开通VIP，畅享免费电子书等14项超值服
首页
好书
留言交流
下载APP
联系客服
2023.09.24
人群分析、用户画像、群体标签……
这些词汇听起来总是悬在半空，即高大上又经常不能落地。
对于大公司、大平台来讲，这是一个复杂的工作，需要营销、数据、技术等多部门参与进去，
既有标准化的作业流程，也有头脑风暴、集思广益的空想环节。
而对于我们从事互联网营销的小企业、小个体来说，这项工作更常见于PPT汇报里，
在实际工作中一般没起到任何作用。
让这项工作能够实际的为我们的营销方案、产品定位、获取流量等，起到一些确切的指导作用。
无论我们正在研究哪些人群，他们都不可能是独立存在的，人群之间会存在各种重合。
那么就有必要事先了解必然存在的基础人群：
以上这份统计，是我经过大量数据计算出来的结果，这8大类人群是所有人群的基础，
市面上可以涉及的各种人群基本逃不出这8大类，或者在这8大类的基础上。
也许还能总结出某些个类别，但可能不具备代表性。
每个层级下的省略号表示还可以继续延伸，你可以在这个基础上继续拓展和梳理。
尽可能对这些人群有基本的了解，后续在遇到人群分析时，可以先把这张图拿出来比对。
人群的划分一般以某个维度为标准来区分，维度之后再从某些角度(人为定义)细分，这是人群划分的普遍方式。
那么为什么是这些维度呢？
即：处于当前阶段的目标人群会有什么需求，有着怎样的购买力。
当然，需求普遍客观存在，但购买力不是，
无论是直接的资产划分还是以间接的学历或地域等划分，其背后都在衡量购买力。
在上述8种人群的基础上还有一种典型人群：
喜欢喝茶的是什么样的一群人，喜欢看抖音的是什么样的一群人……
当我们的业务需要做这种分析时，对应的目标人群就是典型的行业受众人群，而这也是我们最经常面对的分析场景。
当你直接思考“喜欢喝茶的是什么样的一群人”时，你大概会感到思维堵塞，无法展开联想，
这就是为什么人群分析经常感觉无从下手的一个原因！
此时你可以将你的行业受众人群打散细分：
翻开基础人群，思考喜欢喝茶的人应该会与哪些基础人群有重合的地方，
又或者反过来思考基础人群里的哪些人群，基于他们的特征，会有可能喜欢喝茶。
如果你对基础人群有基本的理解，你会很容易找出重合的部分，进而得到几种匹配的基础人群，
将他们整合，你的行业受众的轮廓就基本出来了。
在此基础上展开联想和分析，就有着陆点。
互联网总是喜欢造词，随着很多业务的发展，会产生出一些全新的、人为定义的人群，
比如天猫贝恩早前出品的一份报告里提到了8大策略人群：
报告认为这几个人群有着较强的消费意愿或购买力，这是现在很多人当做重点营销的对象。
除此之外还有其他我们可能在别的地方见到的各式人群，
我把这些有别于基础人群和行业受众的其他新定义的人群，统称为新型人群。
“都市银发”、“新锐白领”，这种称呼听起来貌似新颖，其实拆分一下不外如是：
“都市银发”是由基础人群里的“地理位置”这个维度加上“年龄阶段”这个维度组合出来的。
“新锐白领”是由“年龄阶段”加上“资产级别”组合出来的。
当然你还可以叠加上“文化水平”、“职业身份”等维度形成更细致的划分。
新型人群是由哪些基础人群组合出来的，它就会包含哪些基础人群的基本特点。
所以当我们再看到别人定义出来的某个人群，可以拿出基础人群比对一下，看看可能是从什么维度组合的，
这就很容易对陌生人群有基本理解。
我们刚才提到：基础人群里的细分还可以不断拓展。
我们可以尽可能把知道的定义都梳理出来，然后尝试组合“可能”的新型人群。
都市生活的人、有文化水平的人、刚刚退休的中老年等等，
单独来看每个基础人群，并不容易看到什么有价值的信息，但是当他们组合起来后，有可能呈现1+1>2的结果，
就好像是一种有机结合一样，并发出原本想象不到的可能性。
一个关键词可能是一个项目，那么一个人群可能就是一个经济！
有兴趣可以自己尝试看看，起码能产生很多关于人群的理解。
接下来我们了解几个人群分析时常见的误区。
如上图，不是说我们非得以类似这样一份方案来呈现结果，才是人群分析，才叫专业。
这些一般是为了哄甲方爸爸的！
人群分析的意义在于帮助理解我们的目标，进而指导我们的工作。
因此，人群分析的呈现方式并没有标准形式，一切以报告受众可理解、有启发、可运用为主。
如果分析出来的结果只是好看，却很难才从中获得什么指导性的信息，那就是失败的分析。
在涉及人群分析这个工作时，无论是着手调研的人还是查看结果的人，
总喜欢关心一些表面信息，如：
性别、年龄、兴趣、地域
然而，这种基础属性信息，在绝大部分情况下都对我们的营销工作没有指导意义！
首先这些信息很容易收集得大差不差，甚至我们仅凭对业务的了解就能猜个大概。
其次，当我们发现男性比例占据70%，而我们也依然不会放弃30%的女性市场时，那么性别数据就没有多少意义。
至少，对于我们小团体做营销来说是没有意义的。
又比如有些人会分析目标人群常在哪些平台停留，最终，大部分的分析结果是发现在“抖微”……
应该说，这些信息是分析工作的基础部分，具备参考价值，知道一下即可，
但不具备多少指导意义，不应该是人群分析的主要结果。
标签化，这个词汇随着互联网的发展被不断提及，成为一个看起来有些逼格的词汇。
不断听到类似词汇，导致很多人认为人群分析或群体画像一般是由标签组成的结果：
然而，标签化是有其适应场景，比如技术算法里为了结构化数据，比如PPT汇报工作里为了直观展示。
而实际上，标签化的信息反而增加了理解门槛，正确的方式应该是：
将当下分析时的内心理解用一段描述记录下来！
这样的标签虽然直观易理解，但并不明确，不利于在以后指导营销工作。
如果换成这样一段描述：
刚刚接触移动互联网的退休老人，从“互联网心智”的角度来说还很“低龄”，对一切事物都觉得新鲜，也容易被不了解全貌的事物引导，在看到认为重要或有意思的内容时会喜欢转发或发到朋友圈给身边的人看。
这段描述它有原因、有动机、有结论，无论是以后自己看还是给别人看，都比较容易利用这段描述去思考一些营销策略。
这就是所谓的：具象可描述。
再回看这句话：将当下分析时的内心理解用一段描述记录下来，
所以当我们在分析时得到了某个特征、标签、形容时，一定要把当下的内心理解或体会详细记录下来，
它会比简单的几个字的标签来得更有指导价值。
这些误区我认为是做人群分析时最常见的问题，综合这些问题，很多分析经常是分析了个寂寞……
简单来说，人群分析就是在挖掘特征！
那么什么是特征？在这里可以理解为：一切典型现象。
典型则代表着某种规律，发现规律进而利用规律，这就是人群分析的意义所在。
我们前面提到的性别年龄等信息，这当然也是特征，只不过是人群特征里的一部分。
这些特征信息也是我统计了大量数据后整理出来的常见目标，这是大部分人群普遍要考虑的问题。
然而具体到某一个人群，还有会更多细致的特征点可以挖掘。
所以关于特征挖掘有两个重要的逻辑：
首先，任何典型现象或规律都可以算是一种特征，并不限定在上面的表格里，先尽可能找出来，再考虑是否有运用价值。
其次，特征挖掘有3个重点：
1：越多越好2：越多越好3：越多越好
当我们的目标是一群高学历的人群时，我们在分析他们特征的时候很容易通过常理得到一个标签：
高智商。
对吧，拥有高学历的人正常情况下智商相对普通人会比较高(小部分例子不谈)。
但是，高智商的人一定是高学历吗？当然不一定，也就是这两者无法互相推导。
那么这会带来什么问题？
这个时候，你能吸引到高学历的人，但问题是有些人可能智商也很高，但是因为各种原因他学历不高，
甚至，有些人会自认为智商很高，往往这还很常见，于是也跟着点进来……
这种情况下，你能吸引过来的人群就很可能不精准。
而如果我们换成：有985毕业证的人看过来……
那么没有这本证书的人他就不会认为跟他有关系，会有兴趣点进来的人一般就都是有证书的，
而这里要注意到的是：“拥有高校证书”这个特征就是高学历人群的标识特征，这两者是可以互推的。
PS：“拥有高校证书”，这种特征不像一个标签，更像一个描述，所以特征是非常之多的。
标识特征，是指有界限、界定、标志的意思，这只是我自己的一个称呼，能理解即可，叫法无所谓。
不一定每种人群都有明显的标识特征，如果有，尽可能挖掘出来，并意识到它的存在，它在人群定义、筛选、区分的问题上很有帮助。
很多时候我们没有清晰的目标概念是因为没有找到人群区分的界限。
因此以下步骤并非标准，只是一个大体的执行框架，同时不局限于某种业务场景或某些平台工具，
比较适应的对象是小团队或个人，仅供参考！
尽管我们前面说到，人群分析的特征当然是越多越好，但也是可以有选择性的，结合我们当前的目的。
比如我们当前的首要目的是为了“获取流量”，那么我们可能就不太在乎目标人群的收入、购买力等等问题。
其次，事先明确分析目的，在挖掘特征信息时才能快速判断当前得到的信息对我们是否有关键价值，有助于我们撰写理解与体会。
前面提到的，先将你的目标人群打散，与基础人群做匹配，这样就可以大致把你的目标人群的基本属性圈定出来，
他们的性别、年龄、文化、地域等，在这里就可以大致圈定了。
当然，如果你实在无法通过自己思考就把目标人群与基础人群匹配起来，这可能你对你的目标人群了解不足够。
这里有个小细节需要说一下：
比如有些人想要了解宝妈的基本属性，然后就直接在百度指数里搜索：
这种方式是错误的，工具是反应搜索这个词的人群，但是宝妈自己平时是不怎么会搜“宝妈”这个词的，
正确的方式应该是罗列出几个目标人群平时大概率会搜索的关键词，放到工具里搜索。
比如宝妈自己带孩子，那么很可能会搜索“宝宝吐奶”，这个词才可以反应宝妈人群的一些属性信息。
绿色是搜索“宝妈”这个词的性别数据，蓝色是搜索“宝宝吐奶”这个词的性别数据，显然可以反应这个问题。
多罗列几个代表性的词，查看整合一下，数据就大差不差了。
尽管人群特征可以很复杂，但正如我们前面罗列的常见特征，无论什么业务什么人群，总会涉及到的一些普遍特征是固定存在的。
比如：需求、心理等特征。
此时，可以把我们需要的能想到的特征都罗列出来，然后思考可以分析这些特征的数据或信息可以从哪里得到。
比如：需求类别可以从长尾词里去分析、购买力、消费能力等可以从电商销售数据、客单价等一些信息来判断，
又比如想要了解老客户人群的复购率、粘性，可以从过往的交易记录、沟通记录去了解，
而像职业、收入等信息可以参考一些统计数据，甚至是购买一些数据报告。
同时，有些特征虽然找不到数据辅助分析，但是却可以通过问卷调查、投票等方式来收集，
因为我们知道我们需要得到什么信息，调查可以自己来设计，这也是明确的手段。
在这一步，我们处理的是可以想象得到、并且有地方去获取数据来佐证的特征，
但是还有一些特征并没有什么地方可以有数据让我们分析，甚至还有一些特征我们根本没有想到。
这个时候，就到了挖掘未知特征的步骤。
挖掘未知特征的步骤最好的方法就是：倾听、沟通、思考！
倾听
设身处地的换位思考，有感悟的地方立刻记录下来：将自己此时内心的理解具体描述出来。
沟通
直接与目标沟通，事实上我的经验告诉我：
只要是真实的精准的目标人群，不需要沟通很多人就可以得到一些可能从来没有想到过的问题。
沟通是最直接有效的，但是沟通的打开方式是什么呢？
一般可以：提问你想知道的，表明你在(想)做的。
目的在于了解对方偏主观的看法，很多人共同的主观便是一种未发现的客观！
思考
倾听和沟通是最主要的，当然我们还可以通过个人头脑风暴、团队交流看法等方式来进一步理解人群。
倾听、沟通、思考，这些方式比较适合来发现我们不知道(平时没想到)的特征信息，特别是一些思维盲区。
除此之外，一些无法通过数据信息去验证的问题也经常会在这个步骤得到答案，比如心理、情绪等精神层面的问题。
依然如前文所说，报告没有标准，一切以自己或看报告的人可理解、有直接的指导意义为目的来整理。
我个人的习惯是在分析特征的时候，将当下看到的、理解到的、感受到的信息全部记录下来，
甚至为了防止过后看了不理解，我还会把完整的前因后果或自己此时的心理路程写上去。
最后尽可能以总结性的描述做为主体内容(自己或小团队看)，这个过程中，注意减少主观描述、减少过程性信息。
什么是过程性信息？
性别占比：男20%、女80%
这是一条数据，数据当然很重要，但是这种数据应该算是过程性信息，它还可以进一步总结：
女性群体占比显著超过男性群体
这并不主观，它就是一条客观事实的描述，直观的结论才能有直接的指示作用，
这里只是举个例子，毕竟还会有更多维度更复杂的数据，它们需要被总结。
标签、图表、表格，这些都是提炼精华的表现形式，但是考虑到一般看这些信息的人都不是真正执行的人，他们只是需要一个大致了解。
而对于执行的人，还是尽可能详细一些，你要写成一篇论文也是可以的，写完了之后，这个人群也就知根知底了。
最后还是要提一嘴：
人群分析这项工作，能力有多大，工作量就可以有多大，永远有很多信息未被挖掘。
简单介绍一下自己，称呼：小曾，“君言”是我用来写东西的名称，目前自由职业，挖掘了不少互联网项目，独立跑通过几个！
擅于用技术辅助互联网营销，喜欢做需求分析的事情，崇尚走增长黑客的路线。