文章對用戶畫像的建立過程進(jìn)行了較為詳細(xì)的分析，希望通過此文，你能夠?qū)τ脩舢嬒裼幸粋€(gè)系統(tǒng)的認(rèn)識。

用戶畫像介紹

早期的用戶畫像是通過對用戶多方面信息的調(diào)研和了解，將多種信息分類聚合，產(chǎn)出幾個(gè)有典型特征和氣質(zhì)的虛擬用戶。用戶畫像用于輔助產(chǎn)品設(shè)計(jì)，評價(jià)需求是否有價(jià)值，別讓產(chǎn)品偏離核心用戶的需求；市場營銷方面，可以用于方案制定，推廣渠道選擇，同時(shí)對運(yùn)營人員也有一定的指導(dǎo)意義。此種的用戶畫像粒度比較粗，用虛擬的用戶畫像代表真實(shí)的用戶。用戶畫像會用如下的文檔描述。

隨著互聯(lián)網(wǎng)的不斷發(fā)展，積累的用戶信息、行為記錄越來越豐富，同時(shí)大數(shù)據(jù)處理和分析技術(shù)也已成熟，可以計(jì)算出每一個(gè)用戶的特征。特征使用從人口基本屬性、社會屬性、生活習(xí)慣、消費(fèi)行為等信息抽象出來的一個(gè)個(gè)具體的標(biāo)簽表示，標(biāo)簽是某一用戶特征的符號化表示。為每個(gè)用戶計(jì)算用戶畫像，這樣更加貼近真實(shí)的世界，每個(gè)人都是獨(dú)一無二，不能隨隨便便被其他人代表，用戶畫像精準(zhǔn)到人。用戶畫像用標(biāo)簽集合來表示，例如：

吳某，男，32歲，河南人，北京工作，銀行業(yè)，投資顧問，年收入50萬，已婚，兩套房，有孩子，喜歡社交，不愛運(yùn)動，喝白酒，消費(fèi)力強(qiáng)等。

基礎(chǔ)信息可以通過用戶的注冊信息獲得，但像是否有孩子、喜歡社交、喝白酒、消費(fèi)能力等級等，用戶不會告訴我們，需要建立數(shù)據(jù)模型才能計(jì)算出來。當(dāng)然，用戶標(biāo)簽的體系是需要根據(jù)業(yè)務(wù)領(lǐng)域去設(shè)計(jì)的，比如銀行和電商用戶標(biāo)簽體系就會不同。

基于大數(shù)據(jù)用戶畫像的用途

1. 應(yīng)用最廣泛當(dāng)屬個(gè)性化推薦，電商網(wǎng)站為準(zhǔn)媽媽推薦嬰兒用品，為攝影愛好者推薦鏡頭。個(gè)性化推薦中，計(jì)算出用戶標(biāo)簽是其中一環(huán)，需要有協(xié)同過濾等推薦算法實(shí)現(xiàn)物品的推薦。
2. 精準(zhǔn)廣告可以根據(jù)年齡、區(qū)域、人群、天氣、游戲愛好、內(nèi)容偏好、購物行為、搜索行為等定向選擇進(jìn)行投放，例如騰訊的廣點(diǎn)通，支持用戶在微信、QQ精準(zhǔn)投放。
3. 精細(xì)運(yùn)營，例如向目標(biāo)用戶發(fā)送促銷活動短信，避免全量投放完成的浪費(fèi)?？梢葬槍δ炒位顒拥睦掠脩暨M(jìn)行分析，評估活動效果，看是否和預(yù)期相符。
4. 輔佐產(chǎn)品設(shè)計(jì)，把用戶進(jìn)行分群，依據(jù)不同用戶群特性就行產(chǎn)品設(shè)計(jì)和測試驗(yàn)證。

其它應(yīng)用場景

1. 查看某次市場推廣的用戶畫像，事后分析是否和預(yù)期一致，判斷推廣渠道和產(chǎn)品目標(biāo)用戶群的匹配度。
2. 查看不同地域的用戶畫像，不容內(nèi)容頻道的用戶畫像。
3. 個(gè)性化Push，例如新聞客戶端根據(jù)用戶的閱讀習(xí)慣進(jìn)行個(gè)性化的新聞推薦。

步驟

更進(jìn)一步，以時(shí)尚雜志全媒體為業(yè)務(wù)原型，把抽象的文字描述實(shí)例化，從戰(zhàn)略目的分析、如何建立用戶畫像體系、怎么對標(biāo)簽進(jìn)行分類分層級三個(gè)不同角度來說說用戶畫像建立的過程。梳理標(biāo)簽體系是實(shí)現(xiàn)用戶畫像過程中最基礎(chǔ)、也是最核心的工作，后續(xù)的建模、數(shù)據(jù)倉庫搭建都會依賴于標(biāo)簽體系。

可以獲取到的數(shù)據(jù)分兩類，一類是業(yè)務(wù)系統(tǒng)數(shù)據(jù)，一類是用戶訪問網(wǎng)站、APP產(chǎn)生的行為數(shù)據(jù)。

不同的企業(yè)做用戶畫像有不同的戰(zhàn)略目的，廣告公司做用戶畫像是為精準(zhǔn)廣告服務(wù)，電商做用戶畫像是為用戶購買更多商品，內(nèi)容平臺做用戶畫像是推薦用戶更感興趣的內(nèi)容提升流量再變現(xiàn)。

戰(zhàn)略理清楚后，首先要畫出描述用戶畫像的框架，建立用戶畫像體系框架的目的是進(jìn)一步明確用戶畫像的用途、把標(biāo)簽限定在合理的范圍內(nèi)。具體要結(jié)合戰(zhàn)略目標(biāo)、數(shù)據(jù)情況、應(yīng)用場景來規(guī)劃標(biāo)簽系統(tǒng)，選取和戰(zhàn)略目標(biāo)一致的標(biāo)簽維度，把標(biāo)簽按照應(yīng)用場景進(jìn)行分門別類。同時(shí)注意聚焦和收斂，不要把沒用標(biāo)簽裝進(jìn)來，以降低系統(tǒng)的復(fù)雜性，避免無用信息干擾分析過程。

用戶畫像體系和標(biāo)簽分類從兩個(gè)不同角度來梳理標(biāo)簽，用戶畫像體系偏戰(zhàn)略和應(yīng)用，標(biāo)簽分類偏管理和技術(shù)實(shí)現(xiàn)側(cè)。

把標(biāo)簽分成不同的層級和類別：

• 一是方便管理數(shù)千個(gè)標(biāo)簽，讓散亂的標(biāo)簽體系化；
• 二是維度并不孤立，標(biāo)簽之間互有關(guān)聯(lián)；
• 三可以為標(biāo)簽建模提供標(biāo)簽子集，例如計(jì)算美妝總體偏好度，主要使用美妝分類的標(biāo)簽集合。

梳理某類別的子分類時(shí)，盡可能的遵循MECE原則（相互獨(dú)立、完全窮盡），尤其是一些有關(guān)用戶分類的，要能覆蓋所有用戶，但又不交叉。比如：用戶活躍度的劃分為核心用戶、活躍用戶、新用戶、老用戶、流失用戶，用戶消費(fèi)能力分為超強(qiáng)、強(qiáng)、中、弱，這樣按照給定的規(guī)則每個(gè)用戶都有分到不同的組里。

標(biāo)簽還可以按照處理過程、標(biāo)簽獲取的方式進(jìn)行劃分，分為事實(shí)標(biāo)簽、模型標(biāo)簽、預(yù)測標(biāo)簽。不同類別的處理方式不一樣。

• 事實(shí)標(biāo)簽：直接從原始數(shù)據(jù)中提取，例如性別、年齡、住址、上網(wǎng)時(shí)段等等
• 模型標(biāo)簽：需要建立模型進(jìn)行計(jì)算，例如美妝總體偏好度
• 預(yù)測標(biāo)簽：通過預(yù)測算法挖掘，例如試用了某產(chǎn)品后是否想買正品

但是有些事實(shí)標(biāo)簽，如果用戶沒有填寫的話，就需要建立模型來預(yù)測。例如數(shù)據(jù)庫中的年齡字段為空，建立依據(jù)用戶行為來建立特征工程，然后做預(yù)測。

未完待續(xù)。

作者：百川，微信公眾號：修煉大數(shù)據(jù)（studybigdata）

本文由 @百川 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自PEXELS，基于CC0協(xié)議