下载掌阅APP，畅读海量书库
立即打开
现在的夏天一年比一年热，到7、8月时有的城市气温经常要高于40℃，因此在各大城市外卖行业增速都非常快，但是愿意在炎热的天气下骑电瓶车配送外卖的外卖员的招聘就不那么简单了，例如美团，美团的骑手大部分是由各地代理商承包的，美团按照配送单量与代理商结算，代理商再和骑手结算。骑手大多是外来务工人员，流动性较大，因此对于代理商来讲，维持稳定的招聘率对保障骑手业务十分重要，那么代理商应该从哪里获取骑手、获取什么样的骑手才能维持稳定的招聘率呢？用户画像发挥着巨大作用。步骤一：调研目前的骑手，找出典型用户，筛选典型特征，当需要对个体进行研究时，如果有现成的数据库，则一般可以从数据库中获取数据进行分析；如果没有现成数据，则可以通过用户调研形成定量数据。例如对美团的某代理商调研有骑手100万人，其中80%以上的骑手为“90后”，并且从其中收入处于中位数的骑手及刚加入的骑手的工作现状、收入、来源渠道发现，骑手画像的基础信息是农村出生、“90后”、男性、大专以下学历；行为信息是喜欢玩手机、喜欢打游戏、容易月光；心理动机或者说入职想法是不喜欢太复杂的工作、不太喜欢坐班、喜欢时间自由。步骤二：通过画像找出目标群体，由骑手画像再去找寻对应的目标人群或者目标人群的聚集场所进行招聘，相对的招聘率就可以更高，ROI也更高。
在标签中有些标签属于定值标签，例如性别、地域等，这些标签是可以通过值明确定义的，但有些标签（例如商品的品牌调性高低、店铺消费者评价的好坏、商家信用等级的好坏）即使可以用一些程度词去形容高低，但在进行比较严格的数据分析时就会遇到问题，或者会把类分得太大，并且在有些数据分析场景，也很难用唯一指标作为标准来评价对象的好坏。例如在电商平台上什么是好商家，可能经营效益好、品牌调性高、买家评价好、违规操作少、发货时效性高的商家是好商家，但这里就已经涉及4个维度的数据了，每个维度下可能又会有多个度量指标，例如经营效益好，可能分拆到最近的销售情况、用户的整体复购等，因此通过把标签量化成评分，构建一套关于目标的总和评估方法，可以有效地对目标进行好坏的区分。