用户画像为什么是互联网烧钱的良药？

很多互联网公司产品很容易通过初期的大范围广告投放，补贴等措施获得大量的种子用户，随即可以看到自己用户量及GMV的高速增长。但仔细一看伴随而来的是高额的市场成本，低效的活动效果，但一旦停止又明显看到了增速的放缓。这时候进退维谷，烧了心疼，不烧心慌。

这个时候就是考研数据能力的时候了，如何能在这个时期形成科学的定量分析，指导产品和运营团队能有的放矢的开展产品规划和市场活动，运营好现有用户，提高既有用户的价值，就能大大降低总体的成本，也能让市场团队放开手脚，不必畏首畏尾。

如何能明确产品运营的方向最大化用户价值哪？用户Profile与业务目标的相关性定量分析是关键。

通常当产品服务进入到成长和成熟期，基础的数据采集，数据仓库应该都已经成熟。洗出一份针对用户的静态属性及行为点数据。通过预制一些线性统计算法到自己的数据平台中，运营人员甚至可以在没有数据分析团队帮助的情况下，获取到用户每个静态属性及行为点，对于特定目标的相关性定量数据。

比如上述定量数据，正相关最高的是“使用过xx功能”，而活跃并没有规律，相关程度并不明显。

性别与其他项目相比有10倍的差距，基本可以忽略其对于目标的影响。这时候很容易定制一些产品规划引导用户使用XX功能，运营则可以弱化活跃这个挥之不去的指标，转而围绕功能的使用情况来设计活动或者进一步细分分析其原因，等等。

在这样的量化下，我们需要设计一些定性研究来佐证数据的可信度，也能具象化特定行为的场景和动机，帮助产品提高效率。比如，我们确定了特定功能的使用，与最后的业务达成明显的正相关，可以在一些问卷调查或者线下访谈中将这个功能的使用体验，作为一个重要问题，提问用户，了解其使用的原因，场景，目的以及反馈和意见。帮助产品规划少走弯路，明确优化方向。

定量数据也需要加入时间维度，用于验证和观测趋势。自动化，流程化的获取，使用，帮助决策，能大大提高整体效率，做正确的事，降低成本。

列举一个我谈过的数据驱动需求处理

对于大量需求遵循下列处理过程

理解→拆解→抽象→归并→优先级

我列举一下各个部门可能提出的数据类需求：

市场部

1.用户画像，制定合理的推广策略

2.跟踪网站，APP，微信等平台用户访问行为数据，通过再营销提高转换率

3.分析CRM信息，look-alike的寻求销售线索

4.购买测试第三方的数据（销售线索），评估预测效果

销售部

5.针对销售线索的质量评估，优先级制定

6.通过细分数据分析，调整和优化产品合约，销售策略

7.通过用户画像，即时的产品推荐，实时销售目标，提高销售沟通效率及效果

客服部

8.用户流失预警预测，及时调整服务策略

9.通过会员业务行为等，细分客群，进行更为有效的客户关系管理（续约，再消费，推荐好友，会员激励机制等）

技术部

10.用户平台行为表现，改进网站，APP等，提高用户黏度和转换率

11.打通不同系统用户数据，提升数据效用

对于上述需求有没有一下无所适从？

对于上述需求理解，拆解抽象后成几个大类

A.网站APP等平台数据采集

B.数据整合自定义展现

C.特定目标的数据分析

D.设计方案分析形成Persona

E.以用户为主的标签体系建立（profile）

F.针对用户特定行为的预测算法需求

G.数据平台的搭建，容纳数据类产品，统一数据接口