[[414051]]

本文轉載自微信公眾號「接地氣學堂」，作者接地氣的陳老師。轉載本文請聯系接地氣學堂公眾號。

做用戶畫像項目最怕啥?三個字：沒!屁!用!經常是做數據的同學哼哧哼哧整了白天，輸出所謂的“360度用戶畫像”然后被業務方噴：

知道性別、年齡又怎樣!

過去消費高，未來呢?又怎樣?

你標記個高潛力,它就真的高潛力了??

以上種種問題，都是沒有基于SIKT模型推進項目所致。用戶畫像與業務場景脫節，沒有考慮業務拿到畫像能干啥。想要破局，當然得回到業務場景中，認真思考：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)。

01SIKT模型原理

SIKT模型是一套梳理標簽的方法。標簽是用戶畫像的基礎，是構建畫像體系的磚石。想讓用戶畫像系統有用，標簽本身得是有價值的。這就要求，在做標簽的時候，不能憑著數據人員的直覺，像說貫口一樣把“性別、年齡”胡亂懟進系統，而是從業務場景出發，層層遞進。

第一步：梳理業務場景。使用方先思考：我要解決什么問題?

第二步：梳理關鍵指標。使用方再思考：用什么指標衡量問題解決?

第三步：梳理關鍵行動。使用方再思考：我做什么事能解決問題?

第四步：篩選有用標簽。數據協助思考：用什么標簽能提升行動效率。

按照這個步驟梳理出來的標簽，很好觀察：

一：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。

二：有明確的考核指標。明確了考核方法，改善了關鍵指標就是效果。

三：有明確的落地動作。清晰了標簽效果，同一動作，使用標簽前后的差異。

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

02業務場景梳理

從本質上看。標簽是一系列業務信息的濃縮。比起未濃縮的信息，標簽有三大優勢：

優勢一：便于查詢。想象一下超市里買東西，如果沒有標簽分類，都寫商品全名，那找起來得多麻煩。因此，提升信息檢索效率，就是標簽第一大功能。使用標簽進行信息檢索，能提升認知階段的效率。

優勢二：便于分類。有了標簽，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。

優勢三：便于挑選。如果對于可用的手段有了標簽分類，就能快速找出適合當前的手段，避免了重重復復的分析論證，從而極大提升執行效率。

小結下，幾乎所有的業務工作，都要涉及：認知現狀，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，野蠻生長的行業是不需要標簽的。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!但凡行業增速減慢，需要控成本，增效益的時候，標簽都有用。

031個應用小案例

場景一：某互聯網企業投放部門，計劃選擇大V進行私域投放。投放場景的指標很明確：投放轉化率。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，決策階段沒法用標簽優化。

但是在認知現狀、方法選擇階段，標簽能幫上忙。

認知階段：大V有很多，一個大V覆蓋各個平臺。此時如果有標簽對大V進行分類，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。此時如果有標簽對素材進行分類，就能減少篩選難度，提升效率。

注意，這里用的標簽并非100%的用戶標簽。比如大V分類標簽，可能需要負責推廣的同事自行標記。比如素材標簽，需要負責素材設計的同事自行標記分類。

注意，這里用的標簽，也并非一次性產生的。比如大V標簽中“作弊”標簽，是在之前合作中，發現大V有作弊行為，之后標記上，避免后人上當。比如素材標簽中“使用效果”標簽。是觀察N次素材投放效果以后標記出來的。

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

04再看個小案例

場景二：某互聯網企業用戶運營，計劃針對沉睡用戶進行喚醒，以激活消費一筆(不計金額大小)為目標。這個場景下，關鍵指標很清晰，就是沉睡用戶的激活率。

在細分場景的時候會發現，在認知階段難度較小，因為已經鎖定了沉睡用戶群體。但在策略階段，較為復雜。

一來，在沉睡以前，用戶的消費習慣、消費經歷都不同，可能需要區分用戶特點，找適合用戶的激活方案。

二來，當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。

所以在關鍵行動層面，需要2個重要輔助：

1、區分過往消費偏好，區分過往消費層次

2、預測未來自然喚醒概率，區分自然喚醒用戶

這兩點都對應著標簽的需求。但實現方法是不同的：過往的需求分析是有數據可依的，因此可以通過歷史數據進行用戶分層/分群。但未來喚醒情況則需要預測，這是需要算法模型支持的。

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

這又引申出來一個深層次話題：預測模型怎么來，怎么用，也是緊密結合業務場景的。很多人建設用戶畫像的時候，不考慮業務場景，單純指望一個：“預測模型/推薦模型”包打天下。是非常不切實際的。

05小結

總結整個SIKT運作過程可以看出：想讓用戶畫像有效，標簽先得有效。

想讓標簽有效，得：

1、緊密結合業務場景

2、清晰要改善的關鍵指標

3、明確落地關鍵動作

4、業務同事積極參與，貼上業務標簽

5、數據要長期跟蹤，特別是關于效果的標簽

6、算法模型在關鍵場景，關鍵環節補位

總之，全民一起努力，才能真正實現效果。單靠一個數據分析師，單靠現有數據庫里那點字段，脫離業務場景做模型，脫離業務動作談數據采集，最后只能獲得如開頭一樣，平砍一刀不見血的無用畫像。