在结合自身特点进行人物设定的同时,还要充分考虑到账号定位面向的主要受众人群的喜好,只有符合用户的期待和需求才有更高的成功概率。而要做到这一点,就必须依靠“用户画像”的辅助,通过对目标群体的调研掌握其画像,继而从其视角重新审视人设,去掉一些目标群体偏好较少甚至排斥的人设标签。这样从一开始就可以使自己的人设对目标群体有充分的吸引力,从而减轻迭代压力;而且它还能为塑造人设提供客观依据,让人设更加精确。那么我们该如何制作用户画像呢?它分为以下三个步骤。
2.4.1 收集并处理数据
构建画像的目的是还原用户信息,因此需要我们收集大量与用户相关的数据,我们可将其分为以下两大类。
静态分析数据:用户相对稳定的信息,主要包括姓名、年龄、地域、学历等方面数据,这类数据自成标签,不需要我们过多建模便可以构成用户画像的基本框架。
动态分析数据:在互联网上,用户的行为可以看作是动态信息的唯一数据来源,常见的行为包括搜索、浏览、注册、评论、收藏、点赞等方面数据。
另外还有一种较为有效的方法就是用户访谈,它可以让我们对用户有更深刻的了解,这样在塑造人设时才能更加贴合他们的喜好。我们可以通过以下四个角度(见图2-4)来设置访谈问题。这一方式比较适合用在确定人设后“试运营”的阶段,通过访谈的方式来强化自身优势,找出自身的问题。
图2-4 访谈问题的四个角度
2.4.2 给用户贴“标签”
给用户贴“标签”是画像中最核心的部分,所谓“标签”,就是浓缩精练的、带有特定含义的一系列词语,用于描述真实的用户自身带有的属性特征,方便我们做数据的统计分析。我们把标签分为以下两类。
(1)人口属性
这一类标签比较稳定,一旦建立很长时间基本不用更新,标签体系也比较固定。它主要包括年龄、性别、学历、人生阶段、收入水平、所属行业等,它是构建画像的基础。但完整填写完个人信息的人只占很少一部分,在这种情况下,我们一般会选用填写了信息的用户作为样本,将用户的行为数据作为特征训练模型,对无标签的用户进行人口属性的预测,这种模型把用户的标签传给和他行为相似的用户,可以认为是对人群进行标签扩散,因此常被称为标签扩散模型。
比如我们想构建全网用户的性别画像,但只有30%的用户填写了自己的性别,这时候我们可以通过用户观看过的短视频或者观看时长等来判断性别,比如大部分女生喜欢看的短视频都是温馨可爱的,大部分男生喜欢看的短视频是特效大片等。
(2)兴趣属性
兴趣标签是互联网领域应用最广泛的,尤其是短视频,它主要是从用户海量行为日志中进行核心信息的抽取、标签化和统计。因此在构建兴趣标签之前需要先对用户有行为的内容进行整理,何为“有行为”,即对该内容进行浏览、收藏、点赞等。例如,经整理发现,某用户经常浏览关于“励志鸡汤”“名人名言”之类的内容,那么我们则可以将其兴趣标签设置为“励志名言”。
2.4.3 绘制用户画像
当我们给用户贴上“标签”之后,就完全可以绘制出一整张用户画像了,不过需要添加一些虚构的个人细节,让用户画像成为一个真实的角色。这里需要结合两种分析方法。
(1)定性与定量相结合
一般来说,定性化的研究方式是确定事物性质,属于描述性的,在画像中表现为对用户个体的性质和特征、行为做出概括,形成对应的行为标签。(www.daowen.com)
定量方法则是在定性的基础上给每个行为标签打上权重,最后通过数学公式计算得出总的标签权重,从而形成完成的画像模型。
所以说,以上两种研究方法需要借助数据建模才能完成。
(2)数据建模,给标签加上权重
给用户的行为标签赋予权重。用户的行为可以用4W表示。
WHO(谁):关键在于用户识别,明确研究对象。网络上的用户识别包括用户注册的ID、昵称、手机号、邮箱、身份证、微信账号等。
WHEN(什么时间):主要包括时间跨度和时间长度两个方面。“时间跨度”是以天为单位计算的时长,指某行为发生到现在间隔了多长时间;“时间长度”则是为了标识用户在某一页面的停留时间长短。越早发生的行为标签权重越小,越近期权重越大,这就是所谓的“时间衰减因子”。
WHERE(什么地点):用户行为的接触点包含两层信息:网址+内容,网址即互联网页面网址,内容即页面网址中的内容。其中网址决定了权重,内容决定了标签。
WHAT(做了什么):指用户产生了怎样的行为,根据行为的深入程度添加权重。比如浏览行为计为0.7,收藏行为计为0.8,点赞行为计为0.9,评论行为计为1等。
综合上述分析,可以发现用户画像的数据模型可以概括为下面的公式(见图2-5)。
图2-5 标签权重公式
比如:用户A,前天在抖音平台评论了标题为“科比追思会乔丹完整演讲中文字幕”这一内容。
标签:科比、乔丹、体育。
时间:因为是前天的行为,我们假设衰减因子为0.8。
行为类型:点赞行为权重为0.9。
地点:抖音平台是短视频平台,所以相较于其他社交平台权重较高,我们假设网址权重为1。
那么标签权重为0.8×0.9×1=0.72,即用户A,科比0.72、乔丹0.72、体育0.72。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。