我先上图。
云图人群模块中支持丰富的特征可供筛选，主要分为基础属性和地域属性两类。基础属性包括常用人口统计学变量中的年龄、性别、职业、婚姻（婚育）状态等，婚育状态分为人生阶段、宝宝年龄，从手机设备信息还加工出价位、品牌、系统、网络等变量。云图很早期就支持了阿里提出的八大消费人群体系。
值得一提的是，近期更新还增加了消费频次和消费金额。注意到了吗，大多数变量都是预估的，而电商消费频次和金额前，没有预估这个字眼。
地域特征本是人口统计学变量的一部分，费孝通先生在《乡土中国》一书中还专门分析过地域变量的重要性。或许由于它的丰富性和层次性，云图把地域特征专门分出一类，从地域分布和线下到访偏好两方面来描述。
前者相对基础，可以按两级行政区划来选择省份和城市，也可以按城市级别来圈选。线下到访偏好中的变量显然与字节这两年的重头业务——本地生活直接相关。
用户属性是人群圈选及所有消费者分析时最重要的变量，云图在这一块功能也是足够强大。不过有一点美中不足的是，它在年龄、消费频次、消费金额等变量值分段上，没有按照市场调研的默认习惯去划分，应该采用左闭右开区间，它却选择了左开右闭。
举例说明，30 岁的人的态度和行为，与 31 岁 32 岁更接近，但与 29 岁有天壤之别。俗话说，三十而立，29 岁还可以再浪一年。三十是一个新的人生阶段的开始，它不应该与 29 岁分在一段上。同理由于一些考试和求职政策的限制，35 岁应该与 34 岁严格区分开来。看国家人口普查的数据你会发现，五岁年龄段应该这么划分：0-1岁、1-4岁、5-9岁、10-14岁、15-19岁、20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁 、55-59岁、60-64岁、65-69岁、70-74岁、75-79岁、80-84岁、85岁及以上。
云图的人口统计变量在手机价格上注意到了这一点，但在更关键的年龄上不够慎重。
当然，如果接受年龄是预估的，那么这些偏差都不重要。关于预估，还有一点值得注意。单独圈选男性，和单独圈选女性，把数量加起来，你会发现中国总人数惊人地达到了 20 亿。一个可以解释的原因是，它是按照设备而非人头计算的，一人多机就会超。
在预估职业上，云图显得颇为保守。它预估的职场白领只有 600 万，哪怕手动圈包把城市里的白领算上也就 700 多万。显然远小于我们的认知。
云图预估的高校在读学生是 780 万，而我们清楚地知道，每年的高考考生就超过 1300 万，大学只按四个年级算的话也得超过 5000 万。所以，在有些数据上，云图给出的答案还要根据现实情况进行取舍。
这里是营销不科学，以专业审慎的态度研究营销迷信，啊不对，是营销科学。把云图当做品牌的免费市场调研样本库，欢迎订阅关注，让数据赋能品牌生意。
相关阅读
暂无评论