精准画像离不开属性采集，如何设计易观方舟的上传用户属性？

在易观方舟的SDK中，提供上传用户属性的接口，在日常运营中可以依照这些属性做用户分群。

经过与多家APP客户交流，发现最常使用的用户属性集中在主要的几大类中，我在这里整理分享，供大家参考。

1、用户ID类

包括：用户ID、微信ID、QQ号、支付宝ID、微博ID、邮箱、手机号。

APP采集这些ID时，通常要将ID做加密才能传回，但在一方数仓/CRM中仍需解码存储，在用户触达时使用。方舟的SDK不采集这些终端用户隐私信息。

2、用户个人信息类

包括：注册日期、注册渠道、生日、地区、性别、年龄、身份证。

APP采集到这些信息时，仍要进一步加工脱敏后，通过接口同步到方舟平台上。例如将生日加工成生日月份、星座，筛选出每月活动的人群，并做推送。

特别指出的是地区维度，又可以分为4个层面：身份证地址、收货/邮寄地址、手机号归属地和设备GPS位置，其中收货/邮寄地址和GPS位置是最常用的地址。

3、APP内属性

包括：本次使用时长、用户等级、积分、积分过期日期、优惠券数量、最近优惠券到期日期、购物车内商品数量、最后登录是否成单、支付渠道偏好、品牌偏好。

用户在APP内的属性往往记录在服务器端，所以采用服务器端的埋点才能将数据采集回方舟。

在实际操作中，有些字段仍需要在方舟外部做二次加工。例如，积分过期日期字段，需要先转换成“是否积分在30天内过期”后再传给方舟。

4、人物画像及预测性指标

包括：消费水平、产品忠诚度、触媒偏好、风险等级、社群影响力、活动敏感度、潜在价值。

基于用户行为，结合用户使用其他应用的等外部数据，经过简单的条件判断或复杂的机器学习加工出用户标签。

5、设备信息类

包括：设备品牌、设备型号、APP版本、偏好设备平台（PC、APP、微信等）方舟SDK可以直接采集这些字段，在用户分群是常用到这些维度做依据。

6、RFM类

包括：最近登录日期、最近成单日期、最近3个月内成单次数、最近3个月内登录天数、最近3个月内成单金额，历史累计成单金额。

APP客户在应用RFM模型时，先通过根据每次活跃、交易行为的日志加工出用户的R、F、M三个维度的得分，再灌回到方舟，之后再依据单项得分和综合得分筛选出营销人群。

在日常运营中，RFM的分箱边界常常会发生调整。只需在加工日志算法上做一次调整，即重算每个用户的得分，方舟上已建立的人群也会自动的跟随调整。

上面6大类的用户属性，基本覆盖了主要客户对用户画像的需求。在具体行业中仍有必要做调整，来对接实际业务场景的需要。

补充：在使用方舟SDK时，不要采集这些用户隐私，详情参考。

https://ark.analysys.cn/portal/view/about/privacy.html

文／Analysys易观，微信公众号ID：enfodesk。