{卧龙注册平台}实操案例：成功经验分享？用户画像(Userportrait)最早由AlanCooper在1997年提出，其本质是运用海量用户信息来筛选用户特征需求的一种分析工具。换句话说，就是对用户行为数据进行挖掘，发现用户潜在的需求，从而有针对性的提供个性化产品与服务，达到精准推送的目地。
也有学者指出用户画像是给用户打标签的过程，从而让计算机能够有程序的处理此类相关信息，最终达到通过算法模型“理解”用户行为与心理的结果。
例如M酒店为了构建用户画像，首先需要收集相关的客户信息，M酒店可通过现场访谈，发放问卷等方式收集一手数据并通过访问数据库等方式收集二手数据；接下来在数据挖掘阶段，M酒店可借助数理统计，数据挖掘和机器学习等方法对所获得的原始数据进行聚类，分析；最后在用户画像的构建和呈现阶段，M酒店可借助标签云，统计图等方式实现用户画像的可视化呈现,如图3-1所示。;（一）用户画像;（一）用户画像
用户画像的构建过程中，需要考虑到三个主要构成要素，其中首要要素就是：用户。要在用户特征的基础上描绘用户，形成用户标签，才能准确挖掘到用户的消费习惯，行为偏好和消费需求等共性特征。而描述什么样的用户，则是用户画像的第二个要素：物。这里的物指的就是商品或者服务。作为商家，我们要知道我们的有形的产品或无形的服务的对象--即用户的需求，特征是什么，我们才能赢得消费者的喜爱，获取市场份额。而用户画像的第三个要素就是：环境。这里的环境指的是具体情境，例如，王老吉是在怕上火的时候喝；水果刀的出现等。也就是说，商家需要以用户为中心，让用户能顺畅的在某个特定场景中联想到某产品或服务。只有充分考虑到用户、物和环境这三要素间的相互关系，才能形成一个完整有效的用户画像。
鉴于用户画像在商业领域的重要地位，国内外学者倾向于从两个方向来研究用户画像的建构过程：一种是典型用户（userpersonas），由产品设计人员或运营人员依据用户的需求从用户群体中抽象而出的，其本质是一种统计用户需求的工具，帮助设计人员站在用户的角度思考问题;另一种就是用画画像（userprofiles），由用户在产品使用，享受服务等过程中展现的态度，行为等数据，其本质是以通过给用户贴标签的形式刻画用户意图.具体而言，现有的研究表明目前企业倾向于通过以下6种方法构建各自需要的用户画像，具体如表3-1所示。;（一）用户画像
景区运营离不开用户画像的构建，它可以用于新项目设计预判，营销活动推广，广告投放等环节中。基于中国景区旅游消费的相关数据，形成有价值的旅游消费者人群细分数据，可以辅助景区建设做决策。
用户画像需要进行多维度精准分析，不同维度分析可探查用户的不同需求，比如用户的景区偏好、基本用户画像，可以了解到不同类型景区市场状况，依靠用户画像设计、引进更加适合景区的旅游产品；比如用户的消费偏好，可以初步了解景区有哪些项目可以进行升级改造，提升产品的体验感，还可以预测到游客的消费行为和游览兴趣等等。
总之，用户画像的意义是为了更加清楚的了解到景区的市场、用户的需求，帮助旅游景点进行类型定位以及用户定位。;（二）问题解决思路
（1）用户数据收集。为搜集所需要的用户特征数据，既可通过访谈法，问卷调查等方法收集一手数据又可通过Python等软件收集海量二手数据。
（2）用户数据筛选及挖掘。首先删除一些信息不完整，冗余或异常的用户数据。再根据目标，选择合适的构建方法，逐步深入挖掘用户画像中的关键要素。
（3）研究用户信息，细分标签。按照消费者基础属性细分：指消费者的基本属性，例如，性别、年龄，教育水平等人口统计数据；按照消费者领域属性细分：指根据所需研究的目标即研究领域内的相关知识面对用户进行分析，主要包括行为属性（例，旅客出行方式、游客景区线上购买门票支付方式等）和兴趣属性（例，游客出行同游人员和游客景区偏好等）；按照消费者特定属性细分：多指依据研究或实际需要而特别提炼而出的用户属性。例如，在旅游领域，游客的消费情境，饮食习惯和历史信息等。;（二）问题解决思路
（4）形成用户画像并进行可视化呈现。通过汇集不同属性的标签，制作一个相对完整的用户画像仪表盘，从而形成用户画像的可视化展示。并可以根据此用户画像仪表盘，具体分析消费者的用户需求，从而提出相应的营销建议。;;（一）明确营销需求
流量是要解决“如何让游客来”的问题。要让游客来，首先要了解游客，这样才能根据游客的特点精准制定推广方案，将有个性化的产品与服务、优惠力度大的促销活动等定向展现在目标客户面前。满足游客需求痛点的产品才能赢得青睐，才会实现企业源源不断的流量。因此，企业要想获得流量加持，就需要充分分析游客的基本信息，比如游客的客源地、目的地分析，游客对平台APP实用情况、网址的浏览记录，人数以及占比多少进行细致划分与描述，做精细化安排，善于利用老顾客的资源挖掘预测新用户，从而获得更精准的流量。;（一）明确营销需求
转化是要解决“如何让游客消费”的问题。要让游客消费，商家就要知道游客的需求和喜好，尽量满足游客需求，为不同的游客推送不同的旅游线路等产品。流量精不精准对产品转化率有着直接影响，面对泛流量，我们需要在营销资源有限的情况下，把流量做得精准。所以，为了提高转化率，我们要从新老客户的区域分布、消费水平、购物平台的使用情况、平台的浏览数据记录等方面描述客户的转化率并进行提升，不断挖掘出具有购买相似产品动机与同等消费水平的精准人群，实现更精准的流量转化。后期则要做好售后，如管理好买家秀和评论，实现后期新游客的转化。;（一）明确营销需求
客单价是要解决“如何让游客多消费”的问题。要让游客多消费，商家就要知道哪些游客会多买，再通过个性化旅游路线设置、旅游套餐满减活动等方式，匹配不同价位、不同搭配方案给相应的游客。
复购率是要解决“如何让游客再消费”的问题。要让游客再次消费，商家就要知道哪些游客再次购买的概率会更高。所以，就需要从区域分布、订购平台、浏览习惯等方面研究游客的复购率。;（二）确定用户画像的维度和度量指标
一般用户画的维度主要从用户基础信息标签和行为信息标签来度量和描述，这里的用户基础信息标签指的是用户的基本信息特征，比如年龄、性别、工作、住址等信息；行为信息特征主要展现的是消费过程中行为标签，比如消费习惯、商品喜好、消费选择的平台途径等。
用户画像作为一种通过贴标签的形式来展示用户多样性的消费需求，在各行各业中得到了广泛的关注。因此为了对用户形成全方位，立体化，多维度的标签化刻画，用户标签必然也是多层次，多角度且便于理解，没有歧义的。例如，在电商领域，用户标签可以分为事实标签，模型标签和网页浏览标签。而在旅游酒店管理领域，用户标签可以被设置成：;（1）事实标签。一般指用户的??关属性。比如：性别，年龄，获取酒店信息的来源等。
（2）地理位置标签。地理位置标签本质也是事实标签，一般由酒店客户所处的地理位置自动生成而获取。比如：浏览网页时的地理位置，扫码下单时的空间信息等。
（3）网页浏览标签。用户通过第三方网站或搜索引擎广告等途径进入酒店网站主页时留下的网络浏览信息记录。
（4）消费模型标签。模型标签是结合上述三种标签以及酒店自身特点后对用户信息进行的整合。例如酒店会根据自身的发展阶段，将客户分为满意度高的，潜在客户或者流失客户等。;2.用户画像的常见度量指标
使用不同维度描述客户时，选择的度量指标也有所不同，以下是一些常见的度量指标。
成交回头客户：在店铺发生过2次或2次以上的客户，在所选时间段内要进行去重计算（生意参谋的统计标准为最近一年再次成交的客户，即回头客）。;以上是关于电商方面的指标划分，不同行业对用户画像的维度会有所不同，比如在旅游行业中，我们通常会通过收集用户的基本信息，领域信息和行为信息等方面来分析用户画像指标，如表3-2所示。;3.用户画像描述
在确定了营销需求和用户画像维度的基础之上，需要对目标客户，根据不同维度和不同指标内容、进行客户画像描述和营销分析，具体可以从客源地、客户职业、客户性别等方面展开具体分析。首先依据上述游客基本信息标签，通过游客属性分析就能分清哪些顾客是企业的忠实粉丝、哪些是企业要找的目标客户以及哪些是潜在的客户，这样企业就能建立客户信息库；其次利用数据管理平台或者数据分析方法进行客户行为数据的统计与分析，依据不同情境维度建立用户画像模型，具体如表3-3；根据用户画像的特征，企业便可确定自己的目标客户群体，然后向此类目标客户定向投放相关的营销广告或服务信息，再根据营销效果，剖析数据反馈带来的价值信息，就可以不断丰富与优化客户画像模型，逐步提升用户画像构建的精准度，最终帮助景区结合自身特色选择目标客户并开展精准营销。;维度;4.用户画像的应用
借??用户画像，我们可以更好更直观的了解用户。在店铺营销的不同阶段客户画像会有不同的作用。前期规划阶段，商家要把产品匹配到正确的人群，精准定位目标市场，借助用户画像，商家可以找到自己的目标市场，实行精准营销。随着市场占有率不断提高，商家可以通过用户画像对已有的客户行为数据进行分析，帮助其确定整体运营节奏，并选择有效的推广手段，从而确保未来的发展思路和方向不出现大偏差。在售后阶段，也可以及时对用户评价进行反馈，为产品升级，捕捉新市场提供坚实有力的决策依据。具体表现为以下3个方面：;（1）精准营销
精准营销是指依托大数据分析技术，对用户数据进行挖掘，通过寻找数据之间有价值的规律与联系，可以精准判断出用户对于产品的需求和购买偏好，在此基础上实现人群细分，精准定位目标市场，从而提供用户个性化的产品和服务。精准营销与一般的电商网络营销相比，不仅能够提升广告的精准投放，还能降低营销过程中耗用的资金，大大提高了企业营销效率。比如比亚迪公司，通过客户的消费数据与潜在客户的需求分析，实施精准营销策略，最终实现其第一款中级家庭轿车F3的销售成功。;（2）客户研究
根据大量的客户行为数据，对行业或人群表现的特征进行描述，比如一个消费者，在一段时间内，先后购买了腮红、眼霜、口红等护肤品，基于这样的购买行为，就可以大致分析出这位用户是女性，甚至可以根据产品属性，精准分析用户年龄等特征。客户研究可以指导产品优化，比如在航空公司APP中机票预订流程的漏斗分析中，可以根据订票流程中每个环节转化率来调整APP的功能结构，从而减少预订机票的流失。;（3）业务决策
挖掘客户数据，是指挖掘客户的基本信息数据和客户行为信息数据，采用数据挖掘中的回归分析、聚类分析、关联分析等算法模型对数据进行加工处理，通过相似特征划分、排名统计、流量趋势、地域分析、竞品分析、行业趋势分析等去找寻人群与人群、人群与商品、商品与商品、商品与品牌之间潜在的差异与联系，从而发现并挖掘出更大的商机。;;实验背景：
现有一景区为精准“捕捉”目标用户，依据目标用户的消费需求实行进一步的精准营销，在尊重经济发展的客观规律前提下，利用丰富的景区客户数据资源，通过对消费者的基础属性和特殊属性进行全面分析，并结合对用户画像的构建和旅游产品使用者的特征刻画，从而打磨出与客户消费需求相匹配的旅游产品和服务。本案例??合用户数据的挖掘，从领域、基础属性、特定属性三方面对旅游市场消费者群体进行细分，帮助地区和景区的管理人员培养客户思维，懂得站在客户的角度去设计产品、精准营销，也有助于景区后续进行旅行产品的完善和旅游服务质量的提升。;（一）探索数据源
首先通过“景区类型”，“途径”等字段对数据源进行了整理。结合表3-4至表3-16，这些数据源分别代表的是游客景区偏好占比、游客获取旅游景区的途径、游客出行方式占比、游客出行同游人员占比、游客年龄分布、游客性别占比、游客客源地占比、游客个人月收入占比、游客景区线上购买门票支付方式、游客购买景区门票的平均价格占比、游客景区消费情况、游客在景区额外消费的项目、游客在额外项目上消费的金额占比。;景区类型;表3-6游客出行方式占比数据源;表3-10游客客源地占比数据源;表3-14游客景区消费情况数据源;（二）消费者领域属性细分
打开【分析展现】中的“自助仪表盘”进行消费者区域细分可视化操作，区域细分这里是对游客客源地进行分析。在数据集搜索框中输入“游客客源地”数据集名称，创建第一个图形组件，拖入“客源地”和“占比”字段，如图3-2所示。;图3-3设置图表类型;图3-4组件设置;图3-5游客客源地分布地图;（三）消费者基础属性细分
在数据集搜索框中输入“游客性别占比”数据集名称，创建第二个图形组件，拖入“性别”和“占比”字段到行和列中，并设置合适的标题及“饼图”的呈现方式，具体的作图步骤与上一步相同，不再展开说明。最终呈现的游客性别占比饼图如3-6所示。;同样绘制游客年龄分布图，图形名称设置为“游客年龄分布”，选用环形图方式展现，结果如下图3-7所示。由环形图和饼图可以看出，大部分出游的为90后，其次是60后。而且从男女游客出游比例达到4：6可以看出，该景区比较吸引女性游玩。
; 创建新的图形组件，依据“游客个人月收入”数据集绘制游客个人月收入占比面积图，最终可视化图形如图3-8所示。该地区中个人月收入在8000~15000元的游客占比数最多，个人月收入在0~4000元的游客占比数最少，可以说明个人收入对出游影响还是比较大的。;（四）消费者特定属性细分
接下来对消费者行为特征进行分析，包括旅客出行方式、游客景区线上购买门票支付方式、游客购买景区门票的平均价格占比、游客在额外项目上消费的金额占比、游客景区消费情况、游客在景区额外消费的项目、游客获取旅游景区的途径、游客出行同游人员和游客景区偏好。
创建新的图形组件，依据“游客景区线上购买门票支付方式”数据集绘制柱图，最终如图3-9所示。
;图3-9游客景区线上购买门票支付方式占比;创建新的图形组件，依据“游客购买景区门票的平均价格”数据集绘制柱图，最终如图3-10所示。;创建新的图形组件，依据“游客景区消费情况”数据集绘制柱图，最终如图3-11所示。;如（图3-10）游客购买景区价格波段分析中，36%的游客票价消费水平在101-150元之间。由图3-11所示，除5%的游客只购买门票之外，有95%的游客有额外消费的情况，可以看出该景区的旅游产品还是具有很强的吸引力。;创建新的图形组件，依据“游客在景区额外消费的项目”数据集绘制柱图，并降序排序，保留TOP5数据，可视化柱形图如图3-12所示。;创建新的图形组件，依据“额外消费的金额”数据集绘制柱图，最终如图3-13所示。;由图3-12可视化结果显示，游客在景区额外消费的项目主要是餐饮类（73%）和购物类（64%）。可见在旅游收入方面，餐饮类和购物类占比很高，顾客对其需求很达。由图3-13所示，在消费金额方面，额外消费金额在101-500原本的游客占比达74%；其中高消费在301-500元的游客占比最多，为38.2%。;创建新的图形组件，依据“游客景区偏好”数据集绘制柱图，并降序排序，保留TOP5数据，最终如图3-14所示。;根据图3-14做出来的可视化结果显示，该景区湖光山色、海滨岛屿等自然风光景区最具吸引力，是该景区的主要聚客景区；民族/古镇风情、历史遗迹这些新兴文旅景区是景区的中间力量，也有超四成的游客会选择主题公园。;创建新的图形组件，依据“游客获取旅游景区的途径”数据集绘制柱图，并降序排序，保留TOP5数据，最终如图3-15所示。;通过上面的可视化分析得出游客主要通过在线旅游网站来了解该地区旅游景区信息，其次是旅游攻略网站。游客获取旅游景区的途径随着环境的变化而变化，由于疫情的原因，如今短视频、直播等途径更是旅游平台营销的主力军。;创建新的图形组件，依据“游客出行方式”数据集绘制柱图，最终如图3-16所示。;创建新的图形组件，依据“游客出行同游人员”数据集绘制柱图，并降序排序，保留TOP5数据，最终如图3-17所示。;由图3-16和图3-17的可视化做出的结果可知，游客结群出游的方式主要有配偶、孩子、同学/朋友以及同事，大部分游客最喜欢跟自己的家人一起出去游玩，其中与配偶出行的比率达??了61%，孩子也是家人团体出游的一个重要成因。对于游客的出行交通方式的选择而言，大部分人选择火车，说明大多数游客距离目的地较远。对于家人结伴出游，自驾游受到更多游客的青睐。;（五）解读结果
最终可视化仪表盘如图3-18所示。;以上对游客景区偏好占比、游客获取旅游景区的途径、游客出行方式占比、游客出行同游人员占比、游客年龄分布、游客性别占比、游客客源地占比、游客个人月收入占比、游客景区线上购买门票支付方式、游客购买景区门票的平均价格占比、游客景区消费情况、游客在景区额外消费的项目、游客在额外项目上消费的金额占比分别进行了可视化分析。
探究总结得到的结论为：女性相对于男性更喜欢出游；90后的游客占所有年龄段的游客的重比；从广东省来该地旅游的游客占比最重，且大多数游客偏爱的旅游景区的类型为湖光山色。游客大多会在景区有额外消费且金额大于100元；游客对于线上支付方式更倾向于支付宝；游客们对于景点的信息多从旅游网站进行了解并预定门票。根据以上分析出来得到的信息，该地区和各景点的工作人员可以根据自身地方的实际情况，对景点宣传或景点营销进行针对性的提升与改善。;;
