提到用戶畫像， 很多人都可能存在的錯(cuò)誤認(rèn)知，即把用戶畫像簡(jiǎn)單理解成用戶各種特征，比如說(shuō)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(méi)有什么問(wèn)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(lái)小明是一個(gè)大學(xué)生、高富帥、獨(dú)生子、四川人，愛(ài)玩游戲、愛(ài)看動(dòng)漫等用戶標(biāo)簽。而事實(shí)上，對(duì)于海底撈而言，用戶帥不帥、是否愛(ài)玩游戲真的沒(méi)有關(guān)系。 

因此對(duì)很多企業(yè)來(lái)說(shuō)，搭建的用戶畫像標(biāo)簽并沒(méi)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(duì)企業(yè)來(lái)說(shuō)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(lái)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(guò)收集用戶的社會(huì)屬性、消費(fèi)習(xí)慣、偏好特征等各個(gè)維度的數(shù)據(jù)，進(jìn)而對(duì)用戶或產(chǎn)品特征屬性進(jìn)行刻畫，并對(duì)這些特征進(jìn)行分析、統(tǒng)計(jì)，挖掘潛在價(jià)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(duì)于大部分公司，可以從用戶特征、業(yè)務(wù)場(chǎng)景和用戶行為三個(gè)方面構(gòu)建一個(gè)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(jiàn)的標(biāo)簽類型，例如：對(duì)于某個(gè)用戶來(lái)說(shuō)，其姓名、性別、年齡、地市、活躍時(shí)長(zhǎng)等，這類數(shù)據(jù)可以從用戶注冊(cè)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(guò)程中，由于運(yùn)營(yíng)人員對(duì)業(yè)務(wù)更為熟悉，而數(shù)據(jù)人員對(duì)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(yíng)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(guò)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(cè)和判斷。比如某個(gè)用戶購(gòu)買衛(wèi)生巾，我們可以通過(guò)這個(gè)行為來(lái)推出用戶性別為女性、根據(jù)一個(gè)用戶的消費(fèi)習(xí)慣判斷其對(duì)某商品的偏好程度。該類標(biāo)簽需要通過(guò)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(cè)場(chǎng)景，如判斷用戶性別、用戶購(gòu)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(zhǎng)，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(chǎng)景下，用戶畫像的應(yīng)用通常是基于大數(shù)據(jù)平臺(tái)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(yíng)或分析師使用，應(yīng)用場(chǎng)景涵蓋金融風(fēng)控、精準(zhǔn)營(yíng)銷、個(gè)性化推薦等，應(yīng)用方向包括活動(dòng)人群篩選、用戶洞察報(bào)告、營(yíng)銷決策系統(tǒng)、推薦系統(tǒng)等。

1.精準(zhǔn)營(yíng)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(yíng)時(shí)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(gè)性化服務(wù)。比如，某個(gè)電商平臺(tái)需要做個(gè)活動(dòng)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(duì)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(yíng)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(guò)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(shí)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(cāng)庫(kù)，各類標(biāo)簽是多維分析的天然要素。數(shù)據(jù)查詢平臺(tái)會(huì)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(guò)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(guò)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(lái)幫助企業(yè)進(jìn)行進(jìn)行推廣投放的。

除此以外，還有個(gè)性化推薦，比如我們?cè)谝魳?lè)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?cè)谧鳇c(diǎn)擊率預(yù)估模型（預(yù)測(cè)給你推薦的歌曲你會(huì)不會(huì)點(diǎn)擊）的時(shí)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(huì)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(cè)，這個(gè)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(gè)問(wèn)題就是銀行怎么決定要不要給一個(gè)申請(qǐng)貸款的人給他去放貸。經(jīng)常的解決方法就是搭建一個(gè)風(fēng)控預(yù)測(cè)模型，去預(yù)測(cè)這個(gè)人是否會(huì)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(guò)去的誠(chéng)信記錄，這些的畫像數(shù)據(jù)都是模型預(yù)測(cè)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(yíng)或營(yíng)銷效果，從而在標(biāo)簽體系構(gòu)建時(shí)對(duì)數(shù)據(jù)深度、廣度及時(shí)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(shí)，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(zhǎng)數(shù)據(jù)等等，并通過(guò)行業(yè)調(diào)研、用戶訪談、用戶信息填寫及問(wèn)卷、平臺(tái)前臺(tái)后臺(tái)數(shù)據(jù)收集等方式獲得。

對(duì)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(tái)采集到的數(shù)據(jù)，還可能存在非目標(biāo)用戶、無(wú)效數(shù)據(jù)及虛假數(shù)據(jù)，因此企業(yè)還需要對(duì)數(shù)據(jù)進(jìn)行清洗，解決數(shù)據(jù)空缺、虛假、重復(fù)、錯(cuò)誤等問(wèn)題，為了保證后期挖掘的準(zhǔn)確性，避免對(duì)結(jié)果造成影響。之后我們可對(duì)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(cāng)庫(kù)，實(shí)現(xiàn)平臺(tái)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(shí)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(duì)價(jià)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(jiàn)的標(biāo)簽分成兩大類別：相對(duì)靜止的用戶標(biāo)簽以及變化中的用戶標(biāo)簽。相對(duì)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(dòng)態(tài)標(biāo)簽構(gòu)建出來(lái)的即是3D用戶畫像。

還得一提的是，儲(chǔ)存用戶行為數(shù)據(jù)時(shí)最好同時(shí)儲(chǔ)存下發(fā)生該行為的場(chǎng)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(guò)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(huì)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(huì)屬性則是后天形成的，處于相對(duì)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(gè)性兩大類別，同樣具有先天性和后天性。對(duì)于企業(yè)來(lái)說(shuō)，研究用戶的心理現(xiàn)象，特別是需求、動(dòng)機(jī)、價(jià)值觀三大方面，可以窺探用戶注冊(cè)、使用、購(gòu)買產(chǎn)品的深層動(dòng)機(jī)；了解用戶對(duì)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(jià)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(dòng)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(jiàn)的行為包括：搜索、瀏覽、注冊(cè)、評(píng)論、點(diǎn)贊、收藏、打分、加入購(gòu)物車、購(gòu)買、使用優(yōu)惠券......在不同的時(shí)間，不同的場(chǎng)景，這些行為不斷發(fā)生著變化，它們都屬于動(dòng)態(tài)的信息。

企業(yè)通過(guò)捕捉用戶的行為數(shù)據(jù)（瀏覽次數(shù)、是否進(jìn)行深度評(píng)論），可以對(duì)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(tái)（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(wèn)行為（搜索、注冊(cè)、登陸等）、社交行為（邀請(qǐng)/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(shuō)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(lái)說(shuō)，定性的方法，在用戶畫像中，表現(xiàn)為對(duì)產(chǎn)品、行為、用戶個(gè)體的性質(zhì)和特征作出概括，形成對(duì)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(gè)標(biāo)簽打上特定的權(quán)重，最后通過(guò)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(shuí)）；WHEN（什么時(shí)候）；WHERE（在哪里）；WHAT（做了什么），具體分析如下：

①WHO(誰(shuí))：定義用戶，明確我們的研究對(duì)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(shí)別，包括但不僅限于用戶注冊(cè)的ID、昵稱、手機(jī)號(hào)、郵箱、身份證、微信微博號(hào)等等；

②WHEN(時(shí)間)：這里的時(shí)間包含了時(shí)間跨度和時(shí)間長(zhǎng)度兩個(gè)方面。“時(shí)間跨度”是以天為單位計(jì)算的時(shí)長(zhǎng)，指某行為發(fā)生到現(xiàn)在間隔了多長(zhǎng)時(shí)間；“時(shí)間長(zhǎng)度”則為了標(biāo)識(shí)用戶在某一頁(yè)面的停留時(shí)間長(zhǎng)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(shí)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(duì)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(gòu)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(gè)標(biāo)簽權(quán)重確定下來(lái)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(shí)間衰減因子×行為權(quán)重×網(wǎng)址權(quán)重。舉個(gè)栗子：A用戶今天在小米官網(wǎng)購(gòu)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(gè)用戶的標(biāo)簽權(quán)重，打上“是否忠誠(chéng)”的標(biāo)簽。

通過(guò)這種方式對(duì)多個(gè)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(gòu)買了該產(chǎn)品......這樣一來(lái)，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(yíng)銷推廣、個(gè)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(shí)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(shí)的數(shù)據(jù)來(lái)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(lái)充分記錄一個(gè)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(huì)越來(lái)越細(xì)，越來(lái)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(gè)用戶畫像存在的時(shí)候，我們一定要制定核心畫像和進(jìn)行優(yōu)先級(jí)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(lái)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(dòng)態(tài)變化的，因此在真實(shí)的業(yè)務(wù)環(huán)境中，一個(gè)用戶的等級(jí)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?jiǎng)討B(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(guò)數(shù)據(jù)來(lái)識(shí)別與預(yù)判經(jīng)營(yíng)的風(fēng)險(xiǎn)。

與此同時(shí)，用戶畫像應(yīng)以最終業(yè)務(wù)目標(biāo)為指導(dǎo)來(lái)進(jìn)行構(gòu)建，不同業(yè)務(wù)想刻畫出來(lái)的用戶群體是有差異的，只有選擇對(duì)業(yè)務(wù)有價(jià)值的標(biāo)簽來(lái)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(guò)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(cāng)庫(kù)中，沒(méi)有為業(yè)務(wù)決策帶來(lái)積極作用。