提到用戶畫像， 很多人都可能存在的錯誤認(rèn)知，即把用戶畫像簡單理解成用戶各種特征，比如說姓名、性別、職業(yè)、收入、養(yǎng)貓、喜歡美劇等等。這些特征表面上看沒有什么問題，但是實(shí)際上組成用戶畫像要跟業(yè)務(wù)/產(chǎn)品結(jié)合。

比如，海底撈要做用戶畫像，最后列出來小明是一個大學(xué)生、高富帥、獨(dú)生子、四川人，愛玩游戲、愛看動漫等用戶標(biāo)簽。而事實(shí)上，對于海底撈而言，用戶帥不帥、是否愛玩游戲真的沒有關(guān)系。 

因此對很多企業(yè)來說，搭建的用戶畫像標(biāo)簽并沒有真正起到有效的作用。那到底什么是用戶畫像，用戶畫像對企業(yè)來說主要用在什么地方？以及企業(yè)該如何搭建一套有效的用戶畫像？今天小億就來為大家分享一下。

一、什么是用戶畫像？

1.定義

用戶畫像即用戶信息標(biāo)簽化，通過收集用戶的社會屬性、消費(fèi)習(xí)慣、偏好特征等各個維度的數(shù)據(jù)，進(jìn)而對用戶或產(chǎn)品特征屬性進(jìn)行刻畫，并對這些特征進(jìn)行分析、統(tǒng)計(jì)，挖掘潛在價值信息，從而抽象出用戶的信息全貌。

用戶畫像包含的內(nèi)容并不完全固定，根據(jù)行業(yè)和產(chǎn)品的不同所關(guān)注的特征也有不同。對于大部分公司，可以從用戶特征、業(yè)務(wù)場景和用戶行為三個方面構(gòu)建一個標(biāo)簽化的用戶模型。

2.類型

（1）統(tǒng)計(jì)類標(biāo)簽

這類標(biāo)簽是最為基礎(chǔ)也最為常見的標(biāo)簽類型，例如：對于某個用戶來說，其姓名、性別、年齡、地市、活躍時長等，這類數(shù)據(jù)可以從用戶注冊數(shù)據(jù)、用戶消費(fèi)數(shù)據(jù)中得出，該類數(shù)據(jù)構(gòu)成了用戶畫像的基礎(chǔ)。

（2）規(guī)則類標(biāo)簽

基于用戶的行為以及規(guī)則，在實(shí)際開發(fā)畫像的過程中，由于運(yùn)營人員對業(yè)務(wù)更為熟悉，而數(shù)據(jù)人員對數(shù)據(jù)的結(jié)構(gòu)、分布、特征更為熟悉，因此規(guī)則類標(biāo)簽的規(guī)則由運(yùn)營人員和數(shù)據(jù)人員共同協(xié)商確定

（3）學(xué)習(xí)挖掘類標(biāo)簽

通過機(jī)器學(xué)習(xí)挖掘產(chǎn)生，根據(jù)用戶的行為和規(guī)則進(jìn)行預(yù)測和判斷。比如某個用戶購買衛(wèi)生巾，我們可以通過這個行為來推出用戶性別為女性、根據(jù)一個用戶的消費(fèi)習(xí)慣判斷其對某商品的偏好程度。該類標(biāo)簽需要通過算法挖掘產(chǎn)生。

在項(xiàng)目工程實(shí)踐中，一般統(tǒng)計(jì)類和規(guī)則類的標(biāo)簽即可以滿足應(yīng)用需求，在開發(fā)中占有較大比例。機(jī)器學(xué)習(xí)挖掘類標(biāo)簽多用于預(yù)測場景，如判斷用戶性別、用戶購買商品偏好、用戶流失意向等。一般地，機(jī)器學(xué)習(xí)標(biāo)簽開發(fā)周期較長，開發(fā)成本較高，因此其開發(fā)所占比例較小。

二、用戶畫像主要的作用是什么？

全域場景下，用戶畫像的應(yīng)用通常是基于大數(shù)據(jù)平臺進(jìn)行數(shù)據(jù)采集分析，把用戶標(biāo)簽按不同模塊進(jìn)行歸類后提供給產(chǎn)品、運(yùn)營或分析師使用，應(yīng)用場景涵蓋金融風(fēng)控、精準(zhǔn)營銷、個性化推薦等，應(yīng)用方向包括活動人群篩選、用戶洞察報(bào)告、營銷決策系統(tǒng)、推薦系統(tǒng)等。

1.精準(zhǔn)營銷

在如今流量紅利消失殆盡，企業(yè)全面進(jìn)入精細(xì)化運(yùn)營時代，用戶畫像可以幫助我們理解用戶并為其提供精準(zhǔn)服務(wù)或個性化服務(wù)。比如，某個電商平臺需要做個活動給不同的層次的用戶發(fā)放不同的券, 那么我們就要利用用戶畫像對用戶進(jìn)行劃分，劃分成不同的付費(fèi)的活躍度的用戶, 然后根據(jù)不同的活躍度的用戶發(fā)放不用的優(yōu)惠券，從而提高運(yùn)營效率。

2.用戶洞察

用戶畫像也是了解用戶的必要補(bǔ)充。產(chǎn)品早期，產(chǎn)品經(jīng)理們通過用戶調(diào)研和訪談的形式了解用戶。在產(chǎn)品用戶量擴(kuò)大后，調(diào)研的效用降低，這時候就可以輔以用戶畫像配合研究。方向包括新增的用戶有什么特征，核心用戶的屬性是否變化等等。

除此以外，用戶畫像可以理解為業(yè)務(wù)層面的數(shù)據(jù)倉庫，各類標(biāo)簽是多維分析的天然要素。數(shù)據(jù)查詢平臺會和這些數(shù)據(jù)打通，最后輔助業(yè)務(wù)決策。

3.產(chǎn)品設(shè)計(jì)

相比過去較為傳統(tǒng)的企業(yè)生產(chǎn)什么就賣什么，如今“用戶需要什么企業(yè)就生產(chǎn)什么”成為主流，于是許多企業(yè)把用戶真實(shí)的需求擺在了最重要的位置。

在用戶需求為導(dǎo)向的產(chǎn)品研發(fā)中，企業(yè)通過獲取到的大量目標(biāo)用戶數(shù)據(jù)，進(jìn)行分析、處理、組合。初步搭建用戶畫像，做出用戶喜好、功能需求統(tǒng)計(jì)，從而設(shè)計(jì)制造更加符合核心需要的新產(chǎn)品，為用戶提供更加良好的體驗(yàn)和服務(wù)。

4.數(shù)據(jù)應(yīng)用

用戶畫像是很多數(shù)據(jù)產(chǎn)品的基礎(chǔ)，諸如耳熟能詳?shù)膹V告系統(tǒng)，廣告基于一系列人口統(tǒng)計(jì)相關(guān)的標(biāo)簽，性別、年齡、學(xué)歷、興趣偏好、手機(jī)等等來幫助企業(yè)進(jìn)行進(jìn)行推廣投放的。

除此以外，還有個性化推薦，比如我們在音樂app上看到的每日推薦，網(wǎng)易云之所以推薦這么準(zhǔn)，就是他們在做點(diǎn)擊率預(yù)估模型（預(yù)測給你推薦的歌曲你會不會點(diǎn)擊）的時候, 考慮了你的用戶畫像屬性。比如根據(jù)你是90后，喜歡傷感的，又喜歡杰倫，就會推薦類似的歌曲給你，這些就是基于用戶畫像推薦。

最后還有風(fēng)控檢測，這個主要是金融或者銀行業(yè)涉及的比較多, 因?yàn)榻?jīng)常遇到的一個問題就是銀行怎么決定要不要給一個申請貸款的人給他去放貸。經(jīng)常的解決方法就是搭建一個風(fēng)控預(yù)測模型，去預(yù)測這個人是否會不還貸款，同樣的，模型的背后很依賴用戶畫像。用戶的收入水平，教育水平，職業(yè)，是否有家庭，是否有房子，以及過去的誠信記錄，這些的畫像數(shù)據(jù)都是模型預(yù)測是否準(zhǔn)確的重要數(shù)據(jù)。

三、企業(yè)該如何搭建一套有效的用戶畫像？

1.明確用戶畫像的目的

確認(rèn)用戶畫像目的是非常基礎(chǔ)也是關(guān)鍵第一步，要了解構(gòu)建用戶畫像期望達(dá)到什么樣的運(yùn)營或營銷效果，從而在標(biāo)簽體系構(gòu)建時對數(shù)據(jù)深度、廣度及時效性方面做出規(guī)劃，確保底層設(shè)計(jì)科學(xué)合理。

2.數(shù)據(jù)的收集與處理

在采集數(shù)據(jù)時，需要考慮多種維度，比如行業(yè)數(shù)據(jù)、全用戶總體數(shù)據(jù)、用戶屬性數(shù)據(jù)、用戶行為數(shù)據(jù)、用戶成長數(shù)據(jù)等等，并通過行業(yè)調(diào)研、用戶訪談、用戶信息填寫及問卷、平臺前臺后臺數(shù)據(jù)收集等方式獲得。

對于一般公司而言，更多是根據(jù)系統(tǒng)自身的需求和用戶的需要收集相關(guān)的數(shù)據(jù)。數(shù)據(jù)收集主要包括用戶行為數(shù)據(jù)、用戶偏好數(shù)據(jù)、用戶交易數(shù)據(jù)。

除此以外，就自身平臺采集到的數(shù)據(jù)，還可能存在非目標(biāo)用戶、無效數(shù)據(jù)及虛假數(shù)據(jù)，因此企業(yè)還需要對數(shù)據(jù)進(jìn)行清洗，解決數(shù)據(jù)空缺、虛假、重復(fù)、錯誤等問題，為了保證后期挖掘的準(zhǔn)確性，避免對結(jié)果造成影響。之后我們可對收集的數(shù)據(jù)做分析，讓用戶信息形成標(biāo)簽化。比如搭建用戶賬戶體系，可自建立數(shù)據(jù)倉庫，實(shí)現(xiàn)平臺數(shù)據(jù)共享，或打通用戶數(shù)據(jù)。

3.數(shù)據(jù)標(biāo)簽化

在這一步企業(yè)將得到的數(shù)據(jù)映射到構(gòu)建的標(biāo)簽中，并將用戶的多種特征組合到一起。標(biāo)簽的選擇直接影響最終畫像的豐富度與準(zhǔn)確度，因而數(shù)據(jù)標(biāo)簽化時需要與產(chǎn)品自身的功能與特點(diǎn)相結(jié)合。

如電商類APP需要對價格敏感度相關(guān)標(biāo)簽細(xì)化，而資訊類則需要盡可能多視角地用標(biāo)簽去描述內(nèi)容的特征。

常見的標(biāo)簽分成兩大類別：相對靜止的用戶標(biāo)簽以及變化中的用戶標(biāo)簽。相對應(yīng)的，由靜態(tài)標(biāo)簽搭建形成的畫像就是2D用戶畫像；由靜態(tài)標(biāo)簽+動態(tài)標(biāo)簽構(gòu)建出來的即是3D用戶畫像。

還得一提的是，儲存用戶行為數(shù)據(jù)時最好同時儲存下發(fā)生該行為的場景，以便更好地進(jìn)行數(shù)據(jù)分析。

（1）靜態(tài)的用戶信息標(biāo)簽以及2D用戶畫像

人口屬性標(biāo)簽是用戶最基礎(chǔ)的信息要素，通常自成標(biāo)簽，不需要企業(yè)過多建模，它構(gòu)成用戶畫像的基本框架。人口屬性包括人的自然屬性和社會屬性特征：姓名、性別、年齡、身高、體重、職業(yè)、地域、受教育程度、婚姻、星座、血型……自然屬性具有先天性，一經(jīng)形成將一直保持著穩(wěn)定不變的狀態(tài)，比如性別、地域、血型；社會屬性則是后天形成的，處于相對穩(wěn)定的狀態(tài)，比如職業(yè)、婚姻。

心理現(xiàn)象包括心理和個性兩大類別，同樣具有先天性和后天性。對于企業(yè)來說，研究用戶的心理現(xiàn)象，特別是需求、動機(jī)、價值觀三大方面，可以窺探用戶注冊、使用、購買產(chǎn)品的深層動機(jī)；了解用戶對產(chǎn)品的功能、服務(wù)需求是什么；認(rèn)清目標(biāo)用戶帶有怎樣的價值觀標(biāo)簽，是一類什么樣的群體。因?yàn)槿丝趯傩院托睦憩F(xiàn)象都帶有先天的性質(zhì)，整體處于穩(wěn)定狀態(tài)，共同組成用戶畫像最表面以及最內(nèi)里的信息素，由此形成穩(wěn)定的2D用戶畫像。

（2）動態(tài)的用戶信息標(biāo)簽以及3D用戶畫像

比如這里我們主要討論的是用戶在網(wǎng)站內(nèi)外進(jìn)行的一系列操作行為。常見的行為包括：搜索、瀏覽、注冊、評論、點(diǎn)贊、收藏、打分、加入購物車、購買、使用優(yōu)惠券......在不同的時間，不同的場景，這些行為不斷發(fā)生著變化，它們都屬于動態(tài)的信息。

企業(yè)通過捕捉用戶的行為數(shù)據(jù)（瀏覽次數(shù)、是否進(jìn)行深度評論），可以對用戶進(jìn)行深淺度歸類，區(qū)分活躍/不活躍用戶。社交網(wǎng)絡(luò)行為，是指發(fā)生在虛擬的社交軟件平臺（微博、微信、論壇、社群、貼吧、twitter、Instagram）上面一系列用戶行為，包括基本的訪問行為（搜索、注冊、登陸等）、社交行為（邀請/添加/取關(guān)好友、加入群、新建群等）、信息發(fā)布行為（添加、發(fā)布、刪除、留言、分享、收藏等）。

給用戶打上不同的行為標(biāo)簽，可以獲取到大量的網(wǎng)絡(luò)行為數(shù)據(jù)、網(wǎng)站行為數(shù)據(jù)、用戶內(nèi)容偏好數(shù)據(jù)、用戶交易數(shù)據(jù)。這些數(shù)據(jù)進(jìn)一步填充了用戶信息，與靜態(tài)的標(biāo)簽一起構(gòu)成完整的立體用戶畫像，就是所說的3D用戶畫像。

4.繪制用戶畫像

（1）定性與定量相結(jié)合的研究方法

一般來說，定性的方法，在用戶畫像中，表現(xiàn)為對產(chǎn)品、行為、用戶個體的性質(zhì)和特征作出概括，形成對應(yīng)的產(chǎn)品標(biāo)簽、行為標(biāo)簽、用戶標(biāo)簽。定量的方法，則是在定性的基礎(chǔ)上，給每一個標(biāo)簽打上特定的權(quán)重，最后通過數(shù)學(xué)公式計(jì)算得出總的標(biāo)簽權(quán)重，從而形成完整的用戶模型。

（2）數(shù)據(jù)建模——給標(biāo)簽加上權(quán)重

給用戶的行為標(biāo)簽賦予權(quán)重。用戶的行為，我們可以用4W表示：WHO（誰）；WHEN（什么時候）；WHERE（在哪里）；WHAT（做了什么），具體分析如下：

①WHO(誰)：定義用戶，明確我們的研究對象。主要是用于做用戶分類，劃分用戶群體。網(wǎng)絡(luò)上的用戶識別，包括但不僅限于用戶注冊的ID、昵稱、手機(jī)號、郵箱、身份證、微信微博號等等；

②WHEN(時間)：這里的時間包含了時間跨度和時間長度兩個方面。“時間跨度”是以天為單位計(jì)算的時長，指某行為發(fā)生到現(xiàn)在間隔了多長時間；“時間長度”則為了標(biāo)識用戶在某一頁面的停留時間長短。越早發(fā)生的行為標(biāo)簽權(quán)重越小，越近期權(quán)重越大，這就是所謂的“時間衰減因子”；

③WHERE(在哪里)：就是指用戶發(fā)生行為的接觸點(diǎn)，里面包含有內(nèi)容+網(wǎng)址。內(nèi)容是指用戶作用于的對象標(biāo)簽，比如小米手機(jī)；網(wǎng)址則指用戶行為發(fā)生的具體地點(diǎn)，比如小米官方網(wǎng)站。權(quán)重是加在網(wǎng)址標(biāo)簽上的，比如買小米手機(jī)，在小米官網(wǎng)買權(quán)重計(jì)為1，在京東買計(jì)為0.8，在淘寶買計(jì)為0.7；

④WHAT(做了什么)：就是指的用戶發(fā)生了怎樣的行為，根據(jù)行為的深入程度添加權(quán)重。比如，用戶購買了權(quán)重計(jì)為1，用戶收藏了計(jì)為0.85，用戶僅僅是瀏覽了計(jì)為0.7。

當(dāng)上面的單個標(biāo)簽權(quán)重確定下來后，就可以利用標(biāo)簽權(quán)重公式計(jì)算總的用戶標(biāo)簽權(quán)重：標(biāo)簽權(quán)重=時間衰減因子×行為權(quán)重×網(wǎng)址權(quán)重。舉個栗子：A用戶今天在小米官網(wǎng)購買了小米手機(jī)；B用戶七天前在京東瀏覽了小米手機(jī)。由此得出單個用戶的標(biāo)簽權(quán)重，打上“是否忠誠”的標(biāo)簽。

通過這種方式對多個用戶進(jìn)行數(shù)據(jù)建模，就能夠更廣的覆蓋目標(biāo)用戶群，為他們都打上標(biāo)簽，然后按照標(biāo)簽分類：總權(quán)重達(dá)到0.9以上的被歸為忠實(shí)用戶，他們都購買了該產(chǎn)品......這樣一來，企業(yè)和商家就能夠根據(jù)相關(guān)信息進(jìn)行更加精準(zhǔn)的營銷推廣、個性化推薦。

四、構(gòu)建用戶畫像需要注意的關(guān)鍵點(diǎn)

1.所有數(shù)據(jù)要建立在真實(shí)的、準(zhǔn)確的、全量的、實(shí)時的數(shù)據(jù)之上

影響用戶畫像的最終呈現(xiàn)的數(shù)據(jù)有很多，我們要選擇線上的實(shí)時的數(shù)據(jù)來做洞察，相較于線下導(dǎo)入的數(shù)據(jù)，線上數(shù)據(jù)更直觀，也更真實(shí)；其次，線上的數(shù)據(jù)能夠覆蓋更多、更全面的端口，來充分記錄一個用戶的多種行為。

2.標(biāo)簽并不是維度越多、越廣泛就一定是最好的

數(shù)據(jù)量不斷擴(kuò)充，用戶畫像也會越來越細(xì)，越來越多，供我們參考的信息也越多，但是數(shù)據(jù)的存在是為了形成洞察，洞察的結(jié)果是為了指導(dǎo)業(yè)務(wù)。因此多個用戶畫像存在的時候，我們一定要制定核心畫像和進(jìn)行優(yōu)先級排序，跟核心業(yè)務(wù)路徑轉(zhuǎn)化最相關(guān)的，作為我們最重視的畫像來指導(dǎo)業(yè)務(wù)。

3.用戶畫像是需要不斷迭代和修正的

用戶畫像終其根源是人的畫像，人的屬性，人是復(fù)雜的，是動態(tài)變化的，因此在真實(shí)的業(yè)務(wù)環(huán)境中，一個用戶的等級可以逐漸攀升，行為確是多種變化，所以我們做畫像的規(guī)則也需要動態(tài)適應(yīng)這種變化。

五、小結(jié)

用戶畫像發(fā)展至今，可用性已經(jīng)得到了一步步的提升。當(dāng)企業(yè)以龐大的用戶數(shù)據(jù)為依托，借助其標(biāo)簽化、信息化、可視化的屬性，構(gòu)建出一整套完善的用戶畫像，就可以進(jìn)一步通過數(shù)據(jù)來識別與預(yù)判經(jīng)營的風(fēng)險。

與此同時，用戶畫像應(yīng)以最終業(yè)務(wù)目標(biāo)為指導(dǎo)來進(jìn)行構(gòu)建，不同業(yè)務(wù)想刻畫出來的用戶群體是有差異的，只有選擇對業(yè)務(wù)有價值的標(biāo)簽來刻畫用戶才能更好的應(yīng)用在業(yè)務(wù)層面，實(shí)現(xiàn)真正意義上的千人千面。

最后在落地運(yùn)行用戶畫像的過程中還需要開發(fā)標(biāo)簽的數(shù)據(jù)工程師和需求方相互協(xié)作，將標(biāo)簽應(yīng)用到業(yè)務(wù)中。否則開發(fā)完標(biāo)簽后，數(shù)據(jù)還是只停留在數(shù)據(jù)倉庫中，沒有為業(yè)務(wù)決策帶來積極作用。