、「居住地」：北京]

[「学歴」：学校：北京大学、専攻：CS、入学年：1220198400]

2. ユーザータグとユーザーポートレート

1) ユーザータグ

ユーザータグは、ユーザー属性の特定の次元の説明であり、独立しており、網羅的に列挙可能です。ビジネス、ログ、追跡データを収集した後、ユーザー属性、ユーザー行動、ユーザー消費、リスク管理、ソーシャル、およびその他の次元タグが、さまざまな統計方法を使用して計算されます。たとえば、性別、年齢、過去30日間の訪問回数、購入レベル、頻繁にアクティブな期間などです。ユーザータグシステムの構築の詳細については、「2 タグとタグシステムの構築」セクションを参照してください。

2) ユーザーのポートレート

ユーザーポートレートを構築するということは、さまざまな側面からユーザーにラベルを付けることを意味します。ビジネス価値の観点から見ると、タグとポートレートは中間層に似たシステムモジュールであり、データ駆動型オペレーションの基盤を築きます。ビッグデータをデータウェアハウスから「引き出し」、ユーザーにパーソナライズされた推奨、精密マーケティングなどの多様なサービスを提供するのに役立ちます。ユーザーポートレートシステムとその実践的な応用の詳細な説明については、「3 ユーザーポートレートの製品化」、「4 ユーザーポートレートの応用」、および「5 ユーザーポートレートの実践事例」の章を参照してください。 1.3 ユーザーグループとユーザータグ

ユーザー タグとユーザー グループは、混同しやすい 2 つの概念です。これらを区別してみましょう。

3. 差別化

1) ユーザーグループ

包括的なターゲット グループを選択するには、ユーザー属性と行動の組み合わせが必要です。行動データだけでは、ユーザーが何をしたかしかわかりませんが、そのユーザーが男性か女性か、年齢はいくつなのか、登録してからどのくらい経っているのか、購買力はどれくらいなのかなどを知ることはできません。このようにして選択されたユーザー グループには欠陥があり、通常、精密マーケティング シナリオに直接適用することはできません。

2) ユーザータグ

ユーザータグを設定するには、ユーザー属性と行動イベントを組み合わせる必要はありません。ユーザー属性のみを使用することも、行動イベントのみを使用することもできます。ユーザー属性と行動イベントに基づいて計算されるユーザータグは、本質的にはユーザー属性であり、言い換えれば、ユーザー属性自体がタグです。

3) グループはラベル付けの一種である

中間層システム モジュールとして、タグは、精密マーケティング シナリオでは 1 つのタグだけでプッシュされることはありません。ほとんどの場合、次の図に示すように、クラウドのビジネス定義を満たすために複数のタグを組み合わせる必要があります。

ここでは、シナリオを使用して、ユーザー タグに基づいてユーザー グループを選択するアプリケーションを紹介します。女性服のプロモーション イベント中に、チャネル オペレーターはプラットフォーム上の高品質なユーザーを選別し、SMS、電子メール、プッシュなどのチャネルを通じてマーケティングを実施する必要があります。

1. 女性服のカテゴリーに関連する「閲覧」「お気に入り」「カートに追加」「購入」「検索」のラベルを丸で囲むことで、女性服に興味がある可能性のある潜在的なユーザーを絞り込みます。
2. 他のタグ（「性別」、「消費量」、「アクティビティ」など）を組み合わせて、対応する高品質のユーザー グループをフィルタリングし、対応するチャネルにプッシュします。

したがって、ユーザー属性と行動イベントデータをラベルに抽象化した後、ラベルを組み合わせることで対象となる潜在的なユーザーグループを見つけることができます。この観点から、ユーザーグループはユーザーラベルを適用する方法です。

2. ラベルとラベリングシステムの構築

1. タグの分類

タグ自体の分類方法は様々ですが、タグの実装ルールの観点からは、統計タグ、ルールタグ、機械学習マイニングタグの3種類に大別できます。

1) 統​​計ラベル

このタイプのタグは、最も基本的で一般的なタイプのタグです。たとえば、特定のユーザーについて、性別、年齢、都市、星座、過去 7 日間のアクティブ時間、過去 7 日間のアクティブ日数、過去 7 日間のアクティブ回数などのフィールドを、ユーザー登録データ、ユーザー アクセス、消費データから統計的に導き出すことができます。このタイプのタグは、ユーザー ポートレートの基礎となります。

2) ルールベースのタグ

このタイプのラベルは、ユーザーの行動、ユーザーの属性、および決定されたルールに基づいて生成されます。たとえば、プラットフォーム上の「アクティブな消費者」ユーザーの定義は、「過去30日間の取引回数≥2」です。実際のポートレート開発プロセスでは、運用担当者はビジネスに精通しており、データ担当者はデータの構造、分布、特性に精通しているため、ルールベースのラベルのルールは、運用担当者とデータ担当者が協議して決定します。

3) クラスラベルをマイニングする機械学習

このタイプのラベルは、機械学習マイニングを通じて生成され、ユーザーの特定の属性または行動を予測および判断するために使用されます。たとえば、ユーザーの行動習慣に基づいてユーザーが男性か女性かを判断したり、ユーザーの消費習慣に基づいて特定の製品に対するユーザーの好みを判断したりします。このタイプのラベルは、アルゴリズム マイニングを通じて生成する必要があります。

プロジェクトエンジニアリングの実践では、一般的な統計的およびルールベースのラベルはアプリケーションの要件を満たすことができ、開発の大部分を占めます。機械学習マイニングラベルは、ユーザーの性別、ユーザーの購入嗜好、ユーザーの解約意図などの判断などの予測シナリオで主に使用されます。一般的に、機械学習ラベルの開発サイクルは長く、開発コストが高いため、その開発はわずかな割合を占めます。

実際、最終的なラベリング システムはユーザーの観点から定義され、特定のビジネスと組み合わせる必要があります。たとえば、電子商取引ビジネスのラベル分類には、ユーザー属性ディメンション ラベル、ユーザー行動ディメンション ラベル、ユーザー消費ディメンション ラベル、リスク管理ディメンション ラベル、およびソーシャル属性ディメンション ラベルが含まれます。

2. ラベル構築プロセス

次の図はラベル構築プロセスであり、製品マネージャーの視点に焦点を当て、主に要件の分析プロセスと出力ドキュメントについて説明し、ラベルの開発原則を簡単にまとめています。

1) 要件収集と分析

需要収集・分析フェーズでは、ビジネスプロセスの復元 - ビジネス目的の明確化 - 戦略からのラベルの導出 - ラベルの集約という手順に従って進めることができます。

衣料品小売業者は、オンラインショッピングモールとオフラインの実店舗を設立して事業を拡大しました。オンラインでは、主にWeChat公式アカウントを通じてトラフィックがミニプログラムに誘導され、その後ミニプログラム内で取引が完了します。

以下は、衣料品小売業の事例を通じてラベル要件を収集および分析する方法の詳細な説明です。

ビジネス プロセスとビジネス シナリオのタッチポイントを特定して分析します。

ユーザー ポートレートはビジネスに基づいているため、ラベルを構築する最初のステップは、ユーザーの意思決定プロセスとビジネス シナリオを特定して分析し、ビジネスに素早く慣れることです。

次のビジネス プロセスの復元のケースを参照してください。

まず、さまざまなシーンを通じて惹きつけられたWeChatユーザーが公式アカウントをフォローしてファンになります。その後、公式アカウント運営者はWeChatファンに画像やテキストメッセージをプッシュしてファンを操作します。同時にファンをミニプログラムモールに誘導し、公式アカウントのファンは最終的にミニプログラムモールで取引に変換します。プロセス全体を通して、公式アカウント運営者はWeChatファンの維持や失われたファンの回復などの操作を継続的に実行します。

ここでの推奨事項: 「効果的な要件分析」の詳細な要件の章では、ビジネス機能のメインライン要件分析方法がサポートされています。

各ビジネス シナリオ タッチポイントのビジネス目的を明確にします。

このステップは、これまでのビジネス プロセスの分析、ビジネス上の問題の洞察、達成すべきビジネス目標の明確化、ビジネス目標の分解に基づいています。全体的なビジネス目標の明確化からビジネス目標の分解と定量化までは、次のケースを参照してください。

O：衣料品小売業者のオンラインレイアウトが比較的完成していると仮定すると、この段階での主なビジネス目標は売上の増加です。したがって、「売上の増加」は小売電子商取引の北極星指標です。次に、トラフィックの増加、コンバージョン率の増加、平均注文額の増加、再購入率の増加が分解後のコア指標です。

S: ここでは、ミニプログラムモールへのトラフィックを増やしたいと想定しています。採用できる戦略はたくさんあります。たとえば、コードをスキャンした後にクーポンをプッシュすることで、より多くのWeChatユーザーをフォローしてファンになってもらうことができます。別の例としては、より高品質のWeChat画像とテキストを作成して、WeChatプライベートドメイントラフィックをより適切に操作することです。

M: 前のステップに続いて、クーポンをプッシュしてユーザーに公式アカウントをフォローしてもらう戦略では、コードのスキャンによる公式アカウントのフォロー率、フォロー解除率、新規ファンと既存ファンの比率に焦点を当てることができます。

こちらがおすすめ:

• OSM モデル (目的、戦略、測定)
• 売上計算式 = トラフィック * コンバージョン率 * 平均注文額 * 再購入率

ビジネス目的に基づいた運用戦略とユーザー ラベリング要件の設計。ラベリング システムの構築は、ビジネス目的によって異なります。したがって、ラベルは運用戦略から導き出される必要があります。たとえば、ビジネス部門がパーソナライズされた推奨事項を作成したい場合は、オブジェクトまたは人々の興味や好みにラベルを付ける方が価値があります。ただし、洗練された操作を実行する場合は、ユーザーの保持とアクティビティに関するラベルの方が価値があります。

ユーザー タグの選択については、次の例を参照してください。

コードのスキャンによる注目度の向上を定量的な目標として、クーポンをプッシュすることでWeChatユーザーにコードのスキャンを促し、新しいファンがコードをスキャンしてフォローすると100元のクーポンがプッシュされ、古いファンがコードをスキャンすると50元のクーポンがプッシュされます。そのため、操作戦略の実行には「新しいファンですか？」というラベルを使用する必要があります。

この段階では、コミュニケーション内容を記録するための簡単な Excel テンプレートを準備できます。列ヘッダーには、ラベル名、ラベル ルール、使用シナリオなどを含め、ビジネス パーティと一緒にコミュニケーション内容を記録します。

組織タグ 組織タグに関しては、ビジネスや戦略を理解した上で、ユーザーの視点で分類管理を行う必要があります。ここに参照フレームがあります:

• ユーザー属性タグ: 性別、年齢、都道府県、都市、登録日、携帯電話番号など。
• ユーザー行動タグ: 過去 30 日間の訪問回数、過去 30 日間の平均注文額、過去 30 日間のアクティブ日数、過去 30 日間の訪問期間、平均訪問深度など。
• ユーザーの消費タグ: 収入状況、購買力レベル、購入した製品、購入チャネルの好み、最終購入時間、購入頻度など。
• 製品カテゴリラベル: ハイヒール、ブーツ、シャツ、フレンチドレス、ジーンズなど。
• ソーシャル属性タグ: 頻繁にアクティブな時間帯、アクティブな場所、独身、レビュー数、肯定的なレビューなど。

2) 出力ラベル要件文書

これまでの需要収集・分析を経て、事業者側のラベル要件が明確化されました。 R&D をスムーズに進めるためには、ラベル システム ドキュメントの作成、ラベル ルールに基づく追跡ポイントの決定、データ要件ドキュメントの作成という手順が必要です。

ラベル システム ドキュメントの作成 このフェーズでは、データ プロダクト マネージャーは、ビジネス側との以前のコミュニケーションに基づいて、特定のラベル システム ドキュメントを作成する必要があります。

• タグ ID: たとえば、ATTRITUBE_U_01_001 の場合、「ATTRITUBE」は人口統計属性テーマ、「_」の後の「U」はユーザー ID ディメンション、「_」の後の「01」は第 1 レベルの分類、最後の「001」は第 1 レベルのタグの下のタグ詳細です。
• タグ名: 英語形式の名前、例: famale
• タグ 中国語: 女性
• タグ トピック: タグが属するトピックを説明します (例: ユーザー属性ディメンション タグ、ユーザー行動ディメンション タグ、ユーザー消費ディメンション タグ)。
• タグレベル ID: タグが属するレベル。通常は 2 つのレベルに分かれています。
• 名前: ID に対応する名前。
• ラベル タイプ: 統計ラベル、ルール ラベル、機械学習アルゴリズム ラベル。
• 更新頻度: リアルタイム更新、オフライン T+1 更新、単一計算。
• タグ アルゴリズムのルール: どのデータ テーブル内のどの特定のフィールドが選択されるかを説明する必要があります。複数のテーブルを関連付ける必要がある場合は、結合に使用するフィールドも説明する必要があります。特定のアルゴリズム ロジックと統計サイクル (「過去 7 日間の支払い回数」など) は、過去 7 日間の支払い回数の合計をカウントする必要があることを意味します。
• シナリオの説明を使用します。
• スケジュール;
• 開発者;
• 需要側;
• 優先度;

ラベルのルールに従って埋め込みポイントを決定します。

ラベルのアルゴリズムのルールは上記で明確にしました。次に、必要なデータを収集するためにどのポイントを埋め込む必要があるかをさらに決定する必要があります。具体的な例を以下に示します。

「購入商品カテゴリーの優先設定」というラベルには、商品名や商品カテゴリーなどのイベント属性データに加え、注文ボタンをクリックするイベントデータも利用します。そのため、注文ボタンをクリックするイベントを埋め込む必要があります。

3) データ要件ドキュメントを作成する

追跡ポイントで収集するデータが決定したら、特定のデータ要件ドキュメントを作成し、追跡ポイントを担当する開発担当者に渡してデータを収集する必要があります。

データ要件ドキュメントでは、次の内容を明確に記載する必要があります。

• 埋め込み名: click_order;
• ポイント表示名：注文ボタンをクリックします。
• 報告のタイミング: 実際の状況に応じて報告するタイミングを選択します。たとえば、クリックして注文するイベントの場合、注文ボタンがクリックされたときにレポートするように選択できます。
• 追跡方法: 実際の状況に応じて、クライアント側追跡またはサーバー側追跡を選択します。たとえば、「購入製品カテゴリの好み」ラベルの注文ボタンクリックイベントの場合、購入した製品に対するユーザーの好みを判断するだけなので、ユーザーはボタンをクリックした後に好みがあるかどうかを示すことができ、サーバーが成功したかどうかのリマインダーを返すのを待つ必要はありません。したがって、クライアント側の追跡方法が適しています。
• 属性名: 注文ボタンをクリックするイベントの商品名属性など、イベント属性の名前。
• 属性値: シャツなど
• 述べる;

実際の作業では、ラベルシステムドキュメントの作成、ラベルルールに基づく追跡ポイントの決定、データ要件ドキュメントの作成は、相互の改善と補完のプロセスになります。

4) ラベル開発

エンジニアリング ソリューション全体において、システムは Spark、Hive、HBase、Airflow、MySQL、Redis、Elasticsearch などのインフラストラクチャに依存しています。システム本体には、インフラストラクチャに加えて、ETL 操作、ユーザー ポートレート トピック モデリング、アプリケーション側でのラベル結果データの保存という 3 つの重要なコンポーネントも含まれています。

下の図は、ユーザー ポートレート データ ウェアハウス アーキテクチャ図を示しています。以下は、その簡単な紹介です。

• Hive データ ウェアハウス ETL ジョブの下の破線ボックスは、一般的なデータ ウェアハウス ETL 処理フローです。つまり、日常業務データ、ログ データ、埋め込みデータなどが ETL プロセスを経て、データ ウェアハウスに対応する ODS レイヤー、DW レイヤー、DM レイヤーに処理されます。
• Hive データ ウェアハウス ユーザー ポートレート トピック モデリング: 中央の点線のボックスは、ユーザー ポートレート モデリングのメイン リンクであり、データ ウェアハウス ODS レイヤー、DW レイヤー、および DM レイヤー内のユーザー関連データに対して二次モデリングと処理を実行します。
• アプリケーション側でのラベル結果データの保存: ユーザー ポートレート トピック モデリング プロセス中に、ユーザー ラベルの計算結果が Hive に書き込まれます。

データベースによってアプリケーション シナリオが異なるため、以下に説明します。

マイグレーション:

リレーショナル データベースとして、メタデータ管理、監視および警告データ、ユーザー ポートレートでの結果セットの保存などのアプリケーションで使用できます。以下では、これらの 3 つのアプリケーション シナリオについて詳しく説明します。

• メタデータ管理: MySQL は読み取りおよび書き込み速度が高速です。プラットフォーム タグ ビュー (Web ベースの製品) のタグ メタデータは、MySQL リレーショナル データベースで管理できるため、タグの編集、クエリ、管理が容易になります。
• 監視および警告データ: ポートレートのデータ監視では、スケジューリング フローが対応するモジュールの実行を終了するたびに、モジュールの監視データが MySQL に挿入されます。検証タスクによってトリガー アラームしきい値に達したと判断されると、アラームがトリガーされます。
• 結果セットの保存: 多次元視点分析用のタグ、タグ付けサービス用のユーザー タグ、およびその日に記録されたタグの数を保存します。

HBase と Hive の違いは、HBase は MapReduce タスクを実行する代わりにデータベース上でリアルタイムに実行できるため、ビッグ データのリアルタイム クエリに適していることです。次の例では、ポートレート システムにおける HBase のアプリケーション シナリオとエンジニアリング実装を紹介します。

チャネルオペレーターは、未登録の新規ユーザーに登録と注文を促すために、アプリのホームページのポップアップウィンドウから赤い封筒やクーポンを発行して誘導する予定です。ポートレートシステムのETLスケジュールが毎日完了すると、対応する人口データが広告システムにプッシュされます（HBaseデータベースに保存されます）。条件を満たす新規ユーザーがアプリにアクセスすると、オンラインインターフェイスがHBaseデータベースを読み取り、ユーザーが見つかったときにポップアップウィンドウをユーザーにプッシュします。

エラスティックサーチ:

これは、ほぼリアルタイムでデータを保存および取得できるオープンソースの分散型全文検索エンジンです。ユーザー タグ クエリ、ユーザー人口の計算、ユーザー グループの多次元視点の分析など、応答時間が長いシナリオでは、ストレージに Elasticsearch を使用することも検討できます。

5) ラベルの公開と効果の追跡

開発とテストを通じて、オンライン化後はラベル適用効果とビジネスフィードバックを継続的に追跡し、モデルと関連する重み設定を調整および最適化する必要があります。

3. ユーザーポートレートの製品化

ビジネス価値の面から見ると、タグとポートレートは、フロントエンドサービスにデータサポートを提供する中間システムモジュールに似ています。ポートレートタグデータを開発したあと、それがデータウェアハウスに「横たわっている」だけでは、より大きなビジネス価値を発揮することはできません。ポートレートデータが製品化されて初めて、データ処理チェーンの各リンクの効率が標準化された方法で向上し、ビジネス関係者にとってもより便利になります。

以下は、製品化後にカバーされるラベル製造アーキテクチャと機能モジュールの観点からのまとめです。

1. ユーザーポートレート製品システムアーキテクチャ

下の図は、ユーザーポートレート製品システムの構造図です。データは左から右に、主にデータ収集、データアクセス、データ統合/ラベル計算、ラベル適用の 4 つのレベルで構成されています。

以下はそれを簡単に説明する試みです:

1) データ収集 データ収集モジュールでは、主にクライアント/サーバー SDK、インポート、サードパーティ アプリケーションとのドッキングの 3 つの方法を通じて、ログ データ、ビジネス データ、サードパーティ データが収集されます。

SDK:

• クライアント SDK: クライアント SDK トラッキングを通じて、iOS、Android、ミニプログラム、Web サイトなどのさまざまなクライアントからユーザーの行動データとユーザー属性情報を収集できます。
• サーバー SDK: 注文情報などのデータがデータベースまたはデータ ウェアハウスに既に存在する場合は、対応する開発言語のサーバー SDK を使用してデータを収集できます。

輸入業者:

動作環境、ソース データ形式、インポートされるデータの量などの影響要因に基づいて、さまざまな大規模インポート方法を選択し、履歴ファイル データをユーザー ポートレート製品システムにインポートできます。

リンク：

さまざまなサードパーティ製品の OpenAPI の特性を考慮して、イベント メッセージのプッシュ受信またはアクティブ ポーリングの方法を採用し、さまざまなサードパーティ アプリケーション システムでユーザーの個人属性と行動イベント データを収集します。

2) データアクセス

埋め込まれたデータは最初に大量に Kafka に入り、その後ゆっくりと消費され、後続のデータ統合ストレージ システムに接続されます。

3) データ統合/ラベル計算

ユーザーポートレートシステムでは、Hive は主に ETL 処理、対応するユーザー属性テーブルとユーザー行動テーブルの開発、およびラベル計算のためのデータ ウェアハウスとして使用されます。

データ統合: さまざまなチャネルから受信したデータには、分離、NULL 値、形式の不一致、制限範囲の超過などのデータ品質の問題があるため、ダーティ データのクリーニング、形式の変換、ユーザーの識別とマージ、その他の統合作業が必要です。

クリーン/変換:

• クリーン: たとえば、ユーザーの生年月日が将来の日付である場合、このダーティ データはフィルターで除外する必要があります。
• 変換: たとえば、サードパーティのアプリケーション API を通じて取得されたすべてのユーザーの地域情報は、IPB 標準エンコード形式です。これを他のチャネルからの情報と一緒に分析するには、IPB 標準エンコードに従って、標準的な省と都市の形式に変換する必要があります。

ID マッピング:

さまざまなチャネルから受信したユーザー属性データ、行動イベントデータなどはすべて分離されており、ユーザーの総合ラベルを計算するには、ユーザーを識別してマージする必要があります。たとえば、unionIDを通じて、同じWeChatオープンプラットフォームにバインドされたパブリックアカウント、ミニプログラム、Webサイト内の同じユーザーの情報を識別してマージできます。

データ統合後、データは次のデータ モデルに入ります。

ユーザー ポートレート システムでは、ラベルの計算は、比較的安定した基礎データ構造に依存するバッチ オフライン ラベル処理エンジンによって実行されます。このラベル エンジンは、ユーザー属性データを読み取ると同時にイベント データを読み取り、それを特定のラベル ルールと組み合わせてバッチ計算を実行し、最終的にユーザー ラベルを生成します。

4) タグの応用 タグの応用は、主にフロントエンドのポートレート表示とAPIを介した他システムへのアクセスの2つに分かれており、次の「3.2 ユーザーポートレート製品化機能モジュール」のセクションで詳しく説明します。

2. ユーザーポートレート製品機能モジュール

1) システムダッシュボード

通常、ユーザー ポートレート システムのデータ ダッシュボードには、企業の中核となるユーザー データ資産または主要なフォーカス グループのデータが視覚的に表示されます。

主に以下のカテゴリに分類される企業データ資産またはコア人口データに関するユーザーの基本的な理解を確立し、統一することを目的としています。

• ユーザー数と変化する傾向: さまざまなデバイスタイプの ID の数、さまざまなタイプのユーザー数 (登録ユーザーと未登録ユーザー、有料ユーザーと無料ユーザーなど)。
• タグアセット: 主要カテゴリ別にタグの数をカウントするなど。
• コアユーザータグ: 固有またはカスタマイズされたグループなどのキータグポートレートデータを表示します。

2) タグ管理により、ビジネス担当者は、タグの分類、新しいタグの作成、タグのレビュー、タグのリストとリストからの削除、タグの対象となる人数の監視など、タグの追加、削除、変更、クエリを実行できます。

ユーザーの行動データとユーザー属性データに基づいて、タグルールを設定してタグを作成します。

3) 単一ユーザーポートレートの主な機能には、ユーザー ID を入力することで、ユーザー属性情報、ユーザー行動、その他のデータなど、単一ユーザーポートレートの詳細データを表示する機能が含まれます。

4) ユーザーのグループ化とユーザーグループのポートレート 1. ユーザーのグループ化

ユーザーグループ化機能は主にビジネス担当者によって使用されます。タグを適用する場合、製品マネージャー、運用、カスタマー サービス、およびその他のビジネス担当者は、特定のタグに対応する母集団を確認するだけでなく、母集団のビジネス定義を満たすために複数のタグを組み合わせる必要がある場合があります。

たとえば、「過去 7 日間に受け取ったクーポンの数が 1 より大きい」、「アクティビティ レベルが高く、非常に高い」、「女性」ユーザーという 3 つのタグを組み合わせてターゲット ユーザー層を定義し、このグループに含まれるユーザー数を確認します。

ユーザー グループ ポートレート機能は、ユーザー グループ セグメンテーション機能に似ています。ユーザー グループ ポートレート機能も、タグを組み合わせてユーザー グループを定義する必要があります。違いは、ユーザー グループ ポートレート機能は、複数の次元からユーザー グループの特性を分析することをサポートするのに対し、ユーザー グループ セグメンテーション機能は、選別されたユーザー グループをさまざまなビジネス システムにプッシュしてサービス サポートを提供することに重点を置いていることです。

5) BI 分析 BI プラットフォームをこれらのデータに接続すると、データの次元が強化され、さまざまな分析モデルを通じて、より豊富で深い分析と比較をサポートできるようになります。

6) OpenAPIOpenAPI は、ポートレート システム データがプッシュ システム、マーケティング システム、広告システム、推奨システム、BI プラットフォームなどのさまざまなシステムに接続されることを保証し、各システムのデータのリアルタイム更新を保証して、同じソースからの異なる数値の問題を回避します。

4. ユーザーポートレートアプリケーション

前述したように、ユーザー ポートレートには、主にビジネス分析、精密マーケティング、パーソナライズされた推奨事項とサービスの 3 つの用途があります。具体的には、以下のように分けられます。

1. ビジネス分析

ユーザー ポートレート システムのラベル データが API を介して分析システムに入力されると、分析データのディメンションが強化され、さまざまなビジネス オブジェクトの運用分析をサポートできるようになります。

以下は、マーケティング、運用、製品担当者が分析中に注目すべき指標の一部をまとめたものです。

1) トラフィック分析

• トラフィックソース。
• 流量：UV、PV;
• トラフィック品質: 閲覧深度 (UV、PV)、滞在時間、ソース変換、ROI (投資収益率)。

2) ユーザー分析

• ユーザー数: 新規ユーザー数、既存ユーザー数、新規ユーザーと既存ユーザーの比率。
• ユーザーの質: 新規ユーザー数 (アプリ起動)、アクティブユーザー数 (アプリ起動)、ユーザー維持率 (アプリ起動-アプリ起動)、ユーザーエンゲージメント、休眠期間、平均注文額。

3) 製品分析

• 商品販売：GMV、平均注文額、注文人数、購入キャンセル人数、返品人数、各エンドの再購入率、購入頻度分布、運営ポジションの購入コンバージョン。
• 商品カテゴリー：決済注文状況（回数、人数、傾向、リピート購入）、購入状況、返品申請状況、注文キャンセル状況、注目状況／

4) 注文分析

• 注文指標: 総注文量、返金注文量、注文支払額、注文実支払額、注文人数。
• コンバージョン率指標: 新規注文/訪問 UV、有効注文/訪問 UV。

5) チャネル分析

ユーザーアクティビティ:

• アクティブユーザー: UV、PV
• 新規ユーザー: 登録数、前年比および前月比

ユーザー品質:

保持率: 翌日/7日間/30日間の保持率

チャンネル収益:

• 注文: 注文量、1日平均注文量、前月比注文増加率
• 収益: 支払額、平均日額、前年比、前月比
• ユーザー: 1人あたりの平均注文数、1人あたりの平均注文金額

6) 製品分析

• 検索機能：検索回数/検索回数、検索機能普及率、検索キーワード。
• クリティカルパスファンネルなどの製品機能設計分析。

2. 精密マーケティング

1) SMS/メール/プッシュマーケティング

私たちは日常生活の中で、さまざまなチャネルからマーケティング情報を受け取ることがよくあります。赤い封筒の到着に関するテキスト メッセージのプッシュにより、ユーザーは長い間アクセスしていなかったアプリを開くよう促される可能性があります。また、ウィッシュ リストにある本の値下げに関する電子メール メッセージのプッシュにより、ユーザーはプッシュ リンクを開いて直接注文するよう促される可能性があります。

マーケティング手法にはどのような種類がありますか?

大まかに以下の4つのカテゴリーに分けられます。

• 行動ベースのマーケティング: 商品の閲覧、ショッピングカートへの追加、ストアコードのスキャン、注文のキャンセル、注文の返品など。
• 位置情報に基づくマーケティング: 近くの店舗、近くのアクティビティ、よく訪れるエリアなど。
• 誕生日、春節、11日、12日、クリスマスなどの祭りに基づいたマーケティング。
• 会員マーケティングに基づきます: 入会の歓迎、カードとクーポンのリマインダー、ポイントの変更、レベルの変更、会員特典など。

2) 顧客サービススキル

プラットフォームのカスタマーサービス部門に苦情や相談、フィードバックをすると、カスタマーサービススタッフはプラットフォームでの購入状況、前回の相談問題の結果などの情報を正確に伝え、的を絞った解決策を提案し、高価値ユーザー向けのVIPカスタマーサービスチャネルなどの特別なサービスを提供してくれます。

3. パーソナライズされた推奨事項とサービス

アプリ運営者は、個々のプッシュのユーザーポートレートにある性別、年齢層、興味、閲覧および購入行動などのタグを通じて、ユーザーにさまざまなコンテンツを推奨できます。たとえば、Toutiao ではパーソナライズされた記事コンテンツの推奨、TikTok ではユーザーポートレートに基づいたパーソナライズされた動画コンテンツの推奨、Taobao ではユーザーの閲覧行動やその他のポートレートデータに基づいたパーソナライズされた商品の推奨などです。

5. ユーザーポートレートの実践事例

ポートレートシステムをベースに、多面的なデータ分析を実施してユーザー運用計画を立案し、ラベルデータをサービス層（T+1、リアルタイムアプリケーション）に迅速に適用し、効果分析を通じてユーザーからのフィードバックを得て、マーケティング戦略や製品設計を反復することができます。

以下は、シナリオベースでユーザーポートレートの適用ポイントと方法を説明する実践的なケースです。

1. A/B群衆効果テスト

1) 事件の背景

あるスナック菓子の日用消費財メーカーは、大規模プロモーション期間中に好調な売上を達成するために、メッセージプッシュを通じて新製品や製品の健康機能などに関する一連の記事を宣伝し、大規模プロモーションの勢いを高めて売上転換を刺激することを計画しました。

ターゲット人口の流れを正確に特定するために、チャネル運営者は現在、次の 2 つの A/B 人口効果テストを実施する予定です。

• さまざまなコンテンツタイトルがトラフィックに与える影響。
• 精密プッシュは通常のプッシュよりも多くのトラフィックをもたらします。

2) ユーザーポートレートのエントリポイント

プロジェクト全体では、交通をグループ A とグループ B に分割する方法と、グループ A とグループ B の群衆ルールと効果監視をどのように設計するかを明確にする必要があります。

以下は、AB 人口テストでポートレート システムを使用する方法の手順ごとの紹介です。

ユーザーをグループ A と B に分割する: A/B グループ テストを実行するには、まずトラフィックを分割する必要があります。A/B 割り当てランダム ダイバージョンを使用して、ユーザーを A/B グループに分割できます。

コピータイトルがトラフィックに与える影響をテストする計画: 大規模なプロモーション中により多くのユーザーをアプリに誘導するために、プラットフォーム チャネル オペレーターは、イベントのウォームアップ期間中に少数のユーザーを選択し、コピータイトルのバージョンで AB 効果テストを実施する予定です。

このテスト計画では、コントロール グループ A は、パス A をたどり、過去 x 日間にアプリにアクセスし、過去 x 日間にスナックを閲覧/収集/追加して購入したユーザー グループを選択し、このユーザー グループに小売コピー A をプッシュしました。コントロール グループ B は、パス B をたどり、過去 x 日間にアプリにアクセスし、過去 x 日間にスナックを閲覧/収集/追加して購入したユーザー グループを選択し、このユーザー グループにスナック コピー B をプッシュしました。

コントロール グループと比較グループは、ユーザー数は同じですが、コピーライティングが異なります。その後、2 つのグループのクリックスルー率を監視して、異なるコピーライティングがユーザーのクリックに与える影響を分析します。たとえば、グループ A のユーザーは、次の図に示すように、ユーザー グループ機能によって丸で囲まれます。

一般的なプッシュと比較して、精密プッシュがもたらすトラフィックの増加をテストする計画。ポートレートシステムを使用してプッシュグループを絞り込む前は、プラットフォームがユーザーに無差別にメッセージをプッシュしていました。無差別操作と比較して、グループの洗練された操作がもたらすトラフィックの増加をテストするために、チャネル運営スタッフは、最近の運用で焦点を当てているスナックマーケティングの会場でAB効果テストを行うことにしました。

このテスト計画では、コントロールグループAは、パスAをたどり、過去x日間にアプリにアクセスし、過去x日間にスナックを閲覧/収集/購入する追加したユーザーグループを選択しました。コントロールグループBは、パスBをたどり、過去x日間にアプリにアクセスし、カテゴリの好みがなかったユーザーグループを選択しました。同じコピーがユーザーグループAとBにプッシュされ、その後、2つのグループのクリックスルー率が監視され、精密マーケティングプッシュによってもたらされた成長ポイントが分析されました。

3) 効果分析

AB グループのクラウド メッセージ プッシュが開始された後、次のリストの指標に焦点を当てて、コントロール グループとテスト グループのトラフィックとコンバージョンを監視するための監視レポートを作成する必要があります。

たとえば、イベント分析モデルを使用して作成された集団 A と集団 B の GMV 比較レポートを下の図に示します。

2. 国際女性デーをターゲットにしたマーケティング

1) 事件の背景

女性向け商品を主力とするブランドは、国際女性デーに、カテゴリーごとに好みの異なる女性たちを対象にターゲットマーケティングを行う計画だ。マーケティング情報は、同日午前10時と午後10時の2回プッシュされる。最後に、同日の対象層の支払い注文完了率を追跡することで、マーケティング効果を評価する。

2) ロジックの実装

まず、ユーザーの性別と年齢タグに基づいて、18歳から40歳の女性ユーザーを選択します。次に、2020年3月8日午前10時にプッシュ通知をプッシュし、ユーザーのカテゴリ嗜好タグに基づいて異なるマーケティングコンテンツをプッシュします。たとえば、カテゴリ嗜好がメイクアップとスキンケアの人には、春のビューティーフェスティバルに関するマーケティング情報をプッシュします。第2波のプッシュ通知は、2020年3月8日午後10時にプッシュされ、プッシュ情報は統一されたプロモーションリマインダーになります。

3. 新規インストールした未登録ユーザー向けのリアルタイムマーケティング

1) 事件の背景

スナックモールアプリの運営者は、新規インストールした未登録ユーザーによる登録と注文を促進するために、運用ルールを策定しました。新規インストールした未登録ユーザーがアプリを開くと、マーケティング目的でアプリのポップアップを通じてクーポンがプッシュされます。たとえば、ユーザーがアプリをインストールしたが登録しなかった場合、翌日にユーザーがアプリを開くと、アプリのポップアップクーポンがすぐにユーザーにプッシュされ、ユーザーが登録と注文を完了するように誘導します。

2) ユーザーポートレートのエントリポイント

チャネル運営者は、ユーザータグ（「未登録ユーザー」や「インストール日が××日以内」など）を組み合わせて該当するユーザーグループをフィルタリングし、該当するグループを「広告システム」にプッシュすることを選択します。

このように、日常ポートレートシステムの ETL スケジュールが完了すると、対応する人口データが HBase データベースにプッシュされて保存されます。条件を満たす新しいユーザーがアプリにアクセスすると、オンライン インターフェイスが HBase データベースを読み取り、ユーザーにクエリを実行すると、ポップアップ ウィンドウがプッシュされます。

4. 電子商取引会社のリマーケティング広告

1) 事件の背景

ある電子商取引アプリの製品運営チームは、電子製品の既存顧客の再購入率と新規顧客の注文率を高めたいと考え、Toutiaoと協力してリマーケティング広告を展開することを選択しました。例えば、あるユーザーが電子商取引アプリでvivoの携帯電話を見て、翌日Toutiaoを閲覧していたときに、対応する携帯電話の広告情報が表示されました。

2) ロジックの実装

まず、電子商取引アプリのAPIとToutiaoが接続されていることを確認し、アプリ内でのユーザーの行動（閲覧、収集、カートへの追加、検索など）に基づいてアルゴリズムマイニングを実行し、ユーザーの商品嗜好のラベルを生成します。

Toutiaoはユーザーのデバイス情報を取得すると、eコマース企業にリクエストを送信し、このユーザーに広告を表示する必要があるかどうかを尋ねます。このとき、eコマースプラットフォームはユーザーが自社のユーザーであるかどうかを判断します。そうであれば、Toutiaoに推奨結果を返します。すると、ユーザーはToutiaoで以前に閲覧した商品情報を確認し、クリックするとeコマースアプリの商品詳細ページにジャンプできます。

VI. 結論

• まず、ユーザーポートレート、ユーザータグ、ユーザーグループの認知概念について説明します。
• 次に、ラベルシステムの分類、ラベル構築のプロセスと方法について説明します。
• データウェアハウスに肖像画タグデータを「嘘をついている」ようにする方法を説明するために、以下はシステムアーキテクチャとアプリケーション層関数の観点からユーザーポートレートシステムの構築を簡単に要約します。
• 最後に、ユーザーのポートレートの適用は、ビジネス分析、精密マーケティング、パーソナライズされた推奨事項の3つの観点から要約されており、ユーザーポートレートの実際の適用のいくつかのケースが実用的なケースセクションにリストされています。

著者: 興味深い

出典: Shiqu Interactive