4大标签，构建高质量用户画像

用户画像能不能提升付费率？肯定能，问题是：怎么干？

前几天就有同学A，在面试的时候遇到这个问题。同学A举手：这题我会！构建RFM模型，把用户分成27类，然后重要价值客户（111）给予VIP资格，重要保持客户（011）要主动保持联系……熟练地背诵出27类的做法。

结果，被面试官直接挂掉！

一、谈用户标签，先谈场景

首先，每种分析方法，是有特定业务场景限制的。从本质上看，网上盛传的RFM做法，只适合高频互动的零售电商业务的场景，比如耐用品、母婴、医疗、保健、游戏、影视娱乐等，都不适合RFM。而这位同学正撞枪口上了：他面的是小说阅读APP。

小说业务，其付费的动力是高度内容驱动的。想让用户掏钱，至少得有内容让用户看得爽。想让用户看得爽，得知道用户喜欢什么样的内容题材。这是用户画像要解决的一个问题。

同样是内容，小说又不同于短视频或者直播。用户的爽快感，不是直接被屏幕上扭来扭去的小姐姐或者喋声喋气的“乌鸡哥”激发的，而是在持续阅读过程中，在沉浸式的体验中获得的。

这样就形成了一个逐步沉浸的转化过程：寻找内容→点击阅读→持续阅读→付费页面→付费→持续付费。因此，定位用户当前所处的阶段，引导用户向下一阶段发展，是用户画像要解决的第二问题。

此时，可以进一步去想：从小说阅读APP里，能获取何种用户标签，构建用户画像了。

二、基础属性标签

一提到用户画像，很多同学又会说贯口一样说出：性别、年龄、职业、收入、爱好……只要做一个信息收集表，就能搞掂啦！

实际上确实有场景可以用表单收集。比如：

• 母婴产品：BB出生月份数、BB健康情况
• 少儿教育：年龄、年级、科目（英语/语文/奥数）、目的
• 物流货运：货物类型、货物重量、出发地、达到地、时间要求
• 家政服务：家庭位置，服务内容（保姆/清洁/护理），上门时间
• 医疗保健：年龄、性别、身体状况、病史

但是，这些表单是建立在业务本身的刚需之上。没有这些信息，服务根本开展不了。所以这种表单信息能受到用户的理解和配合，采集难度也相对较低，复核起来也容易。

在小说这个场景里，就不适合用表单收集。

因为对小说的“爱好”根本没啥刚需可言：

1. 爱好是多个因素综合组成，不能直接用一两个问题问清楚
2. 爱好不是简单1+1=2，喜欢穿越，喜欢三国，不代表喜欢“穿越去三国”
3. 爱好并不是完全固定的，有可能被新题材、热门榜单、朋友推荐等引导

更不要提其他涉及个人隐私信息，难道看小说还需要被查户口？不受用户理解，即使强行采集，数据也是假的。

因此设计表单的时候，要保持克制，尽量找关键字段。对阅读而言，男女差异很大，且容易受到用户理解，因此可以在表单采集。并且男女，是个符合MECE的简单选项，不容易引起歧义。

换个角度，如果收集的是：阅读兴趣。

选项是：玄幻、历史、穿越、言情、霸道总裁、其他。

用户很容易引起歧义，比如玄幻+穿越的，算哪类？比如大女主算哪类？用户在有歧义的时候，就会乱填一通，收集回来的数据就有问题。这些细节看似琐碎，实则决定了基础属性标签的准确度。