做用戶畫像項(xiàng)目最怕的是用戶畫像與業(yè)務(wù)場景脫節(jié)，那如何從業(yè)務(wù)場景出發(fā)，讓用戶畫像有效呢？本文分享了SIKT模型，來幫助你解決此問題。推薦給從事數(shù)據(jù)分析行業(yè)的小伙伴們閱讀。

做用戶畫像項(xiàng)目最怕啥？三個字：沒！屁！用！經(jīng)常是做數(shù)據(jù)的同學(xué)哼哧哼哧整了白天，輸出所謂的“360度用戶畫像”然后被業(yè)務(wù)方噴：

• 知道性別、年齡又怎樣！
• 過去消費(fèi)高，未來呢？又怎樣？
• 你標(biāo)記個高潛力,它就真的高潛力了？？

以上種種問題，都是沒有基于SIKT模型推進(jìn)項(xiàng)目所致。用戶畫像與業(yè)務(wù)場景脫節(jié)，沒有考慮業(yè)務(wù)拿到畫像能干啥。

想要破局，當(dāng)然得回到業(yè)務(wù)場景中，認(rèn)真思考：到底用戶畫像能幫上啥？而SIKT模型正是解決此問題的一套概念模型（非算法模型哦）。

01 SIKT模型原理

SIKT模型是一套梳理標(biāo)簽的方法。標(biāo)簽是用戶畫像的基礎(chǔ)，是構(gòu)建畫像體系的磚石。想讓用戶畫像系統(tǒng)有用，標(biāo)簽本身得是有價值的。這就要求，在做標(biāo)簽的時候，不能憑著數(shù)據(jù)人員的直覺，像說貫口一樣把“性別、年齡”胡亂懟進(jìn)系統(tǒng)，而是從業(yè)務(wù)場景出發(fā)，層層遞進(jìn)。

1. 第一步：梳理業(yè)務(wù)場景。使用方先思考：我要解決什么問題？
2. 第二步：梳理關(guān)鍵指標(biāo)。使用方再思考：用什么指標(biāo)衡量問題解決？
3. 第三步：梳理關(guān)鍵行動。使用方再思考：我做什么事能解決問題？
4. 第四步：篩選有用標(biāo)簽。數(shù)據(jù)協(xié)助思考：用什么標(biāo)簽?zāi)芴嵘袆有省?/li>

按照這個步驟梳理出來的標(biāo)簽，很好觀察：

1. 有明確的使用場景。避免了信息過剩，讓使用者聚焦思考問題。
2. 有明確的考核指標(biāo)。明確了考核方法，改善了關(guān)鍵指標(biāo)就是效果。
3. 有明確的落地動作。清晰了標(biāo)簽效果，同一動作，使用標(biāo)簽前后的差異。

要注意的是：標(biāo)簽并非萬能的，有可能有些業(yè)務(wù)場景是不需要標(biāo)簽的。因此使用該方法的第一步，就是先梳理業(yè)務(wù)場景，把那些和標(biāo)簽高度相關(guān)的場景找出來。

02 業(yè)務(wù)場景梳理

從本質(zhì)上看。標(biāo)簽是一系列業(yè)務(wù)信息的濃縮。比起未濃縮的信息，標(biāo)簽有三大優(yōu)勢：

1. 優(yōu)勢一：便于查詢。想象一下超市里買東西，如果沒有標(biāo)簽分類，都寫商品全名，那找起來得多麻煩。因此，提升信息檢索效率，就是標(biāo)簽第一大功能。使用標(biāo)簽進(jìn)行信息檢索，能提升認(rèn)知階段的效率。
2. 優(yōu)勢二：便于分類。有了標(biāo)簽，分類效率會提升非常多，特別是一些已明確不會使用到的分類，一下就能篩選出來。這樣能提升決策階段的效率。
3. 優(yōu)勢三：便于挑選。如果對于可用的手段有了標(biāo)簽分類，就能快速找出適合當(dāng)前的手段，避免了重重復(fù)復(fù)的分析論證，從而極大提升執(zhí)行效率。

小結(jié)下，幾乎所有的業(yè)務(wù)工作，都要涉及：認(rèn)知現(xiàn)狀，制定策略，選擇方法三個步驟。因此，只有還處于大干快上，跑馬圈地，野蠻生長的行業(yè)是不需要標(biāo)簽的。

真還在野蠻生長的話，那還查詢個啥、分類個啥、挑選個啥，可勁砸錢，干就完了奧力給！但凡行業(yè)增速減慢，需要控成本，增效益的時候，標(biāo)簽都有用。

03 1個應(yīng)用小案例

場景一：某互聯(lián)網(wǎng)企業(yè)投放部門，計劃選擇大V進(jìn)行私域投放。

投放場景的指標(biāo)很明確：投放轉(zhuǎn)化率。要注意的是：由于是私域投放，買了大V的廣告位以后，就只能全覆蓋該大V的粉絲，無法在決策階段做用戶分群。所以在場景拆分的時候，決策階段沒法用標(biāo)簽優(yōu)化。

但是在認(rèn)知現(xiàn)狀、方法選擇階段，標(biāo)簽?zāi)軒蜕厦Α?/p>

認(rèn)知階段：大V有很多，一個大V覆蓋各個平臺。此時如果有標(biāo)簽對大V進(jìn)行分類，就能輕松查看該大V的基本情況，挑選出合適的大V。

選擇階段：同一個廣告，可能有5、6種不同素材可以使用。此時如果有標(biāo)簽對素材進(jìn)行分類，就能減少篩選難度，提升效率。

注意，這里用的標(biāo)簽并非100%的用戶標(biāo)簽。比如大V分類標(biāo)簽，可能需要負(fù)責(zé)推廣的同事自行標(biāo)記。比如素材標(biāo)簽，需要負(fù)責(zé)素材設(shè)計的同事自行標(biāo)記分類。

注意，這里用的標(biāo)簽，也并非一次性產(chǎn)生的。比如大V標(biāo)簽中“作弊”標(biāo)簽，是在之前合作中，發(fā)現(xiàn)大V有作弊行為，之后標(biāo)記上，避免后人上當(dāng)。比如素材標(biāo)簽中“使用效果”標(biāo)簽。是觀察N次素材投放效果以后標(biāo)記出來的。

這引申出一個很深層的問題：用戶畫像建設(shè)，并非某一天，一個神力無敵的數(shù)據(jù)分析師刷刷把數(shù)據(jù)庫一弄就出來的。這些對業(yè)務(wù)的分類，對效果的追蹤，需要長時間積累，需要業(yè)務(wù)方同事一起參與才能完成。

04 再看個小案例

場景二：某互聯(lián)網(wǎng)企業(yè)用戶運(yùn)營，計劃針對沉睡用戶進(jìn)行喚醒，以激活消費(fèi)一筆（不計金額大?。槟繕?biāo)。

這個場景下，關(guān)鍵指標(biāo)很清晰，就是沉睡用戶的激活率。

在細(xì)分場景的時候會發(fā)現(xiàn)，在認(rèn)知階段難度較小，因?yàn)橐呀?jīng)鎖定了沉睡用戶群體。但在策略階段，較為復(fù)雜。

一來，在沉睡以前，用戶的消費(fèi)習(xí)慣、消費(fèi)經(jīng)歷都不同，可能需要區(qū)分用戶特點(diǎn)，找適合用戶的激活方案。

二來，當(dāng)前沉睡不代表未來沉睡，本身用戶就有一定自然回流概率，如果不能區(qū)分這些自然回流用戶，很有可能投放的喚醒資源都被薅羊毛薅走了。

所以在關(guān)鍵行動層面，需要2個重要輔助：

1. 區(qū)分過往消費(fèi)偏好，區(qū)分過往消費(fèi)層次
2. 預(yù)測未來自然喚醒概率，區(qū)分自然喚醒用戶

這兩點(diǎn)都對應(yīng)著標(biāo)簽的需求。但實(shí)現(xiàn)方法是不同的：過往的需求分析是有數(shù)據(jù)可依的，因此可以通過歷史數(shù)據(jù)進(jìn)行用戶分層/分群。但未來喚醒情況則需要預(yù)測，這是需要算法模型支持的。

有趣的是：真預(yù)測出來誰會消費(fèi)以后，在做喚醒資源投放的時候，是會繞開這些預(yù)測消費(fèi)用戶的，這樣事后測算ROI才好看。

這又引申出來一個深層次話題：預(yù)測模型怎么來，怎么用，也是緊密結(jié)合業(yè)務(wù)場景的。很多人建設(shè)用戶畫像的時候，不考慮業(yè)務(wù)場景，單純指望一個：“預(yù)測模型/推薦模型”包打天下。是非常不切實(shí)際的。

05 小結(jié)

總結(jié)整個SIKT運(yùn)作過程可以看出：想讓用戶畫像有效，標(biāo)簽先得有效。

想讓標(biāo)簽有效，得：

1. 緊密結(jié)合業(yè)務(wù)場景
2. 清晰要改善的關(guān)鍵指標(biāo)
3. 明確落地關(guān)鍵動作
4. 業(yè)務(wù)同事積極參與，貼上業(yè)務(wù)標(biāo)簽
5. 數(shù)據(jù)要長期跟蹤，特別是關(guān)于效果的標(biāo)簽
6. 算法模型在關(guān)鍵場景，關(guān)鍵環(huán)節(jié)補(bǔ)位

總之，全民一起努力，才能真正實(shí)現(xiàn)效果。單靠一個數(shù)據(jù)分析師，單靠現(xiàn)有數(shù)據(jù)庫里那點(diǎn)字段，脫離業(yè)務(wù)場景做模型，脫離業(yè)務(wù)動作談數(shù)據(jù)采集，最后只能獲得如開頭一樣，平砍一刀不見血的無用畫像。