大数据是建立用户画像的重要参考

视频脱口秀主讲人罗振宇在《时间的朋友》跨年演讲上举了这样一个例子：当一个坏商家掌握了你的购买数据，他就可以根据你平常购买商品的偏好来决定是给你发正品还是假货以提高利润。我们且不看是否存在这类商家，而是把目光放到更重要的事情上——用户画像。在这个例子中商家有可能利用用户画像来达到“精准销售”。那么到底什么是用户画像呢？如何借助大数据建立用户画像，找到短视频的目标用户呢？

1．什么是用户画像

在一位应聘者的简历上写着这样一行信息：小明，男，24岁，北京人，大学本科毕业，曾任职某公司主管。这行信息便是小明的画像。而对公司来说，所有的简历汇聚到一起，然后根据数据统计就能得出应聘者的画像，即用户画像。

所谓用户画像，指的是根据用户的社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户的信息进行分析而得到的高度精练的特征标识。

举例来说，如果你经常购买一些玩偶玩具，那么电商网站就会根据你买玩具的情况给你贴上“有孩子”的标签，甚至还可以判断出孩子的大概年龄，贴上“有3～6岁的孩子”这样更为具体的标签，而这些所有的标签综合在一起就形成了你的用户画像——一位3～6岁孩子的家长且经常买玩具。得出这样的结论后，电商网页就会向你精准推送更多关于3～6岁的孩子的玩具。

短视频制作者要想找准目标用户，就需要通过数据建立用户画像，然后根据用户画像制作视频，这样才能有的放矢，正中目标用户。

2．大数据建立用户画像

在了解了什么是用户画像之后，我们要借助数据建立用户画像。首先我们要认识一下用户数据的分类。一般来说，用户数据分为静态信息数据与动态信息数据两大类。静态信息数据是比较容易掌握的，比如用户的性别、年龄、地域、职业、婚姻状况、是否有孩子、消费周期等。而动态信息数据因为在不断变化，所以比较难掌握。比如用户的浏览、搜索、点赞、评论等行为。因此对于动态数据，短视频制作者要进行长期追踪、搜集数据，然后从用户的变化中总结出规律，从而得出较为精准的用户画像。

没有最火的短视频，因为单独的某个短视频即使再火也不可能满足所有观众的需求。不过，我们只要抓住用户的主要偏好和需求就足够了。借助Kano模型就能很好地解决这个问题。Kano模型按照用户的不同需求的重要程度将其分为五类：基本型需求、期望型需求、兴奋型需求、无差异型需求和反向型需求，如图2-6。

图2-6 Kano模型

这五类需求的重要性程度依次递减，其中基本型需求是必须满足的。比如智能手机的基本型需求有语音通话、信号覆盖等。而如果智能手机连这些基本需求都达不到，就会引起用户极大的不满。所以短视频制作的内容必须满足用户的基本需求，比如新闻类短视频就是要将最新、最热的资讯及时地推送出去。

期望型需求也称为意愿型需求，在短视频中指用户在观看短视频之前预期达到的需求，也就是我们所说的“痛点”。虽然期望型需求不是必需的，但是如果视频作品的内容能满足用户这部分的需求，就会增加它在同类视频中的竞争力。

兴奋型需求也称魅力型需求，如果能满足用户的此类需求，就会很大程度上提升用户的满意度。这就需要短视频制作者在内容中增加让人惊喜的部分。

无差异型需求指的是那些不论提供与否都对用户体验无影响的需求。例如航空公司为乘客提供没有实用价值的赠品。短视频制作者在制作短视频时要避免这方面的内容。

反向型需求又称逆向型需求，这类需求是不应该做的，否则很容易适得其反，引起用户的不满。