用户画像的

早期的用户画像是通过对用户多方面信息的调研和了解，将多种信息分类聚合，产出几个有典型特征和气质的虚拟用户。用户画像用于辅助产品设计，评价需求是否有价值，别让产品偏离核心用户的需求；市场营销方面，可以用于方案制定，推广渠道选择，同时对运营人员也有一定的指导意义。此种的用户画像粒度比较粗，用虚拟的用户画像代表真实的用户。用户画像会用如下的文档描述。

<img src="https://i-blog.csdnimg.cn/blog_migrate/e7d8b38c87003f6224db7a777dacc9f8.png" data-rawwidth="690" data-rawheight="938" class="origin_image zh-lightbox-thumb" width="690" data-original="https://pic2.zhimg.com/v2-37c4adb1f5193ed360d900b986c3ffb7_r.jpg">

随着互联网的不断发展，积累的用户信息、行为记录越来越丰富，同时大数据处理和分析技术也已成熟，可以计算出每一个用户的特征。特征使用从人口基本属性、社会属性、生活习惯、消费行为等信息抽象出来的一个个具体的标签表示，标签是某一用户特征的符号化表示。为每个用户计算用户画像，这样更加贴近真实的世界，每个人都是独一无二，不能随随便便被其他人代表，用户画像精准到人。用户画像用标签集合来表示，例如：

吴某，男，32岁，河南人，北京工作，银行业，投资顾问，年收入50万，已婚，两套房，有孩子，喜欢社交，不爱运动，喝白酒，消费力强等。

基础信息可以通过用户的注册信息获得，但像是否有孩子、喜欢社交、喝白酒、消费能力等级等，用户不会告诉我们，需要建立数据模型才能计算出来。当然，用户标签的体系是需要根据业务领域去设计的，比如银行和电商用户标签体系就会不同。

基于大数据用户画像的用途

1. 应用最广泛当属个性化推荐，电商网站为准妈妈推荐婴儿用品，为摄影爱好者推荐镜头。个性化推荐中，计算出用户标签是其中一环，需要有协同过滤等推荐算法实现物品的推荐。

2. 精准广告可以根据年龄、区域、人群、天气、游戏爱好、内容偏好、购物行为、搜索行为等定向选择进行投放，例如腾讯的广点通，支持用户在微信、QQ精准投放。

3. 精细运营，例如向目标用户发送促销活动短信，避免全量投放完成的浪费。可以针对某次活动的拉新用户进行分析，评估活动效果，看是否和预期相符。

4. 辅佐产品设计，把用户进行分群，依据不同用户群特性就行产品设计和测试验证。

其它应用场景

1. 查看某次市场推广的用户画像，事后分析是否和预期一致，判断推广渠道和产品目标用户群的匹配度。

2. 查看不同地域的用户画像，不容内容频道的用户画像。

3. 个性化Push，例如新闻客户端根据用户的阅读习惯进行个性化的新闻推荐。

步骤

<img src="https://i-blog.csdnimg.cn/blog_migrate/a25b9fff31de77d415a710f7bf6b6f8b.png" data-rawwidth="865" data-rawheight="574" class="origin_image zh-lightbox-thumb" width="865" data-original="https://pic2.zhimg.com/v2-0a6283789979c1d986abf210c854edfa_r.jpg"> 转载源于：https://www.zhihu.com/question/33044706/answer/132660336