用户画像简介

# 用户画像的定义

参考资料来源于[什么是用户画像呢？一般用户画像的作用是什么？-知乎](https://www.zhihu.com/question/19853605/answer/51552384)

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。
构建用户画像的核心工作是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。

例如某位用户：`姓名`：小明，`性别`：男，`地区`：武汉，`兴趣`：篮球，`学历`：硕士。简单来讲就是将人数据化，标签化。 

# 用户画像 vs. 用户角色

## - 定义的不同

这里所说的用户画像指的是User profile。
与User profile相关联的一个概念是User persona，它译做用户角色，但是在很多地方也被译作了用户画像。
这里我们将User profile译作用户画像，User persona译作用户角色。

用户角色多用于产品和用研。
是描绘抽象一个自然人的属性，通过调研问卷、电话访谈等手段获得用户的定性特征，是一种精炼和概括。

用户画像用户画像多用于数据和研发。
是通过数据建立描绘用户的标签，是与数据挖掘和大数据息息相关的应用。
它更多被运营和数据分析师使用，是各类描述用户数据的变量集合。
(作者主要关注数据挖掘方面，所以更多关注的是用户画像User profile.)

## - 产生场景的不同

定义很难懂，但是看产生它们产生的场景就比较容易了。

在产品设计、用户体验设计的工作中，要设计一个产品，我们要从宏观的经济学角度去分析我们要切入的市场是什么，
受众是哪些人，这个时候我们要抽象出一个可能会使用这个产品的人群，明确定位用户。
拿知乎中讲的一个新浪微博的例子来说，最开始，微博主要的设计目的是为了满足一二线城市的白领的使用。
此时的用户画像可能是：一二线城市、二十到三十岁、较高教育程度、白领、收入在6k以上。
这个时候，所有的产品交互和流程设计都是依据这样抽象出来的一个虚拟人群的需求等来设计的。
这里的人群没有特指某个用户。

产品经过积累了一定量的用户行为等等的数据之后，我们需要更精细地了解用户。
希望能够通过这些数据来为产品提供更好地支撑，这个时候我们可能会诞生一些新的功能来为用户提供个性化的服务。
根据用户在产品中的行为数据，产出描述该用户的标签集合。这个时候的用户是特定的。
比如我们需要推测用户的性别、年龄或离散的年龄段、生活工作所在地、兴趣爱好、是否追星、喜欢买什么东西等等。
由此我们可以将用户数据化，用于精准营销等。
(虽然很多地方我们都需要填写资料，但是很多时候填写的资料是缺失的或不真实的，所以需要运用数据挖掘的方法来推测。)

# 用户画像的作用

- 精准营销：分析产品潜在用户，针对特定群体利用短信、邮件等方式进行营销。
例如推销母婴产品，就向我们推测出的有小孩的母亲或由购买数据表现出来的经常购买母婴产品的用户定向推荐。
- 用户统计：比如亚马逊可以统计出每个学科或某个更细分的学科经常购买的书籍。
- 数据挖掘：最典型的例子是啤酒和尿布。可以通过关联规则分析出经常在一起购买的物品等等。
- 定位服务群体：提供个性化的服务。
- 决策支持：通过某类受众的喜好来对产品进行定价，制定营销策略等。
- 业务经营分析以及竞争分析：为企业发展提供数据分析的支持。

tricks:知乎上的一个例子，说罗振宇在《时间的朋友》跨年演讲上举例：当一个坏商家掌握了你的购买数据，
他就可以根据你平常购买商品的偏好来决定给你发正品还是假货来提高利润。这说明了用户画像确实可以做到"精准营销"，
当然这是一种非常错误的做法。

我还想到了马云在某次演讲中说大数据的作用，问大家全国胸最小的省份是哪里。
我猜测是根据各省份的用户所购买的某样东西的大小来进行统计的，当然也有很多其他辅助手段。
这个例子也能说明用户画像在用户统计方面的作用。

# 用户画像标签系统

我们要建立用户画像，需要收集数据，可是收集哪些数据呢？这些需要根据要建立的标签系统来说。
即我们要了解用户的哪些属性。用户的标签系统就像对商品分类，
比如对书进行分类，中文还是外文？是文学类经管类社科类还是科技类？在这些类别下还有更细分的类别。
用户的分类跟书的分类类似，但是用户的分类也有一些特殊情况，比如人的兴趣分类，是有时效性的，也有可能跨越很多不同的兴趣分类等等。

阅读资料后，我归纳的用户画像主要有以下四个维度的标签：

- 基本属性：主要是用户的基本信息，如：`性别`、`年龄或离散的年龄段`、`生活工作学习的地区`。还有一些`手机号码`、`邮箱`等属性。
- 社会属性：`学历`、`职业`、`收入`、`婚姻状况`、`家庭成员`(可能也会包含家庭成员的属性，如`有多大的孩子`等)等(这些属性可能会稍微变化)。
不同产品会对不同的属性感兴趣，如教育产品可能对学历更感兴趣，母婴产品可能对家庭成员感兴趣。
- 个性属性：主要指由用户在互联网环境下产生的行为归纳出来的一些属性，
如在电商网站中由浏览、点击、停留时长、购买等行为，购买的商品的属性，
对商品的评价等等归纳出来的用户购买的`类目偏好`(喜欢收纳或喜欢日系等)、`品牌偏好`、`商品属性偏好`(高性价比或奢侈品等)等等。
在社交网站中由浏览、点击、搜索、艾特朋友，关注、被关注，发布内容，引用话题等行为归纳出来的`用户兴趣偏好`，`社交属性`等等。
- 价值属性：这个主要是该用户对产品的价值，而不是该用户本身的价值。
对于电商网站来说用户的`消费档次`，`用户积分等级`，购买频次等是判断用户价值的属性。
对社交网站来说，用户的`活跃度`、`影响力`等是判断用户价值的属性。
对银行来说，用户的借贷信息等决定用户`诚信度`价值。

知乎上有人说可以从人的心理、人格层面对`价值观`、`人格`进行建模，我觉得这个有些细思恐极，但是应该也是一个发展方向。
我们现在所做的就是将人数据化，只是每个人所包含的标签还不够多，所掌握的信息不够多，还没有到达能够还原出一个完整的人的地步。
说这个只是帮助理解用户画像是什么。

# 用户画像需要收集哪些数据

不同公司的业务导致了它们的数据类型会有很大的不同。
例如对基本属性，阿里用户的基本信息是非常精确的，不光是从用户填写的资料方面，从阿里的大量电商数据中可以非常精准地推测该用户的基本属性。
而百度用户的基本信息比较不精确，但是百度的搜索数据在宏观层面有非常多的应用。
例如阿里的社交数据就不如腾讯，所以对于不同公司，收集某些特定类型的数据的能力是有一定限制的。

个人认为：收集哪些数据其实是特征工程的一部分。

来自网络的总结和个人思考(根据作者的实际经历可能会有些修正和更新)：

对于像阿里这样的电商大户：
- 网络行为数据：活跃天数、页面浏览量、访问时长、激活率(大概是浏览转化为点击的比率？)、外部触点(？)、社交数据等。
- 服务内行为数据：浏览路径、页面停留时长、访问深度、唯一页面浏览次数(？)等。
- 内容偏好数据：浏览/收藏内容、购物车内容、评论内容、互动内容、生活形态偏好、品牌偏好等。
- 交易数据：贡献率、客单价(？)、连带率、回头率、流失率等。

对于像新浪微博这样的社会媒体大户：
- 内容偏好数据：浏览、点击、点赞、评论、转发、搜索、分组等
- 社交数据：关注、被关注、双向关注、发布的内容艾特的朋友等
- 内容产出数据：发布的微博文本、图片、视频、参与的话题等

未来待分析(也有可能不分析了)：腾讯社交大户、b站视频大户、网易云音乐等等。

//Github地址：https://nobodyknowspp.github.io/pp-blog/

//微博：蓝白绛