你的用戶分類方式過時了嗎

文 / 段培力 博士、愛投數(shù)創(chuàng)科技CMO

你的用戶分類方式過時了嗎

文 / 段培力 博士、愛投數(shù)創(chuàng)科技CMO

移動時代的用戶分類被前所未有的細(xì)分，結(jié)果就是每一個用戶都是個性的，不能再用“群”來分隔。

分清受眾是營銷的首要問題，分不清受眾就不知道對誰做廣告，以用戶為中心的市場分類是所有企業(yè)的策略核心。俗話說，人以群分，這個“群”就是用戶分類，也就是企業(yè)把用戶按照某種標(biāo)準(zhǔn)進(jìn)行分類，了解每一類用戶的喜好，從而有針對性地推出最有競爭力的產(chǎn)品或服務(wù)。從傳播的層面來講，用戶分類就是搞清楚對誰做廣告、做什么廣告的過程。

用戶分類的概念有兩個層面的意義。第一層的核心意義是運用可以理解的標(biāo)準(zhǔn)來定義產(chǎn)品用戶，弄清楚他們的需求。第二個意義是如何對用戶分類做出回應(yīng)，以便企業(yè)能夠為用戶提供最有競爭力的產(chǎn)品，實現(xiàn)和用戶最有效的溝通。

然而究竟怎樣分清受眾呢？營銷學(xué)家一直在想辦法讓用戶分類變得更加有效。決定區(qū)分用戶的變量或者說標(biāo)準(zhǔn)十分關(guān)鍵，而這些標(biāo)準(zhǔn)需要與判斷用戶的購買行為有直接關(guān)系才有意義。一個好的分類標(biāo)準(zhǔn)可以解釋不同用戶對于營銷活動反應(yīng)上的差異，包括對廣告和產(chǎn)品購買上的差異。

曾經(jīng)，人以“群”分

用戶分類最基礎(chǔ)的方法是將用戶分為不同的用戶群，主要包括屬性分類和心理分類兩種方法。

屬性分類是用年齡、性別、收入、教育、職業(yè)、家庭、地域因素等用戶的外部特征來描述廣告受眾。屬性分類是最早、也是應(yīng)用得最廣泛的用戶定向工具。這種分類最吸引人的特點是定義清晰，使?fàn)I銷策略容易執(zhí)行。例如，“某種產(chǎn)品是針對20～25歲的女性設(shè)計的”。這種分類，可以很容易地從媒介中選出符合這類人群的資源。屬性分類的另一個好處是節(jié)約營銷費用，廣告主只要把資源集中在某個屬性符合的人群上面即可。

在屬性分類的基礎(chǔ)上，營銷學(xué)家又開發(fā)了心理分類。這是根據(jù)用戶的性格特征、價值觀、對事情的意見和態(tài)度、平常從事的活動、興趣、生活方式、對品牌的偏好等內(nèi)在特征來進(jìn)行分類的。例如有的人對體育和健康有著非常認(rèn)真的態(tài)度，而有的人將體育活動更多的是看成一種休閑娛樂。體育用品公司針對這兩種人設(shè)計的產(chǎn)品和廣告都應(yīng)該有所區(qū)別。心理分類與廣告更具有直接的關(guān)聯(lián)，有人認(rèn)為這比屬性分類更有效。心理分類的好處就是能夠幫助激發(fā)廣告創(chuàng)意，使廣告的內(nèi)容和調(diào)性適合對象人群。

屬性分類和心理分類是在用戶抽樣調(diào)查的基礎(chǔ)上來完成的，區(qū)分的種類不會太多，分類的結(jié)果也比較穩(wěn)定。例如，收入、職業(yè)、品牌偏好等指標(biāo)不會經(jīng)常變動，而且能夠?qū)V告創(chuàng)意提供幫助，方便廣告的落地執(zhí)行，所以一直是用戶分類的主流形式。在互聯(lián)網(wǎng)廣告出現(xiàn)的初始階段，這兩種分類方式被沿用下來。那個時候，網(wǎng)絡(luò)廣告投放與平面廣告投放的方式相似：創(chuàng)意設(shè)計是單一不變的，甚至基本上就是把大眾廣告做一個“e”版本，直接貼到網(wǎng)上。

但人們發(fā)現(xiàn)，屬性分類和心理分類對廣告效果的預(yù)測效果是有限的，甚至只能說是一個廣告的“建議”。例如受眾分類是20～25歲的年輕女性，銷售人員會告訴你這類人當(dāng)中只有60%的人會對產(chǎn)品有興趣。因此在當(dāng)今廣告主對銷售效果要求越來越高的情況下，就需要尋找其他定向方式。

智能手機的普及標(biāo)志著移動時代的到來，用戶分類出現(xiàn)了一個與時間同樣重要的變量——地點。

從群體，到行為，再到場景

20世紀(jì)90年代互聯(lián)網(wǎng)出現(xiàn)后，用戶分類方式開始出現(xiàn)很大的變化。廣告主總有這些問題：來到我們網(wǎng)站瀏覽的到底是什么人？男的女的？收入高不高？結(jié)婚了嗎？有無小孩？生活興趣是什么等等。由于用直接的方式觀察不到用戶的這些特征，營銷專家開始嘗試運用用戶的瀏覽行為作為人群分類的標(biāo)準(zhǔn)，認(rèn)為瀏覽相似內(nèi)容的人都有共同的、可以預(yù)判的心理特征，于是就按照媒體內(nèi)容去區(qū)隔用戶。瀏覽某一戶外體育運動欄目的人可以被“粗略”地認(rèn)為都是喜歡戶外體育運動的用戶，于是廣告主就在這個欄目投放戶外產(chǎn)品的廣告?！皟?nèi)容分類”就是運用行為區(qū)分用戶的早期形式。

內(nèi)容分類對用戶的區(qū)分是比較粗泛的，因為它是針對一類用戶來講的。在這種意義上，內(nèi)容分類與屬性和心理分類方式是相同的。但是搜索定向和重定向的出現(xiàn)，徹底地改變了用戶分類的方式?！爸囟ㄏ颉笔侵羔槍υL問過某個網(wǎng)頁而又離開了的一類用戶；搜索定向是指鎖定在搜索引擎中使用了某些設(shè)定關(guān)鍵詞的用戶。營銷專家們還可以根據(jù)用戶對內(nèi)容或話題的關(guān)注來區(qū)分用戶。

以前討論的用戶分類方式是按照“群”的特點來分，關(guān)鍵詞定向和重定向是按照每個用戶的行為來分，其結(jié)果是用戶分類變得更加細(xì)分，到了“零碎”的程度。關(guān)鍵詞可以分成品類詞、品牌詞、競品詞、咨詢類詞等，來代表不同用戶群體；重定向的分類面臨類似的情況，用來分析受眾的網(wǎng)址（URL）可以有幾十、幾百甚至更多。每一類關(guān)鍵詞、網(wǎng)址或者它們的組合都可以是用戶分類的標(biāo)準(zhǔn)。其次，用戶分類不再是基于少量的抽樣數(shù)據(jù)，而是可以覆蓋全球的海量數(shù)據(jù)。

行為分類發(fā)展到后來又有了技術(shù)分類。Forrester Research公司是最先提出“技術(shù)定向”這個詞的，原來指根據(jù)用戶使用的技術(shù)工具特點，包括用戶設(shè)備、瀏覽器、所使用的搜索引擎，可以有效進(jìn)行判斷和分類，因為這些“技術(shù)參數(shù)”與前面提到的用戶屬性、用戶心理都密切相關(guān)。

國外報道過這樣一個發(fā)現(xiàn)：使用搜索引擎必應(yīng)（Bing）到達(dá)頁面的人群，轉(zhuǎn)化效果常常會比從谷歌（Google）到達(dá)頁面的轉(zhuǎn)化效果高，這是因為用必應(yīng)的用戶比較“懶惰”——這個搜索工具是微軟瀏覽器綁定工具，這類用戶于是有什么就用什么，而對于信息深度和廣度并不太講究。而運用谷歌的用戶就更懂技術(shù)一些，他們對信息的要求更多，而不只是貪圖方便，因而更難說服。所以對于前一種用戶，廣告應(yīng)該著重“行動召喚”，結(jié)果導(dǎo)向；而對于后者，廣告應(yīng)該是提供對比信息，把廣告做得軟一些，這樣可以提升銷售轉(zhuǎn)化。

圖1　小貸產(chǎn)品實時競價展示廣告點擊率與關(guān)鍵詞時效的關(guān)系

行為定向為用戶分類理論引進(jìn)了一個具有劃時代意義的標(biāo)準(zhǔn)——時間。行為定向?qū)τ脩舻姆诸愂怯袝r效要求的，換句話說，就是用戶的“標(biāo)簽”會因為時間而改變。例如，“重定向”是為了吸引來過頁面卻沒有產(chǎn)生產(chǎn)品購買的用戶，很可能過了一天用戶已經(jīng)購買了這類產(chǎn)品，那么這個用戶就不再是廣告受眾了。實踐證明，時間作為用戶的分類標(biāo)準(zhǔn)可以有效預(yù)測廣告的效果。銀行可以搜索關(guān)鍵詞去定義目標(biāo)用戶，這些詞可以是“貸款”“抵押”等等。 如果根據(jù)搜索關(guān)鍵詞投放個人小貸產(chǎn)品的展示廣告，搜索詞定向的有效性大多不超過24小時（圖1）。

智能手機的普及標(biāo)志著移動時代的到來，用戶分類出現(xiàn)了一個與時間同樣重要的變量——地點。時間和地點定義了一個用戶所處的環(huán)境，或者說是場景，場景分類的概念就隨之誕生?！罢谏倘镔徫锏哪贻p媽媽人群”“來汽車城看新車的受眾”都屬性場景分類的范疇。

用戶總是從一個場景變動到另外一個場景：早上從家出發(fā)、到辦公室、中午午餐或者到附近商場買點東西、下午約客戶喝咖啡等等，每個時間點上用戶的地點、關(guān)注點、使用的上網(wǎng)設(shè)備、媒介環(huán)境都在變化。用戶在不同的場景下，興趣點是不相同的，所以同一廣告在不同的環(huán)境對用戶的效果也會不一樣。用戶分類就是要用數(shù)據(jù)推算出用戶的場景信息，從而確定推送什么樣的廣告。例如用戶在下午1點鐘位于某商場，可以推送與地域有關(guān)的LBS廣告，2點鐘回到辦公室，你還在推這個LBS廣告就遲了。在移動的場景里，用戶“標(biāo)簽”的有效性稍縱即逝，現(xiàn)在還是廣告受眾的“他”，等會兒可能就不是了。

圖2　手游類獲客成本與用戶分類維度的關(guān)系

圖3　不同用戶分類方式對用戶數(shù)據(jù)時間和維度數(shù)量的要求

未來用戶分類三大趨勢

從最早的屬性分類，到現(xiàn)在的場景分類，用戶分類有三個明顯的趨勢。廠商的廣告策略也需要進(jìn)行相應(yīng)的調(diào)整。

第一個趨勢是用來分類用戶的維度增多。這需要廠商運用大數(shù)據(jù)讓用戶畫像更為細(xì)致。過去，屬性分類和心理分類的維度比較有限，大約只有幾十種。行為分類就開始多到不容易統(tǒng)計了。場景分類增加了地理因素，全國有數(shù)百個大中城市，按照商圈分就更多。維度的增多能夠讓受眾畫像更加細(xì)致，銀行金融公司的策略通常是“數(shù)據(jù)加掛”，即在同一用戶的賬號上積累不同信息，使?fàn)I銷更有針對性。游戲公司都想在互聯(lián)網(wǎng)上找到收費用戶，讓他們注冊參與游戲。營銷的效果通常是用“獲客成本”（CPA）來衡量的，在廣告投放過程中用到的用戶定義維度越多，CPA的成本就能變得越低 （圖2）。

第二個趨勢是用戶分類的時效越來越短，這是大數(shù)據(jù)時代最明顯的特點。屬性分類的條件通常具有很長的時效性，不會隨時間而快速變化，比如性別和職業(yè)。心理分類時效就有所縮短，但也比較長，這是因為分類方式是按照一年或幾年一次的市場調(diào)查結(jié)果作為分類基礎(chǔ)的。到了行為分類時代，時效性就非常明顯了。一個用戶今天搜索了某款新車，表明這個用戶對這款新車有興趣，但運用這個搜索行為作為定向用戶的條件可能在幾個月或幾周內(nèi)因為發(fā)生購買而不再存在。這種變化要求廠商需要注重廣告推送的時效性，進(jìn)行精準(zhǔn)投放。在CRM實踐中，很多公司直接用顧客未來購買的時間作為用戶分類的依據(jù)，時間越近，用戶潛在的廣告價值就越高。在新車購買市場，三個月內(nèi)有購買意向的人群定義為熱度高的潛客，三到六個月的定義為溫?zé)釢摽汀Ｔ谥变N行業(yè)，人們按照最近一次購買商品的時間作為區(qū)隔標(biāo)準(zhǔn)。有研究表明，如果用行為關(guān)鍵詞作為廣告分類依據(jù)，關(guān)鍵詞的時效性會隨著時間的推移而迅速降低。

用戶分類的這兩個趨勢可以用圖3來說明?？梢钥吹剑脩舻姆诸悓τ脩魯?shù)據(jù)的要求越來越高；反過來，數(shù)據(jù)也讓用戶分類的方式變得更加多樣化。每一步用戶分類技術(shù)的進(jìn)步，都是在原來的基礎(chǔ)上進(jìn)行的。這就是說，場景分類會用到包括從屬性到行為的所有數(shù)據(jù)。在大數(shù)據(jù)時代，用戶的一切數(shù)據(jù)都是和用戶分類相關(guān)的。

在移動時代，用戶分類得到前所未有的細(xì)分，這種趨勢的終極結(jié)果就是每一個用戶都是個性的，不能再用“群”來分隔。屬性分類等傳統(tǒng)人群分類方式在移動時代已經(jīng)成為過去式，取而代之的是以大數(shù)據(jù)為驅(qū)動的場景分類。

第三個趨勢是用戶分類從人工走向人工智能。屬性分類時代，區(qū)分客戶用的統(tǒng)計工具相對簡單，可以用肉眼來看分析結(jié)果；屬性分類是用調(diào)研的樣本數(shù)據(jù)來判定。用戶分類完成后，往往在一年甚至更長的時間內(nèi)是不變的。大數(shù)據(jù)時代，手工的方式無法應(yīng)付大量數(shù)據(jù)的處理，取而代之的方式是“機器學(xué)習(xí)”。所謂機器學(xué)習(xí)，就是用各種算法，比如回歸算法、決策樹算法、神經(jīng)網(wǎng)絡(luò)類算法、深度學(xué)習(xí)算法等等，利用用戶數(shù)據(jù)預(yù)測廣告的相關(guān)性，從而確定廣告的投放。由于有了時間和位置作為變量，用戶分類可以實時進(jìn)行。也就是說，根據(jù)廣告的需求，一個用戶的分類方式可以隨時變化：下午是“IT負(fù)責(zé)人”，晚上被稱為“年輕媽媽”更合適。原來穩(wěn)定的“用戶分類”，成了動態(tài)的“千人千面”。

移動時代的到來讓用戶分類的方式發(fā)生了斷層式的變化。移動穿戴設(shè)備的普及進(jìn)一步增加了用戶數(shù)據(jù)量、數(shù)據(jù)維度和時效。簡單、固定的傳統(tǒng)用戶分類思維會逐漸成為“過去式”。在移動時代，用戶分類得到前所未有的細(xì)分，這種趨勢的終極結(jié)果就是每一個用戶都是個性的，不能再用“群”來分隔。屬性分類等傳統(tǒng)人群分類方式在移動時代已經(jīng)成為過去式，取而代之的是以大數(shù)據(jù)為驅(qū)動的場景分類。廣告主需要運用所有能夠得到的用戶數(shù)據(jù)，包括屬性數(shù)據(jù)、行為數(shù)據(jù)、心理數(shù)據(jù)，CRM數(shù)據(jù)等等，推導(dǎo)出以用戶場景為核心的用戶分類方式，通過個性化廣告投放，得到更高的投資回報。

除了人群分類，廣告的投放也需要運用人工智能技術(shù)。不同廣告主有成千上萬的商品，要把它們賣給上億的用戶，就需要海量的產(chǎn)品廣告設(shè)計，把商品個性化地匹配給這些用戶。這需要人工智能技術(shù)來完成對信息檢索結(jié)果的分析，從而決定廣告創(chuàng)意的選擇。