新媒易动态
NEWS CENTER
NEWS CENTER
2021-01-24
从数据类型来看看，特征和线索是数据的组合，而画像是数据的集合。
年龄大于25岁，是一个用户特征；而“年龄大于25岁”加上“每日工作时长超过12个小时”这两个特征的组合，则可以称为大龄社畜青年。
而用户线索不仅是特征，它还是事件和特征的组合。
从时效性看，事件更多的是实时触发，而特征多为离线清理；前者是开始，而后者是结束；比如说：“我今天乘坐了地铁”和“地铁出行用户”。
用户画像则是多维特征的集合，由基础属性、地理属性、社会属性等一系列不同维度特征呈现用户或者群体特点，从而进行分析工作。
组合的目的，是为了更高效的使用数据。
从数据价值层面看，用户特征的目标性较弱，不会特别在意数据价值，它主要解决从无到有的问题。
而用户线索由于应用方主要是销售和服务同学，其目标聚焦在如何将用户转变成客户以及如何让用户、客户不流失，希望潜在用户能够更靠近成交，希望服务的能够更为及时。
地铁出行用户这样的特征是无法准确销售和服务的。
而如果是“我今天乘坐了地铁”，看了手机的“车辆降价广告很久”，“我没有车”但是“月收入能够支持车贷”这样的数据组合，就能够比较清晰的制定运营策略，从而进行服务或销售了。
在使用方式上看，线索和特征是“圈选->运营”的步骤，我们明确知道要对什么用户进行运营。
而用户画像则会额外经过分析过程，即“分析->圈选->运营”，它偏重于经过分析结合数据模型后进一步制定运营策略。
明晰概念，规划才能够清晰。
在进行产品规划时，可以从事物的流转过程及状态着手；思考用户线索提供给销售和服务人员的前、中、后分别有哪些阶段，以及每个阶段需要做什么样的事情。
完整的流转过程，也是用户线索的生命周期；由此可以制定最小可执行版本，然后再有序、有效的进行产品规划以及迭代。
线索的收集和数据的整合并没有太大的区别，目标是数据越多越好。
数据量越多，意味着客流量越大，在10000个人经过的道路开便利店和在1000个人经过的道路开便利店，两者每日成交的概率是不同的。
其次数据维度越多，意味着给运营人员决策和分析的维度越多，我们不仅能基于性别采购商品，还能基于年龄、收入去采购商品。
而分析也是相同的道理，样本量大分析的结果代表性更高，决策的风险更低；维度多，分析的角度也更多。
在这一阶段产品同学的考量是，基于不同的数据来源，协助研发同学设计统一的数据上报规范。
对元数据进行可视化的管理后，再依据不同业务对数据的时效性要求提供服务。
功能上可以参见数据集市，在这里就不过多展开了。