2015年用户到底在哪些场景里留下痕迹？
**答案：搜索、社交、电商、线下Wi-Fi四大主阵地。** - **搜索场景**：百度、360、搜狗三家合计占据95%以上份额，关键词日志包含需求强度与兴趣周期。 - **社交场景**：微博日活破亿，微信朋友圈广告刚上线，转发链路与@关系可用来计算影响力权重。 - **电商场景**：阿里、京东、唯品会三家全年GMV超3万亿，购物车、收藏、比价行为暴露价格敏感度。 - **线下Wi-Fi场景**：迈外迪、树熊等商用Wi-Fi铺设超200万个热点，MAC地址+门店停留时长补充了“最后三公里”的动线数据。 ---如何把分散的数据串成同一个人？
**核心思路：ID-Mapping+概率匹配。** 1. **强ID优先**：手机号、邮箱、QQ号、微信OpenID按优先级逐级合并，匹配率可达80%以上。 2. **弱ID补位**：Cookie、MAC、IMEI通过时间窗口+IP+设备指纹做概率匹配，置信度设定0.85以上才入库。 3. **异常清洗**：同一设备一天内出现跨省登录且停留时间小于5分钟，视为爬虫或模拟器，直接剔除。 ---2015年画像需要打哪些标签？
**三层标签体系：静态、动态、预测。** - **静态标签** - 人口属性：性别、年龄、城市级别、终端价位 - 商业属性：月可支配收入、信用卡张数、是否有车 - **动态标签** - 兴趣偏好：近30天搜索最多的3个品类词 - 购买周期：美妆平均45天复购，手机平均18个月换机 - 活跃时段：工作日午休12:00-13:30，晚间21:00-23:00 - **预测标签** - 流失概率：连续7天未打开APP且近3次Push未点击 - 高客单潜力：浏览过500元以上商品详情页≥5次且加入愿望清单 ---如何验证画像准确度？
**A/B测试+Look-alike双重校验。** - **A/B测试**：随机抽取10万画像用户与10万非画像用户，投放同一组素材，对比CTR与转化率差异，要求提升≥20%才算合格。 - **Look-alike**：以已购人群为种子，放大到相似人群，观察7日ROI是否高于盲投30%以上。 ---2015年有哪些踩坑案例值得警惕？
**案例一：过度依赖Cookie导致画像漂移** 某快消品牌仅用PC端Cookie做跨屏投放，结果移动端CTR不足0.3%，复盘发现Cookie七天失效率高达65%，大量用户被重复计数。 **案例二：线下数据未脱敏引发隐私投诉** 一家购物中心用Wi-Fi探针采集MAC地址后，未做Hash直接推送优惠券，被用户举报到工信部，罚款20万元并下架活动。 ---落地清单：三周完成最小可用画像
- **第一周**： - 接入百度统计、友盟、京东罗盘三大数据源 - 建立ID-Mapping表，跑通手机号→微信OpenID→MAC的映射链路 - **第二周**： - 按静态、动态、预测三层输出首批标签 - 用RFM模型筛出高价值人群，圈选5万样本做短信召回 - **第三周**： - 上线A/B测试，对比画像人群与随机人群ROI - 根据结果微调标签权重，例如把“夜间活跃”权重从0.3提升到0.5 ---未来展望：2016年画像升级方向
- **实时化**：Kafka+Storm流式计算，把T+1标签缩短到分钟级 - **场景化**：结合LBS+天气+节假日，推送“雨天打车券”“周五夜宵红包” - **情感化**：微博文本情感分析，识别“吐槽”“种草”情绪，动态调整广告话术 把2015年的用户行为数据吃透，才能在2016年的流量争夺战中占得先机。
（图片来源网络，侵删）
评论列表