編輯導語：我們在用一些軟件時，會發現他的推送非常符合你的興趣愛好；這就是大數據時代，企業會根據你的各種信息賦予你一個用戶畫像并進行分析；本文作者詳細介紹了是數據走出數據倉庫的用戶畫像，我們一起來看一下。

在大數據時代，企業內保存了大量原始數據和業務數據，用戶的一切行為在企業面前是可追溯、可分析的；用戶的業務、行為等大數據的研究與應用也被企業關注、聚焦。

如何利用大數據來為精細化運營和精準營銷服務？

很多公司在大數據基礎建設上投入很多，也做了不少報表，但業務部門覺得大數據和傳統報表沒什么區別，也沒能體會大數據對業務有什么幫助和價值；究其原因，其實是數據靜止在數據倉庫，使數據走出數據倉庫，成為很多企業的訴求及問題所在。

這里所說的用戶畫像不同于產品設計之初的人物建模，產品設計時的人物建模主要是用于確定產品功能及行為進行決策。

這里描述的用戶畫像是使用戶信息標簽化，通過收集用戶的社會屬性、消費習慣、偏好特征等各個維度的數據；進而對用戶或者產品特征屬性進行刻畫，并對這些特征進行分析、統計，挖掘潛在價值，從而抽象出用戶信息；是數據驅動運營的基礎，是大數據落地應用的一個重要方向。

一、“數據驅動+用戶驅動”的設計理念

用戶畫像系統建設的目標就是要為企業提供一個統一的分析平臺，充分利用原有系統中積累的寶貴數據，對其進行深層次的發掘；并從不同的角度分析企業的各種業務指標和構建業務知識模型，進而滿足決策的信息需求和實現通過技術輔助決策的功能，需求的梳理也變得至關重要。

數據驅動是根據當前業務數據的基礎和質量情況，以數據源的分析為出發點構建數據倉庫。

用戶驅動是根據業務的方向性需求，從業務需要解決的具體問題出發，確定系統范圍和需求框架。

用戶畫像建模其實就是對用戶“打標簽”，企業可以通過對現有業務數據分析，清楚的知道原有的數據庫系統中已有什么，對當前用戶畫像系統設計有什么影響等；也可以為利用已有的數據和代碼，為建設提供方便。

數據大體可以劃分為三類：

• 統計類標簽：這類標簽是最為基礎也最為常見的標簽類型，例如：對于某個用戶來說，其姓名、性別、年齡、地市、活躍時長等，這類數據可以從用戶注冊數據、用戶消費數據中得出，該類數據構成了用戶畫像的基礎。
• 規則類標簽：該類標簽基于用戶行為確定的規則產生。例如：定義該用戶為高頻投訴用戶，口徑為“近30天投訴次數＞10”；在實際開發畫像的過程中，由于運營人員對業務更為熟悉，而數據人員對數據的結構、分布、特征更為熟悉，因此規則類標簽的規則由運營人員和數據人員共同協商確定。
• 學習挖掘類標簽：該類標簽通過系統智能化學習挖掘產生，用于對用戶的某些屬性或某些行為進行預測判斷；例如：根據用戶的消費行為習慣判斷該用戶的消費能力、對某類商品的偏好程度，該類標簽需要通過算法挖掘產生。

在項目工程實踐中，統計類和規則類標簽即可滿足應用場景的需求，學習類標簽更多的是通過用戶的消費習慣、行為習慣、近期業務數據的綜合判斷預測業務場景；如用戶購買商品推薦，用戶流失意向等，一般機器學習標簽開發周期教程，開發成本較高，因此開發比例占比較小。

二、數據指標體系建設

數據最終的價值還是要落地運行，為業務帶來實際價值。

數據指標體系是建立用戶畫像的關鍵環節，也是在標簽開發前要進行的工作，需要結合企業的業務情況設定相關的指標。

互聯網企業在建立用戶畫像時一般除了給予用戶維度建立一套用戶標簽體系外，還會基于用戶設備等建立相應的標簽體系，建立的用戶標簽按照標簽類型可以分為統計類、規則類和學習挖掘類；從建立標簽維度來看，可以將其分為用戶屬性類、用戶行為類、用戶消費類和風險控制類等常見類型。

下面簡單舉例幾類標簽：

• 用戶屬性維度標簽：用戶屬性是刻畫用戶的基礎，常見的用戶屬性指標包括，年齡、性別、注冊時間、星級、地市、歷史購買記錄等；用戶屬性標簽建成后可以為售后服務、了解用戶基本情況等場景提供支撐；
• 用戶行為維度標簽：用戶行為是另一種刻畫用戶常見維度，通過用戶行為可以挖掘其偏好和特征；常見的指標包括近x日訪問次數、近x日客單價、近x日訪問時長、高頻用戶等；
• 用戶消費維度標簽：對于用戶消費維度指標體系的建設，可以從用戶瀏覽、收藏、搜索商品對應的品類入手，品類越精細，給用戶推薦或營銷的準確性越高；將商品品類抽象成標簽后，可通過品類+行為的組合應用方式找到目標潛在用戶人群。

用戶標簽體系的歸類并不局限于此，需要結合企業業務訴求去構建，也可將用戶標簽體系歸為用戶屬性、用戶行為、營銷場景、地域細分、偏好細分、用戶分層等維度。

三、用戶畫像產品化及應用

用戶數據標簽化后，如果只是存儲在數據倉庫中，并不能發揮更大的業務價值，只有將畫像數據產品化后才能更便于業務方使用。

關于如何搭建用戶分析后臺系統，各企業的業務訴求存在較大差異，再此不做詳細展開，簡單列舉兩個常見的用戶畫像系統功能：

• 用戶分群功能：在開展分析過程時，業務人員往往不會只查看某一類標簽對應人群的情況，更多地可能需要組合多個標簽滿足其在業務上對人群的定義，例如：近30日訪問次數大于10且為男性的高星級用戶，查看該類人群覆蓋的用戶量，以及人群的各維度特征；
• 人群分析功能：人群分析提供根據現有用戶標簽圈定用戶群，同時業務人員可以從多個維度進一步分析該批用戶群的特征，從而為精細化運營提供支持。

用戶畫像產品化是把數據應用到業務服務中的一個重要出口，業務人員熟知業務，但對數據不了解；通過產品可視化的方式，方便業務人員分析用戶群特征，將分析后的用戶群推送到對應業務系統中觸達用戶，更方便快捷地將數據賦能到業務場景中去。

用戶畫像產品化后就成為業務人員分析用戶、觸達用戶的有效工具，借助畫像開展商品分析、用戶分析、渠道分析、漏斗分析、特征分析多維度分析了解用戶特征；可進一步通過推送、短信、電話等多渠道觸達、運營用戶開展精準營銷、個性化推薦與服務，提升用戶體驗。

四、小結

用戶畫像系統解決方案包含多個層面，從目標解讀、梳理現有數據、構建數據指標體系、標簽數據存儲、性能調優、用戶畫像產品化及應用等；其中標簽數據及相關腳本的開發是用戶畫像構建工作的重點，一個符合本企業的用戶畫像系統是需要業務人員與開發人員共同努力不斷打磨。

數據的最終目的是走出數據倉庫，應用到業務系統和營銷系統中來驅動營收增長。

作者：越山鷹，參與過數十個超大型B端項目開發建設，多年B端產品用戶體驗研究設計工作經驗。

本文由 @迎風走 原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議