提到用戶畫像， 很多人都可能存在的錯誤認知，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、收入、養貓、喜歡美劇等等。這些特征表面上看沒有什么問題，但是實際上組成用戶畫像要跟業務/產品結合。

比如，海底撈要做用戶畫像，最后列出來小明是一個大學生、高富帥、獨生子、四川人，愛玩游戲、愛看動漫等用戶標簽。而事實上，對于海底撈而言，用戶帥不帥、是否愛玩游戲真的沒有關系。 

因此對很多企業來說，搭建的用戶畫像標簽并沒有真正起到有效的作用。那到底什么是用戶畫像，用戶畫像對企業來說主要用在什么地方？以及企業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，挖掘潛在價值信息，從而抽象出用戶的信息全貌。

用戶畫像包含的內容并不完全固定，根據行業和產品的不同所關注的特征也有不同。對于大部分公司，可以從用戶特征、業務場景和用戶行為三個方面構建一個標簽化的用戶模型。

2.類型

（1）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。

（2）規則類標簽

基于用戶的行為以及規則，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

（3）學習挖掘類標簽

通過機器學習挖掘產生，根據用戶的行為和規則進行預測和判斷。比如某個用戶購買衛生巾，我們可以通過這個行為來推出用戶性別為女性、根據一個用戶的消費習慣判斷其對某商品的偏好程度。該類標簽需要通過算法挖掘產生。

在項目工程實踐中，一般統計類和規則類的標簽即可以滿足應用需求，在開發中占有較大比例。機器學習挖掘類標簽多用于預測場景，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，機器學習標簽開發周期較長，開發成本較高，因此其開發所占比例較小。

 

二、用戶畫像主要的作用是什么？

全域場景下，用戶畫像的應用通常是基于大數據平臺進行數據采集分析，把用戶標簽按不同模塊進行歸類后提供給產品、運營或分析師使用，應用場景涵蓋金融風控、精準營銷、個性化推薦等，應用方向包括活動人群篩選、用戶洞察報告、營銷決策系統、推薦系統等。

1.精準營銷

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

2.用戶洞察

用戶畫像也是了解用戶的必要補充。產品早期，產品經理們通過用戶調研和訪談的形式了解用戶。在產品用戶量擴大后，調研的效用降低，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務層面的數據倉庫，各類標簽是多維分析的天然要素。數據查詢平臺會和這些數據打通，最后輔助業務決策。

 

3.產品設計

相比過去較為傳統的企業生產什么就賣什么，如今“用戶需要什么企業就生產什么”成為主流，于是許多企業把用戶真實的需求擺在了最重要的位置。

在用戶需求為導向的產品研發中，企業通過獲取到的大量目標用戶數據，進行分析、處理、組合。初步搭建用戶畫像，做出用戶喜好、功能需求統計，從而設計制造更加符合核心需要的新產品，為用戶提供更加良好的體驗和服務。

 

4.數據應用

用戶畫像是很多數據產品的基礎，諸如耳熟能詳的廣告系統，廣告基于一系列人口統計相關的標簽，性別、年齡、學歷、興趣偏好、手機等等來幫助企業進行進行推廣投放的。

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，網易云之所以推薦這么準，就是他們在做點擊率預估模型（預測給你推薦的歌曲你會不會點擊）的時候, 考慮了你的用戶畫像屬性。比如根據你是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。

最后還有風控檢測，這個主要是金融或者銀行業涉及的比較多, 因為經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。經常的解決方法就是搭建一個風控預測模型，去預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，是否有家庭，是否有房子，以及過去的誠信記錄，這些的畫像數據都是模型預測是否準確的重要數據。

 

三、企業該如何搭建一套有效的用戶畫像？

1.明確用戶畫像的目的

確認用戶畫像目的是非常基礎也是關鍵第一步，要了解構建用戶畫像期望達到什么樣的運營或營銷效果，從而在標簽體系構建時對數據深度、廣度及時效性方面做出規劃，確保底層設計科學合理。

 

2.數據的收集與處理

在采集數據時，需要考慮多種維度，比如行業數據、全用戶總體數據、用戶屬性數據、用戶行為數據、用戶成長數據等等，并通過行業調研、用戶訪談、用戶信息填寫及問卷、平臺前臺后臺數據收集等方式獲得。

對于一般公司而言，更多是根據系統自身的需求和用戶的需要收集相關的數據。數據收集主要包括用戶行為數據、用戶偏好數據、用戶交易數據。

 

除此以外，就自身平臺采集到的數據，還可能存在非目標用戶、無效數據及虛假數據，因此企業還需要對數據進行清洗，解決數據空缺、虛假、重復、錯誤等問題，為了保證后期挖掘的準確性，避免對結果造成影響。之后我們可對收集的數據做分析，讓用戶信息形成標簽化。比如搭建用戶賬戶體系，可自建立數據倉庫，實現平臺數據共享，或打通用戶數據。

  

 

3.數據標簽化

在這一步企業將得到的數據映射到構建的標簽中，并將用戶的多種特征組合到一起。標簽的選擇直接影響最終畫像的豐富度與準確度，因而數據標簽化時需要與產品自身的功能與特點相結合。

如電商類APP需要對價格敏感度相關標簽細化，而資訊類則需要盡可能多視角地用標簽去描述內容的特征。

常見的標簽分成兩大類別：相對靜止的用戶標簽以及變化中的用戶標簽。相對應的，由靜態標簽搭建形成的畫像就是2D用戶畫像；由靜態標簽+動態標簽構建出來的即是3D用戶畫像。

還得一提的是，儲存用戶行為數據時最好同時儲存下發生該行為的場景，以便更好地進行數據分析。

 

（1）靜態的用戶信息標簽以及2D用戶畫像

人口屬性標簽是用戶最基礎的信息要素，通常自成標簽，不需要企業過多建模，它構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、地域、受教育程度、婚姻、星座、血型……自然屬性具有先天性，一經形成將一直保持著穩定不變的狀態，比如性別、地域、血型；社會屬性則是后天形成的，處于相對穩定的狀態，比如職業、婚姻。

心理現象包括心理和個性兩大類別，同樣具有先天性和后天性。對于企業來說，研究用戶的心理現象，特別是需求、動機、價值觀三大方面，可以窺探用戶注冊、使用、購買產品的深層動機；了解用戶對產品的功能、服務需求是什么；認清目標用戶帶有怎樣的價值觀標簽，是一類什么樣的群體。因為人口屬性和心理現象都帶有先天的性質，整體處于穩定狀態，共同組成用戶畫像最表面以及最內里的信息素，由此形成穩定的2D用戶畫像。

 

（2）動態的用戶信息標簽以及3D用戶畫像

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

企業通過捕捉用戶的行為數據（瀏覽次數、是否進行深度評論），可以對用戶進行深淺度歸類，區分活躍/不活躍用戶。社交網絡行為，是指發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/取關好友、加入群、新建群等）、信息發布行為（添加、發布、刪除、留言、分享、收藏等）。

給用戶打上不同的行為標簽，可以獲取到大量的網絡行為數據、網站行為數據、用戶內容偏好數據、用戶交易數據。這些數據進一步填充了用戶信息，與靜態的標簽一起構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）定性與定量相結合的研究方法

一般來說，定性的方法，在用戶畫像中，表現為對產品、行為、用戶個體的性質和特征作出概括，形成對應的產品標簽、行為標簽、用戶標簽。定量的方法，則是在定性的基礎上，給每一個標簽打上特定的權重，最后通過數學公式計算得出總的標簽權重，從而形成完整的用戶模型。

（2）數據建模——給標簽加上權重

給用戶的行為標簽賦予權重。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。網絡上的用戶識別，包括但不僅限于用戶注冊的ID、昵稱、手機號、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”是以天為單位計算的時長，指某行為發生到現在間隔了多長時間；“時間長度”則為了標識用戶在某一頁面的停留時間長短。越早發生的行為標簽權重越小，越近期權重越大，這就是所謂的“時間衰減因子”；

③WHERE(在哪里)：就是指用戶發生行為的接觸點，里面包含有內容+網址。內容是指用戶作用于的對象標簽，比如小米手機；網址則指用戶行為發生的具體地點，比如小米官方網站。權重是加在網址標簽上的，比如買小米手機，在小米官網買權重計為1，在京東買計為0.8，在淘寶買計為0.7；

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

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

通過這種方式對多個用戶進行數據建模，就能夠更廣的覆蓋目標用戶群，為他們都打上標簽，然后按照標簽分類：總權重達到0.9以上的被歸為忠實用戶，他們都購買了該產品......這樣一來，企業和商家就能夠根據相關信息進行更加精準的營銷推廣、個性化推薦。

  

四、構建用戶畫像需要注意的關鍵點

1.所有數據要建立在真實的、準確的、全量的、實時的數據之上

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

2.標簽并不是維度越多、越廣泛就一定是最好的

數據量不斷擴充，用戶畫像也會越來越細，越來越多，供我們參考的信息也越多，但是數據的存在是為了形成洞察，洞察的結果是為了指導業務。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行優先級排序，跟核心業務路徑轉化最相關的，作為我們最重視的畫像來指導業務。

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，人是復雜的，是動態變化的，因此在真實的業務環境中，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則也需要動態適應這種變化。

 

五、小結

用戶畫像發展至今，可用性已經得到了一步步的提升。當企業以龐大的用戶數據為依托，借助其標簽化、信息化、可視化的屬性，構建出一整套完善的用戶畫像，就可以進一步通過數據來識別與預判經營的風險。

與此同時，用戶畫像應以最終業務目標為指導來進行構建，不同業務想刻畫出來的用戶群體是有差異的，只有選擇對業務有價值的標簽來刻畫用戶才能更好的應用在業務層面，實現真正意義上的千人千面。

最后在落地運行用戶畫像的過程中還需要開發標簽的數據工程師和需求方相互協作，將標簽應用到業務中。否則開發完標簽后，數據還是只停留在數據倉庫中，沒有為業務決策帶來積極作用。