用户画像分析怎么做？分析消费者用户画像数据分析的方法，电商客户人群画像

一、目的

品牌产品布局、开发新产品

目的分解：通过查看 行业客群、店铺客群、爆款客群、竞品客群 相互间链路转化的继承性和差异性，分析产品布局的正确规范，完善产品布局的新品开发，新品开发的方向指导等

数据来源：生意参谋； 数据拉取：阿明工具； 数据暂存：Excel； 呈现方式：Power BI

二、目标数据

1. 行业客群

1.1 类目：一级类目，二级类目（多项）

1.2 属性：性别、年龄、职业、支付金额、省份、城市

1.3 数据来源：生意参谋-市场-行业客群， 数据以月为单位（下同，不再重复）

2. 店铺客群

2.1 类目：一级类目，目前分析不需要具体到二级类目，所以暂时忽略

2.2 属性：属性：性别、年龄、省份、城市、品牌偏好、兴趣偏好、消费层级、新老客户

2.3 店铺：本店（多家）、竞店（多家）

2.4 客群类别：搜索人群、访问人群、支付人群

2.5 数据来源：生意参谋-品类-品类360-客群洞察，添加竞店，这个数据只能手动收集/爬虫

3. 产品客群

3.1 类目：三级类目

3.2 属性：性别、年龄、新老客户、消费层级、品牌偏好、兴趣偏好、省份、城市

3.3 产品：本店爆款、竞店爆款

3.4 数据来源：生意参谋-品类-商品360-客群洞察，添加竞品，这个数据只能手动收集/爬虫

三、行业客群分析

1. 一级类目行业客群分布

1.1 性别：女性是男性的3倍（女75%，男24%），男女比例差异较大

1.2 年龄：三分之二的消费者在35岁以下，消费者普遍年轻

1.3 职业：最主要的消费客群是公司职员 占29%， 其次是个体从业者 占16%，教职工医务人员学生公务员共占22%

1.4 支付金额：支付金额0-50元超一半，40-160元的分布较均等 共占40%

1.5 消费前6的省份：广东（14%）、江苏、浙江、山东、河南、四川

1.6 消费前10的城市：杭州（3.43%）、广州（3.36%）、上海（3.26%）、深圳、成都、北京、南京（2.58%）、重庆、长沙、东莞

2. 二级类目（袜子）行业客群分布（同一级类目相比）

2.1 性别：男性占比较行业多5%，占30%

2.2 年龄：18-24岁（30.5%）比行业多出3%，30岁后各减少一部分，袜子比行业人群更年轻化

2.4 支付金额：主要集中在3个价格段 占83%：0-15，15-25，25-45

2.6 城市排序：杭州（3.86%）、上海、成都（3.42%）、广州、南京（2.98%）、深圳、北京、重庆

袜子客群在职业、省份方面差别不大

3. 总结

3.1 性别：女性约为男性的3倍，袜子的男性相对于行业客群多5%

3.2 年龄：年轻化，超一半客群在30岁以下，岁年龄增长逐渐下降，40-49岁有个小反弹；袜子客群更年轻化

3.3 职业：公司职员和个体从业者占多数（45%），类目之间差异不大

3.4 支付金额：呈现左单峰趋势；行业客群集中在0-20和20-40元（50%），后续区间分布缓慢下降（16%-9%）；袜子客群集中在0-15、15-25和25-45元（83%），后续区间极速下降，即高价位袜子客群较少

3.5 省份：内衣行业（包括袜子）在各省分布较均匀，只有广东超10%

3.6 城市：袜子分布均匀，相比行业更加集中在头部城市，排名靠前的城市有上海、杭州、广州、北京、深圳、成都、南京、重庆

四、店铺客群分析

1. 本店客群的链路分析

1.1 性别

搜索人群：女性占50%，男性占48%，55开

访问人群：55开，搜索人群女性略高于男性，访问人群女性略低于男性，AI环节女性转化较低

支付人群：男性54.6% 女性43%，相较于搜索和访问人群，支付人群中的男性占比高约6%，本店在IP环节男性的转化率高于女性

1.2 年龄

搜索人群：18-35占77%，41-50占11%

访问人群：18-35占73%，18-25岁比搜索人群低4%

支付人群：支付人群年龄略年轻化，41-50岁的人群低于搜索和访问人群3%

随年龄增长呈下降趋势，和行业年龄趋势类似，41-50岁有小高峰

1.3 新老客户

搜索人群&访问人群：新客户占99%+

支付人群：新客户69%，老客户31%，客户忠诚度较好，行业TOP优秀的老客户占比30%，行业TOP的老客户占比20%

1.4 类目偏好

搜索人群：内裤占29%，袜子占15%，T恤背心11%，家居服8%

访问人群：内裤为23%，略有流失；袜子、T恤背心、家居服差异不大

支付人群：内裤占23%，袜子占14%，T恤背心占14%，家居服占比低于5%；支付人群还是以内裤为主，T恤背心的支付人群高于搜索和访问人群3%

1.5 消费层级

主要消费层级在1-3级 占85%，各链路消费层级几乎一致

1.6 省份和城市

搜索人群：广东占17%，余下是浙江、江苏、山东、河南、福建、四川、河北、湖南、安徽；

深圳、广州、上海、北京、东莞、重庆、杭州、成都、苏州、郑州

访问人群：同搜索人群相差不大

支付人群：更加集中在头部省份和城市，广东有深圳、广州、东莞、佛山位列前十

1.7 品牌偏好

搜索人群：本店37%，A品牌24%，B品牌1%，C品牌8%，D品牌6%，E品牌5%；主要竞店占比20%+

访问人群：本店访问人群比搜索人群低2%，在AI环节转化较低（推广人群不精准/产品主图点击率低），A品牌访问人群比搜索人群高2%

支付人群：本店达到87%，说明客户忠诚度比较高

1.9 兴趣偏好

相差不大

2. 本店客群和行业客群的对比

2.1 性别

行业客群女性约是男性的3倍，本店客群（全链路）女性和男性55开，符合本店主要是男性产品的布局，但本店浪费了大量女性人群的市场，可以尝试多开发女性产品（目前有女性产品，销量不大、产品不多）

2.2 年龄

行业客群的年龄总体分布较为均匀，30岁以下客群占50%，40-49岁人群小高达14%

本店客群更年轻化，30岁以下客群占60%，支付人群达到64%，后逐渐下降

2.3 省份和城市

本店（20%）相较于行业（14%）对广东（深圳、广州、东莞）的依赖性更强；本店（6%）在江苏比行业（8%）低；本店（2.4%）在杭州的占比低于行业（3.4%）；成都也低了1%

五、爆款产品客群

1. 袜子单品客群

1.1 性别

本店：搜索人群（61%）-访问人群（60%）-支付人群（64%）的男性转化率

C品牌：搜索人群（59%）-访问人群（65%）-支付人群（68%）的男性转化率

B品牌：搜索人群（60.5%）-访问人群（60%）-支付人群（65%）的男性转化率

在支付人群环节，男性的转化率都比女性高，C品牌在访问环节男性的转化率高于女性

1.2 年龄

本店：18-25岁搜若人群（33%）-访问人群（30%）-支付人群（29%) 略微下降，其它年龄略微上升，变动不大

C品牌：各个环节的人群年龄占比基本一致

B品牌：36-40岁搜索人群（10%）-访问人群（2%）-支付人群（10%），其它年龄基本一致

1.3 新老客户

搜索和访问人群的新客户占比都在99%+

支付人群的老客户：本店为33%，C品牌为10%，B品牌为12%

1.4 品牌偏好：搜索人群和访问人群对品牌偏好的占比类似，如下

本店：本店占42%，A品牌占25%，B品牌占7%

C品牌：C占35%，A占29%，本店占7%

B品牌：B占40%，A占21%，本店占12%

支付人群中，对本品牌的偏好都占到90%

1.5 消费层级、兴趣偏好

三个品牌都类似，T1-T4层级的人群为大多数，占比也类似

1.6 省份和城市：链路中的占比都类似，基本集中在广东

本店：广东（20-25%）、深圳、广州、东莞

C品牌：广东（26%）、深圳、广州、东莞

B品牌：广东（13-16%）、深圳最多，其它各城市分布比较均衡

2. 袜子单品客群和店铺客群、袜子行业客群的对比

2.1 性别

男：女的占比：袜子行业客群37开，单品客群64开，店铺客群55开

单品客群和店铺客群都是支付环节比搜索和支付高5%

2.2 年龄

单品客群和店铺客群、行业客群的趋势一致，随年龄段的增加而下降，41-50对区间有小反弹（11%）

单品客群在30岁以下比店铺客群占比略少，30岁以上各区间的占比略多

2.3 新老客户

占比一致，搜索和访问人群都是99%新客，支付人群31-32%老客

2.4 消费层级

一致

2.5 品牌偏好

单品客群比店铺客群的全链路的本品牌占比高5-8%，单品的客户忠诚度更高

主要竞争品牌占比相差不大

2.6 兴趣偏好

单品：数码达人、买鞋控、有型潮男、美丽教主（6.6%）、高富帅（6.5%）、速食客（5.8%）、烹饪达人、吃货、养生专家、职场办公

店铺：数码达人、买鞋控、有型潮男、速食客（6.2%）、烹饪达人、美丽教主（5%）、吃货、高富帅（5%）、养生专家、时尚靓妹、职场办公

2.7 省份和城市

单品：广东（28%）、浙江、福建（6%）、江苏、四川、湖南、河南、山东（4%）、广西、安徽、重庆

店铺：广东（20%）、浙江、江苏、山东（5%）、河南、福建（5%）、四川、湖南、安徽、河北（3.5%）

行业：广东（13%）、江苏、浙江、山东（6%）、河南、四川、安徽、湖南、福建、河北

单品比店铺更集中在深圳（6%/4%）和广州（5%/4%）

行业的头部城市为杭州（4%）、上海（3.5%）、成都（3.5%）、广州、南京、深圳

六、建议

本店在性别比例上，男性比女性6：4；在男性产品上，男性比女性7：3；而行业中的男女比例是3：7，女性会更多一些，所以本店在新产品布局的时候，可以增加女性产品线；本店虽然主营男性产品，但是也有女性购买（帮男性买），且页面男性化、男性的转化率比女性高10%，可以用女性购买较多的产品进行测试，页面修改女性化一些，后续看转化率；在AIPL链路中，男性的忠诚度高于女性；

本店的客群年龄比行业年轻化，消费层级客群类似，可能是由于本店产品价格较低（低于同行50%）、产品结构年轻化，建议针对客群开发新品、老款（成熟化产品）可以针对年龄30+的客户营销，测试老款的转化率；

相较于行业，本店和袜子都更集中在广东（广州、深圳、东莞），在新品采样初期可以多看看广州的流行趋势，本店有广州工厂，可以直接拿成品（起订量低）试销；而相对于其他的店铺，上海和杭州是本店袜子的优势区域，本店总部位于杭州，可以在杭州本地实体店进行采样；

单品的客户忠诚度高于店铺总体的客户忠诚度，说明单品复购率较高，对爆款产品可以增加IP链路的营销；开发时研究爆款单品的特点，结合拼新款方式测试新产品的客户深度，再进行取舍；

行业支付金额的比例，最高为15-25（31%）、25-45（26%）、45-65（10%），根据本店的定位，引进低价位25-45爆款多销模式，45-65/65-115价格可以做日常价位。

七、后记

老板给任务的时候只给了一句话：用于产品布局和新品开发。连时间都没给，太难了

网上找了好多关于产品的文章，并没有从数据角度出发，大部分是产品经理的角度，只好自己一步步构思，分解目标、为了目标需要进行哪些分析、分析所需的架构、数据来源

最后的结果老板挺满意的，对于目前的业务支撑足够了，等下一季度评估作用

这个项目用到的技术不多，都很简单，取数的时候如果不会爬虫耗时一些，主要还是对公司业务的全局理解和把控；在应用常规的分析架构时，更重要的是结合公司的业务需要，重新调整分析框架，所有的分析都是为了业务服务的；难点在于如何分析，因为不同的分析角度会输出不同的分析结论，遇到难题的时候就咨询产品经理和运营，学会跨部门合作、协调已有的资源为自己服务

第一次做产品的用户画像，等项目成熟再更新总结一下思路，实际分析比这个考虑的更多一些，写报告太懒了省略了很多过程，也省略了一些数据，结论没问题就好了，反正给老板看结论的

学习转载请注明出处，禁止商业转载，喜欢请关注专栏，不定时更新

上文就是小编为大家整理的用户画像分析怎么做？分析消费者用户画像数据分析的方法，电商客户人群画像。

国内(北京、上海、广州、深圳、成都、重庆、杭州、西安、武汉、苏州、郑州、南京、天津、长沙、东莞、宁波、佛山、合肥、青岛)班牛客服系统分析、比较及推荐。