品牌用户主动行为数据分析与挖掘

介绍:主要是根据品牌相关用户的行为数据进行挖掘分析,其中涉及到品牌分析&&用户分析两个方面,从而帮助品牌方全面的了解自身在行业中的现状,以及品牌关注度较高的目标用户以及潜在用户。

1.概况

品牌与用户数据挖掘分析主要可以分为2个部分:品牌分析&&用户分析

品牌用户主动行为数据分析与挖掘

1.品牌分析:帮助品牌找到自身在行业中的位置以及在用户心中主要的竞品对象。 不仅可以通过品牌分析功能得到自身品牌的现状分析,更可以通过此功能挖掘出消费者心中的竞争格局,及哪些竞争对手与自身争夺消费者心理份额最为激烈,从而指导市场策略制定.

2.用户分析:帮助品牌找到(1)用户对自身产品的关注点,提高宣传发力点(2)用户相关的人群分布特点(兴趣、地域、人群特点(性别、年龄)),确定宣传发力的平台等。可以通过人群分析功能对人群方方面面的特征进行分析挖掘,如通过兴趣偏好报告挖掘出自身品牌与竞品人群的兴趣偏好异同,通过搜索路径报告挖掘出目标人群的搜索路径,探知消费者需求及意图,辅助其制定传播沟通策略(搜索路径暂时还没有做)。

2.具体介绍

2.1品牌分析

品牌分析:品牌分析主要可以分为品牌搜索趋势、品牌份额、品牌认知、品牌关注点四个部分。

1)品牌搜索趋势: 根据品牌和竞品在一段时间内的搜索数据产出——搜索趋势图。

(1)可以查看某一活动前后检索趋势的变化,用以判断活动的效果等。 (2)分析品牌和竞品的市场认知度变化趋势(基于用户认知);(3)可以对品牌或者产品的相关特性进行分析,对不同特性的搜索趋势进行分析(找出用户关注重点)。

2)品牌份额: 根据品牌与竞品在一段时间内的搜索数据产出——品牌份额环形图(基于用户认知的)品牌和具体商品的搜索趋势分析。

(1)可以帮助品牌了解自身基于用户认知的市场份额情况(基于用户认知的市场份额与实际真实的市场份额存在差异,但该数据能够反映一定的趋势,具有一定参考价值);(2)帮助用户了解某一活动或者事件对品牌市场份额的影响。

3)品牌认知:是指在用户的认知中品牌所处的位置(拥有的特点)以及相应的竞品。——品牌认知MDS图(注:品牌认知MDS图:品牌认知MDS图基于搜索数据的二维可视化展示, 品牌间的距离表示品牌的相似程度,同时也可以根据具体的需求,查看品牌与某些定位之间的关系远近,帮助品牌抢占某些市场)

(1)选择多种维度(pv、价格、品牌对比、搜索重合度、品牌特点(宣传特点))建立多维关系(根据数据的实际情况可以进行调整,选择其中几个维度的数据)2)通过对应分析进行降维,形成二维气泡图(其中可以将某个值设置为气泡大小)注意注:相关竞品的选择——(品牌提供、搜索提取、同类产品品牌)&&&注意不同指标的归一化处理。】

4)品牌关注点:品牌相关搜索内容中用户关注的重点——可以作为宣传的思路(方向、内容)

依据的数据源:(1)搜索数据——首先对搜索数据进行标注,确定品牌关注的几个重点;其次对指标进行定义,以及相关数据进行统计;最后对品牌以及竞品的相关数据进行对比分析,找出品牌的优势以及存在的不足。(2)电商数据——口碑关注点分析——正面、中性、负面评论数据(比例以及详细的数据内容)(3)社区关注点——社区文章      其他。。。。不详述,需要爬虫、切词、词频统计分析等

2.2用户分析

用户分析:人群分析主要分为基本人群属性(性别、年龄、地域等)、人群兴趣分布分析两个部分

人群分析的数据源只能依据搜索数据。算法的人群模型利用历史query给目标用户打上人群属性和兴趣标签(准确的还是比较高的)。首先根据分析对象,找到相关搜索的用户;其次依据在DMP平台对用户的性别、年龄以及兴趣进行提取;最后形成相应的图表数据即可。

1)人群基本属性

根据DMP的数据,产出性别、年龄分布图。根据用户的IP数据产出地域分布图。(可以使用pyecharts可视化)

人群地域分布图

2)人群兴趣分布分析

其中比较重要的是兴趣分布CA图——得到品牌与竞品与不同兴趣人群的远近关系,找到对品牌认可度高的群体和认可度低的群体,以及认可度低的群体,以便能够采取相应的措施。利用对应分析的降维方法,还可以建立品牌地域偏好图、代言人偏好图、人群偏好分布等数据。

兴趣分布CA图

3.体会

数据资源极大丰富的今天,如何合理合法有效的利用的这些资源已经成为我们需要掌握的一项技能了。这对一个品牌进行剖析的过程中,会发现许多有意思的事情,有些可能会颠覆我们已存的认知。额。。。好吧学习使我进步。。。学习使我快乐。。。。原谅我话痨。