最近更新时间:2023.12.25 19:16:17
首次发布时间:2021.03.28 15:09:50
客户数据平台提供群体画像洞察能力,支持用户圈选目标群体生成私域洞察报告,挖掘群体显著特征,指导企业营销决策。用户可基于UV、TGI占比,剖析分群显著特征,对比人群显著差异。同时,用户可通过交叉分听、下钻分析等方式对各维度特征进行深度洞察,并采用柱状图、条形图、环状图、表格等图表形式进行展示。
圈选目标群体生成特定洞察报告: 产品能够圈选目标群体,为其生成专属的私域洞察报告,助您理解和掌握目标用户的行为模式,制定有效的营销策略。
深度剖析群体显著特征: 通过结合TGI和UV占比,产品能够深度剖析出各个群体显著的特征,助您理解目标用户行为、挖掘用户价值。
对比多个分群包显著特征:产品能够利用差异比值来对比多个分群包的特征差异,助您详细审查各个群体的区别,明确各个群体的独特性。
多样化图表形式展现群体画像: 产品可以将洞察报告通过柱状图、条形图、环形图、表格等多样的形式进行展示,让您能够更加直观、全面地理解各个群体的特性。
深度挖掘客户特征: 产品支持多样化的分析功能,如交叉分析、下钻分析等,以帮助您深度挖掘客户特征,为精细化营销提供数据支持。
群体画像功能的应用场景十分广泛,它能帮助企业更好地了解和服务用户。
通过群体画像可以更深入地理解特定用户群体的行为和偏好,从而制定精细化的定向营销策略。
例如,我们可以通过客户数据平台的群体画像来洞察那些「经常使用优惠券」的用户群体的特定画像特征。这可能包括他们的消费水平、品类偏好、购物时间、地区分布等多维度信息。这些数据可以帮助我们更精确地设计针对这一群体的优惠策略,提升优惠券使用的转化率和用户的购买满意度。
对于「经常使用优惠券」和「从不参与营销活动」的用户群体可能会有显著的特征差异。通过群体画像,我们可以直观比较这两个群体在各个特征上的差别。
例如,他们可能在年龄、收入水平、购物习惯等方面有显著差异。这些差异可以为我们提供宝贵的策略洞见,如需要对哪些群体加大营销力度,或是优化哪些方面的用户体验才能进一步提高用户的活跃度和参与度。同时,通过对比分析,我们也能更清楚地了解不同群体的需求和行为习惯,优化产品和服务,提升用户满意度。
指标 | 定义 | 描述 |
---|---|---|
大盘TGI | 说明 | 分群包中某标签值在该项目下的显著性特征结果 |
释义 |
| |
计算公式 | (分群包中可识别标签值用户量/分群包用户总量)/(项目下可识别标签值用户/项目下用户总量)*100 | |
场景说明 | 公司总人数为10,000人;该洞察报告中分析的人群为游戏研发部门全体员工,总计1,000人;全公司具有深度游戏爱好的员工为500人;游戏研发部门具有深度游戏爱好的员工为100人。 | |
标签占比 | 说明 | 分群包中,标签值在当前分群包下的占比 |
计算公式 | 分群包中标签值用户数量/分群包用户数量*100% | |
标签TGI | 说明 | 分群包中某标签值在该标签下显著性特征结果 |
释义 |
| |
计算公式 | (分群包中可识别标签值用户量/分群包中该标签用户总量)/(项目下可识别标签值用户量/项目下该标签用户总量)*100 | |
场景说明 | 公司总人数为10,000人,全公司具有深度兴趣爱好的用户为800人,深度游戏爱好的员工为500人,深度美妆爱好员工300人。 该洞察报告中分析的人群为游戏研发部门全体员工,总计1,000人,其中具有深度兴趣爱好的用户为120人,其中具有深度游戏爱好的员工为100人,具有深度美妆爱好员工20人。 具有深度游戏爱好的标签TGI=(100/120)/(500/800)*100=133 高于100,说明游戏部门更多的用户喜欢游戏。 | |
标签有效占比 | 说明 | 分群包中,标签值在当前分群包下标签总人数下的占比 |
计算公式 | 分群包中标签值用户数量/分群包中标签的用户总量*100% |