一、属性分析概述
仅知道一幢房子的面积无法全面衡量其价值大小，因为房子的地理位置、装修风格、是否学区、配套设施都是重要的影响因素。对于企业来说，在分析行为事件特点的同时，也需要对触发事件的用户本身来分析研究。这就是我们常说的用户属性分析。
属性分析是通过对用户各类特征进行标示，从而了解用户的属性、或者属性交叉的分布结构，进而可以对用户进行分层标记，以便进行后续的产品、运营动作。属性分析可对基础属性、社会关系、行为特征、业务表现特征等进行结构分析。基础属性包含姓名、年龄、家庭、婚姻状况、性别、最高教育程度等；社会相关包含已婚未婚、有无小孩等属性；行为特征包含注册时间、用户首次访问渠道来源等；而业务相关属性则是从业务数据中提取，如业务为健身相关，那么可能会包含体脂率等。
属性分析主要价值体现在丰富用户画像维度，让用户行为洞察粒度更细。在事件——用户的数据模型中，用户一直处于从属角色。很大原因是我们对于用户属性分析还不够深。如果我们有足够的用户属性的话，那么这些用户即使没有触发事件，我们也可以通过属性来推断出一些可能会出现的场景，然后用相关的运营或产品动作来验证。
那么既然属性这么重要，属性可以怎么采集呢？一般来说包含以下几种来源：一是用户直接填写，我们在很多场景要填写自己的地址、兴趣爱好、出生年月等，这些都可以生成属性。二是可以通过已有特征推断，比如说用户填写的地址有办公楼标签，那么我们可以认为他是商务人士等。三是通过身边的人来推测，这个和协同过滤比较类似，用户 B 和用户 A 行为相似，所以可以把用户 A 的属性标签打到用户 B 的身上。
二、属性分析应用示例
1、场景一：按省份查看用户数
如下图所示，运营人员可以很直观地查看用户在不同省份的具体分布情况。当然也可以按城市进行分析，这样有助于运营人员快速了解产品用户具体分布在哪些城市，是否为发达地区等，以判断不同区域用户的喜好程度等。从图中数据看，用户主要分布在江苏、广东和北京。
图 1 按省份查看用户数
2、场景二：查看一个月未发生购买的客户，预警客户流失
由于重点客户资源的稀缺性，其黏性备受企业关注。下图所示的某企业“用户属性”分析模型，筛选出距上次购买已经超过一个月的重点客户。
图 2 距上次购买已经超过一个月的重点客户
该图显示有超过 45 万客户一个月内未订货，最早可追溯至 2019 年 6 月，2019 年 12 月是占比最大的月份，占比超过 1/3。点击每个月对应的数字，即呈现客户明细数据。30 天未发生购买的原因很多，也许重点客户未流失，只是不再用 APP 下单，也许是因为购买该类产品本身就是低频消费，也许重点客户真的流失了。此时就需要进行召回动作，无论属于哪种情况，运营人员都可以通过查看用户行为（重点客户）序列，分别了解重点客户路径，找到重点客户订单量骤降的原因。
整体来说属性分析是一个看似基础但却无比重要的分析模型。日常运营过程中企业要重视积累用户属性，以便在需要时可以使用属性分析来找出用户群体特征，指导工作达到运营目标。
温馨提示：答案为网友推荐，仅供参考