本文转载自微信公众号《脚踏实地的学校》，作者是脚踏实地的陈老师。转载请联系地气派公众号。做用户画像项目最怕什么？三个字：不行！屁！有用！往往做数据的同学整天输出所谓的“?度用户画像”，然后被业务方喷：我知道，那么性别和年龄呢？过去消费高，未来呢？所以呢？标记为高潜力，就真的有高潜力？以上问题都是由于没有推进基于SIKT模式的项目造成的。用户画像与业务场景脱节，没有考虑业务可以用画像做什么。想要破局，当然要回到业务场景仔细思考：用户画像能帮上什么忙？SIKT模型是解决这个问题的一组概念模型（不是算法模型）。01SIKT模型原理SIKT模型是一套整理标签的方法。标签是用户画像的基础，是画像系统的积木。为了使角色系统有用，标签本身必须有价值。这就要求我们在做标注的时候，不能依赖数据人员的直觉，像灌口一样，随便往系统里输入“性别和年龄”，而是要从业务场景出发，逐层进行。第一步：梳理业务场景。用户首先想到的是：我要解决什么问题？第二步：梳理关键指标。在用户端再想想：用什么指标来衡量解决问题的能力？第三步：梳理重点动作。在用户端再想想：我能做些什么来解决问题？第四步：筛选有用的标签。数据辅助思考：用什么标签可以提高行动效率。按照这一步整理出来的标签，很容易观察到：1：有明确的使用场景。它避免了信息过载，让用户专注于思考问题。二：有明确的考核指标。明确了评价方法，提高了关键指标，这就是效果。三：有明确的落地动作。明确了标签效果，同样的动作，使用标签前后的区别。需要注意的是，标签并不是万能的，可能有一些业务场景是不需要标签的。所以使用这种方法的第一步就是梳理业务场景，找出那些和标签高度相关的场景。02业务场景梳理本质。标签是业务信息的集合。与未压缩的信息相比，标签具有三个优势：优势一：查询方便。想象一下在超市买东西。如果没有标签分类，写的是商品全称，找起来会很麻烦。因此，提高信息检索效率是标签的首要作用。使用标签进行信息检索可以提高认知阶段的效率。优势二：易于分类。有了标签，分类效率会大大提高，尤其是一些明明没有用到的分类可以一下子筛掉。这提高了决策阶段的效率。优势三：选择方便。如果对可用的手段进行标签分类，可以快速找出适合当前情况的手段，避免重复分析论证，大大提高执行效率。总结起来，几乎所有的业务工作都涉及三个步骤：认知现状、制定策略、选择方法。所以，只有那些还在快速圈地、野蛮生长的行业才不需要贴标签。如果它还在疯长，那你还需要查询、分类、选择，但是你可以花钱，你就完事了！每当行业增速放缓，需要控本增效时，Both这个标签就派上用场了。031小应用案例场景一：某互联网公司投放部拟选择大V进行私域投放。投放场景的指标很明确：投放转化率。需要注意的是，由于是放在私域，买下某大V的广告位后，只能覆盖大V的所有粉丝，无法在决策阶段对用户进行分组。因此，当场景分割时，决策阶段无法通过标签进行优化。但在认知状态和方法选择阶段，标签可以提供帮助。认知阶段：大V很多，一个大V覆盖所有平台。这时候如果有标签对大V进行分类，可以很方便的查看大V的基本情况，选择合适的大V。选择阶段：同一个广告，可能有5、6种不同的素材可以使用。这时候如果有标签对素材进行分类，就可以降低筛选难度，提高效率。请注意，此处使用的标签不是100%的用户标签。比如大V的分类标签，可能需要负责推广的同事标注。比如材质标签，负责材质设计的同事需要自己标记分类。请注意，此处使用的标签不是一次生成的。比如大V标签中的“作弊”标签，就是在之前的合作中，发现大V有作弊行为，然后进行标记，以防后人上当。例如材质选项卡中的“使用效果”选项卡。观察N次出料效果后标注。这就引出了一个很深层次的问题：用户画像的构建不是有一天无敌数据分析师刷库出来的。这些业务的分类和效果的跟踪，需要长期的积累和业务方同事的参与才能完成。04看一个小案例场景2：某互联网企业用户运营计划唤醒沉睡的用户，目标是激活一笔消费（不限金额）。在这个场景中，关键指标非常明确，就是睡眠用户的激活率。细分场景的时候，你会发现在认知阶段难度变小了，因为已经锁定了沉睡的用户群。但在战略阶??段，就比较复杂了。首先，在入睡前，用户有不同的消费习惯和消费体验，可能需要区分用户特征，找到适合用户的激活方案。第二，现在的困不代表未来的困。用户本身就有一定的自然回报概率。如果不能区分这些自然回归用户，很可能所有投入的唤醒资源都会被薅羊毛。因此，在关键动作层面，需要两个重要的辅助：1.区分过去的消费偏好和过去的消费水平2.预测未来自然觉醒的概率，区分自然觉醒用户。这两点对应标签的需求。但实现方式不同：过去的需求分析有数据可依，可以通过历史数据进行用户分层/分组。但是，需要对未来的唤醒情况进行预测，这就需要算法模型的支持。有意思的是，在实际预测谁会消费之后，这些预测的消费用户在部署唤醒资源的时候会被绕过，这样就可以事后计算ROI。这就引出了一个很深的话题：预测模型是怎么来的，怎么用也跟业务场景紧密结合。很多人在做用户画像的时候，不考虑业务场景，单纯靠一个：“预测模型/推荐模型”来打天下。非常不切实际。05小结总结整个SIKT运作过程，可以看出，要让用户画像有效，标签首先要有效。要使标签有效，必须：1.与业务场景紧密结合2.明确需要改进的关键指标3.明确执行关键动作4.业务同事积极参与并贴上业务标签5.数据要长期跟踪，特别是关于效果标签6.算法模型填充关键场景和关键环节。总之，只有全民共同努力，才能取得真正的效果。单靠一个数据分析师，单靠现有数据库中的字段，从业务场景做模型，从业务动作谈数据采集，到头来只能像开始一样得到一个无用的画像，没有流血事件。
