3.2.6　用户增长领域的用户画像知识体系

在用户增长领域，企业希望把现有用户的资产挖掘和用户运营做得更好，以实现业务增长。企业运营人员需要从粗放化走向精细化，通过数据分析、知识图谱技术对用户群体进行更清晰、更高价值的划分，通过短信、推送、邮件、活动等方式，实现关怀、挽回、激励等策略。用户标签就是对用户的描述，通过知识图谱对标签进行扩展，可以更深层次地挖掘和分析满足业务增长需求的用户知识。

图3-13展示了用户增长领域的用户分析方法，包括漏斗分析、事件分析、路径分析、价值度分析、归因分析和留存分析等。

图3-13

参考前文围绕业务状态变化构建用户知识体系的方法，在用户增长场景中，业务状态的变化包括用户数、用户增长率等业务指标。如果能提升漏斗分析、事件分析、路径分析等用户增长分析模型的特征，就可以引入用户增长领域的知识体系。如果该特征会关联用户交互的其他商品、产品、业务，就可以通过知识图谱将相关数据知识进行聚合。在用户增长领域中，用户通常会与业务的游戏、商品、广告进行互动。因此，用户增长领域的知识体系可以扩展用户的游戏兴趣及商品兴趣。而通过游戏、商品实体，用户增长知识体系可以聚合游戏、商品知识图谱。

图3-14展示了用户增长领域针对不同状态的用户可采取的增长运营策略。在用户增长领域，知识图谱可以将用户增长的需求、专业经验知识、实体状态数据聚合，在与增长知识推理模型结合后，形成运营增长用户认知引导模型，可以通过数据服务、知识推理服务、知识专利等多种方式进行知识变现。

图3-14