首页 - 区块链 - 币圈 - 正文

元宇宙:银行DAO社区如何分析用户画像

来源:未央网 2022-08-01 10:22:54
关注证券之星官方微博:

(原标题:元宇宙:银行DAO社区如何分析用户画像)

1、前言

DAO(Decentralized Autonomous Organization,去中心化自治组织)是由达成同一个共识的群体自发产生的一种组织形式,其核心理念是共创、共建、共治和共享。

DAO是元宇宙中的重要的组成元素。在元宇宙中,众多的志同道合的用户组建各种DAO完成相关活动或是任务的协作,实现元宇宙整个体系的持续运行。

银行作为元宇宙中的基础设施,在为元宇宙提供便捷高效的金融服务之外,还可以组建银行自己的DAO社区同用户建立连接,进一步提升银行服务水平,也是一种全新的获客与营销方式。

银行产品在现实环境中,会对其用户画像进行分析,以便于银行可以更好地为用户提供定制化服务。现实环境中的银行用户属性比较单一,例如用户的职业是医生,现实中的用户身份比较明确,用户画像分析比较容易。

银行产品在元宇宙环境中,用户应用场景存在多维空间,同用户的交互更为频繁与智能。银行DAO社区中的用户属性更为复杂。同样以用户职业为医生为例,在元宇宙中,用户可以是美食家,收藏家,可以有多个身份,用户画像会比较复杂。

本文主要以银行DAO社区为基础,讨论如何对银行DAO社区中的用户进行画像分析。

2、用户画像分析总流程

对银行DAO社区中的用户画像进行分析,可以按如下流程进行实施。

首先需要明确用户画像的数据范围与目标,需要从哪些渠道进行数据汇总,进行用户画像的目标是什么,避免对用户画像数据过度分析导致资源和时间的浪费。

明确用户画像数据范围和目标之后,需要制定用户画像标签模型,例如在银行社区DAO中,希望获得用户的年龄画像,需要提前定义青年标签用户的年龄范围,中年用户的年龄范围等。

考虑到用户画像数据的多维和多渠道特征,需要对用户画像数据进行识别、合并与清洗。银行DAO社区中,存在一个用户会参与多个DAO的活动,不同DAO的主题、共识以及DAO任务也不一样。

根据用户画像数据和目标,进行用户画像分析,提炼关键数据进行归纳整理,绘制相应的数据图表,并进行用户最终画像可视化报告呈现。

用户画像复盘分析与效果评价。通过对用户画像分析后在实施产品场景和活动中的应用表现,评估用户画像的效果,查漏补缺,为下一次的用户画像的升级提供数据和模型参考。

用户画像分析总流程如图1所示。

图1 用户画像分析总流程

3、用户画像分析实战

3.1 范围目标

银行DAO社区用户画像分析,聚焦在用户DAO社区中的用户,也就是现实中的银行网点用户不在分析范围内,由于银行DAO社区中,存在DAO同用户多对多的关系,例如同一个用户会参加多个DAO,一个DAO必然也会有多个用户参加。

银行DAO社区中的用户就是本次用户画像的数据范围。而本次用户画像的目标就是发现不同DAO中,用户现实环境中的地区、元宇宙中经常出现的区域、性别、学历和职业组成,以便于更好地为用户提供服务,为用户提供更好的DAO产品工具。

3.2 画像标签

根据用户画像的数据范围和目标,银行DAO社区用户画像标签定义如下:

用户区域、用户性别、用户学历、用户职业。

受于篇幅限制,用户画像标签做了极大的精减,实际分析过程中,可以结合用户在银行DAO社区中的用户角色以及参与的DAO的相关任务,进一步对用户的职业标签进行进一步扩展。

例如用户在DAO社区中,加入了创作者DAO,经常发布高质量的原创文章,虽然用户在现实中的职业是程序员,但在银行DAO社区中,职业标签可以是原创作者。

用户画像标签如图2所示。

图2 用户画像标签

3.3 识别处理

银行社区DAO中,对用户识别可以有多种方法,我们主要概括为两种识别方法。

(1)确定性方法识别:通过DID(Decentralized Identifiers,分布式身份标识)服务建立用户在银行DAO中的身份识别。还可以通过用户ID、手机号、邮箱等用户唯一标识进行识别。

(2)概率论方法识别:通过银行DAO社区产品中的数据埋点,结合元宇宙中的地理和参数标识进行识别。也可以通过IDFA(Identifier For Advertisers,广告客户标识符)、Cookie、IP地址(Internet Protocol Address,网际协议地址)等,使用设备相关的间接数据进行匹配。结合机器学习或者其他复杂规则来分析。

对用户数据识别完成后,对识别的数据进一步进行处理,对用户数据进行清洗,去除冗余与垃圾数据,例如有些用户在某一个DAO中的某一固定行为,为了节省数据分析的复杂度,可以进行压缩。

用户识别方法如下图3所示。

图3 用户识别方法

3.4 提炼归纳

用户在银行DAO社区中的数据经过识别处理后,变为相对整洁的数据,接下来通过数据分析工具对银行DAO社区中的用户数据进行提炼和归纳,这些数据是生成画像的基础数据。

数据分析工具有很多,一般而言银行都有自己的大数据平台,在大数据平台中对银行DAO社区中的海量用户数据分析效率和效果都非常好。

对于银行DAO社区的产品经理而言,如果所涉及的用户画像是一个全新的工程,则可以根据少量数据,提前进行建模和验证,可以通过Python语言或是R语言进行建模分析。提炼归纳的前提是需要我们构建好画像模型。用户画像数据模型如图4所示。

图4 用户画像数据模型

我们可以根据上述模型将数据进行提炼归纳,并将用户进行“打标”(将不同的标签赋予用户)操作。

3.5 生成画像

根据建立好的用户画像模型以用户数据为基础,生成用户画像。

生成画像有两种方式。

(1)文字式:直接以文字描述的方式,对用户进行画像。例如:用户张三,年龄28,硕士研究生,在上海工作,银行产品经理,喜欢社交,在投资者DAO社区中是一位热心的金融知识讲师,也是是一位卓越的理财达人。

(2)虚拟式:直接以虚拟图片或是虚拟形象的方式进行呈现。在元宇宙中,虚拟式会使用得比较多,一般会在用户虚拟形象上呈现相应的画像标签。也可以通过虚拟徽章的形式呈现,在银行元宇宙DAO社区中,会是一种身份的象征。

3.6 复盘评价

用户画像生成之后,我们根据不同用户的用户画像研发相应的银行DAO社区产品功能,为用户提供定制化的服务。例如,某类用户群体是营销大使,营销渠道和人脉非常广阔,我们在银行营销DAO社区中,向这类用户群体提供更加便捷的营销工具,让用户非常容易获得营销资源,并且可以非常直观查看营销效果。

为了达到我们预期的产品效果,需要对生成的用户画像进行复盘评价,因为用户画像准确,是成功向用户定制化提供产品和服务的前提。用户画像由众多的用户标签组成,因此对用户画像的复盘评价,可以拆解为对用户标签的准确率进评价。以【学位】标签为例,对用户标签的准确率评价如表1所示。

表1 用户【学位】标签准确率

由上表数据计算【学位】标签的准确率为:

(5+3+4)÷(5+1+0+0+3+1+1+0+4)=12÷15=80%

根据计算出的结果,结合历史标签数据效果,同本产品数据或是行业同类产品的标签准确率进行比较,发现问题所在,不断升级优化提升标签的准确率,进而提升用户画像的精准度。

4、总结

元宇宙时代已经到来,在元宇宙中会存在各种各样的DAO。银行DAO社区产品,是元宇宙中用户之间产生连接的基础形式。元宇宙虽然是新的产品形态,不过元宇宙所涉及的一些基础服务,将会是现有产品服务的延伸。

对元宇宙中银行DAO社区的用户进行画像分析,现有的用户画像理论和模型仍然可以适用,只不过元宇宙的用户维度更高,画像模型更为复杂。这就需要在人工建模的同时,需要借助于计算机人工智能进行辅助建模,例如文本挖掘模型、分类聚类模型或是机器学习提取特征值等。

银行DAO社区产品分析用户画像的目标是找出目标用户并准确服务。好的产品,不断增加新用户的同时,也应该对老用户保持粘性。产品成长的同时,也可以助力用户成长。对用户产品使用场景行为进行分析,对产品用户进行细分,根据不同阶段的产品战略,制定不同的用户服务策略,从而确保产品的竞争力。

专栏作家

王佳亮,微信公众号:佳佳原创。中国计算机学会(CCF)会员。人人都是产品经理专栏作家,年度优秀作者。专注于互联网产品、金融产品、人工智能产品的设计理念分享。

本文系未央网专栏作者:王佳亮 发表,内容属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!
微信
扫描二维码
关注
证券之星微信
APP下载
下载证券之星
郑重声明:以上内容与证券之星立场无关。证券之星发布此内容的目的在于传播更多信息,证券之星对其观点、判断保持中立,不保证该内容(包括但不限于文字、数据及图表)全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关内容不对各位读者构成任何投资建议,据此操作,风险自担。股市有风险,投资需谨慎。如对该内容存在异议,或发现违法及不良信息,请发送邮件至jubao@stockstar.com,我们将安排核实处理。
网站导航 | 公司简介 | 法律声明 | 诚聘英才 | 征稿启事 | 联系我们 | 广告服务 | 用户反馈
欢迎访问证券之星!请点此与我们联系 版权所有: Copyright © 1996-