今天談談大家經常聽到卻又一肚子懵逼的“用戶畫像”。

What 基礎概念掃盲

用戶畫像（User Profile）：也稱人物角色，是根據用戶社會屬性、生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型。構建用戶畫像的核心工作即是給用戶貼“標簽”。

標簽（tag）：也稱數據點，對用戶信息高度精煉的特征標識，一般標簽越精準，對應覆蓋的人數則越少。所謂千人千面，不同人群有不同的特征和標簽，就像指紋。

用戶畫像多采取層級概念，條理分明地呈現了人群數據的特征分布。用戶畫像層級自頂向下包含畫像體系（User Profile）、維度（Dimension）、數據點（Tag）。畫像體系這一層可理解為標記畫像類別的文件夾，常見的有基礎信息，地理位置，興趣愛好，設備信息，消費信息等。

畫像層級

當當當當，筆者的畫像強勢入鏡，嗯純粹為了加強大家的理解?？磮D說話，以下包含畫像體系有：基本信息，地理位置，興趣愛好，設備信息等，而基本信息下的維度包括性別，年齡，學歷，職業等，地理位置下的維度包括當前位置、原籍等，設備信息下的維度包括手機品牌、機型、系統等····而每個維度下的取值即可稱作標簽（數據點），如職業下的標簽可以有醫生、老師、產品經理、作家等。這里注意的是，有些地方的標簽定義有所不同，包含多個維度的取值，如：喜歡購買護膚品的一線城市的白領。

用戶畫像舉例

Why?為什么要使用用戶畫像

用戶畫像是當下很多企業都會提及的概念，多數情況下會和大數據以及營銷掛鉤。

1.從公司戰略層面來說，好的用戶畫像可以幫助企業進行市場洞察、預估市場規模，從而輔助制定階段性目標，指導重大決策，提升ROI；更有助于避免同質化，進行個性化營銷。

2.從產品本身角度來說，用戶畫像可以圍繞產品進行人群細分，確定產品的核心人群，從而有助于確定產品定位，優化產品的功能點。例如美妝類app，則前期可大致鎖定畫像一二線城市，喜歡時尚，年齡段在18至35之間的女性。

3.從數據管理角度來說，用戶畫像有助于建立數據資產，挖掘數據的價值，使數據分析更為精確，甚至可以進行數據交易，促進數據流通?；ヂ摼W營銷行業中常用的DMP（Data Management Platform）就是用戶畫像使用的一個好例子。

How?構建方法詳解

構建用戶畫像的步驟如下圖所示，短腿的狗不打獵，以下6個步驟缺一不可。

畫像構建步驟

采集數據：數據的來源有多種，很多公司有自己的CRM系統，或者有智能采集系統日志的工具，常用的采集方式包括API、SDK和傳感器采集等，可以通過想要挖掘什么標簽來反推需要的數據源。

數據清洗：原始數據源存在“臟數據”，包括數據空缺和噪聲、不一致、重復、錯誤等問題，為了保證后期挖掘的準確性，避免對決策造成影響，須對原始數據進行預處理。

數據標準化：用戶畫像的建立需要有整合多源數據（跨屏跨媒體）的能力，例如一個實體可能使用多個設備，擁有網絡世界的多個賬號，則須把多個身份ID組合，建立統一的標準，才能完整標識實體的用戶畫像。

用戶建模：通過算法模型來定義人群的用戶畫像，常見為分類模型和聚類模型，例如SVM，神經網絡，k-means。

標簽挖掘：通過平臺來進行標簽的加工和計算，通常需要部署環境，如通過Hadoop平臺進行訓練和學習，大規模的并行計算。

標簽驗證：須通過真實case驗證標簽挖掘結果的正確性，保證標簽對應的處理結果跟預期大體相符。此步驟有時可以跟上個步驟（標簽挖掘）對調，即可以先用小樣本數據驗證模型的可靠性，再依照結果進行調整，再進行挖掘。

數據可視化：即視覺呈現群體或個人的用戶畫像，包括柱狀圖/餅狀圖/表格等，市面上也有一些數據可視化工具，此步驟可忽略。

?Case 案例探究

舉個栗子，假如我們現在要舉辦一場金融活動，須挖掘用戶畫像為“深圳金融從業人群”，由于此類人群在辦公點活動時間較長，我們可以通過移動設備的LBS信息篩選出深圳的金融辦公地點，由此簡單篩選出經常在此區域活動的人群；另外，結合app使用的興趣行為信息，如時常瀏覽使用金融理財類應用的人群篩選出目標人群。當然，還需通過消費水平、年齡等信息排除掉無關人群。數據源和算法模型的準確性都會影響到最終加工出來的畫像結果。

Attention 注意事項

• 用戶畫像的制定須與具體業務場景或所屬行業相結合，避免太過抽象，不同場景下同個標簽名稱可能表示不同意思，例如性別分為真實生理性別以及網絡虛擬性別，須區別對待；
• 畫像的粒度不是越細越好，劃分的標簽越多，對應覆蓋人群會急速減少，表征能力弱，且可能是偽特征；
• 不能盲目使用用戶畫像，畫像多為靜態特征，用戶特征隨時間動態變化，也可能隨場景空間而不同。當然也有動態的用戶畫像數據，如用戶的訪問路徑、訪問時長等信息。

本文由 @藍眼淚 原創發布于人人都是產品經理。未經許可，禁止轉載。