用户画像的思考

最近看了很多的关于用户画像的文章，在此处总结下用户画像的目的、如何构建及如何使用。

什么是用户画像

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。

用户的画像是由一个一个的反应不同习惯偏好的标签组成的标签集合所构成。标签反应了用户的局部形象，标签集合绘制了用户的总体形象。标签和用户画像的关系是一个局部和整体的概念。

用户画像构建的目的

基于数据时代，窥见用户已经不仅仅局限于市场调研，任何用户的网络行为都会被网站、平台所获取。通过数据来构建用户画像构建用户画像大致有一下几个目的：

1、改善产品。分析使用自己产品的用户，抓住主要群体，分析主要群体的需求来迭代自身产品，提升服务体验。这样就需要有用户数据的提炼，用户画像做分析和参考。

2、更好的挖掘用户价值。按照用户生命周期来说，已新用户的转化，老用户的深度挖掘，流失用户的挽留等。直白点就是摒弃粗放的、单调的全场八折，根据用户画像对用户全体进行细分和针对的营销。

3、实现产品的定制。这是一个高大上的玩法，根据用户画像，根据用户的行为偏好，实现用户的产品定制服务。举例：喜爱粉色的女性，喜欢玫瑰香味，同时喜欢某个品牌的洗发水，定制这总粉色包装的具有玫瑰香的洗发水。

用户画像的构建

用户的画像是通过用户一个个标签来构成的，构建用户画像就需要有数据的支持。基础数据大致分成一下几类：

1、渠道数据：用户从哪里来的。这里涉及到推广渠道的用户来源，有微博、微信、百度等等。在用户来时获取用户的这些信息。还有手机设备的信息，系统信息等。

2、网站行为数据：浏览、点击、页面驻留时间、访问路径、收藏、跳失等基于用户行为的数据指标。

3、用户的基本信息。用户注册的信息。

易观智库的用户数据是按照渠道、站点的访问、偏好、交易来划分的。

根据可以获取的信息来构建指标。根据数据指标来搭建用户画像标签体系：

基于数据指标构建角度

1、事实类标签

年龄、性别、地域、星座、文化、收入

2、行为标签

活跃等级、产品偏好、使用习惯、产品消费

3、模型驱动标签

用户价值模型、用户忠诚度模型

4、预测标签

用户流失模型、用户需求模型

基于业务角度分类：

网站类：用户基本信息、用户站内行为、用户转化、用户去向 几类分析和构建

电商类：用户信息、浏览、收藏、领券、加购、支付、跳出、物流、退货或评价留言几个阶段构建。

标签体系需要搜集业务方的需求，制定出来的标签体系以后，进行标签体系构建。

在了解用户业务流程和数据模型的指标构建，可以清楚的了解，现有的标签体系有那些地方标签缺失、那些地方需要优化和完善。

用户画像的验证

用户画像验证，分成两个部分：标签准确性和标签完备性。

标签准确性是分析标签是否准确，对于有事实标准的可以用数据集验证准确性，对于无事实标准的，通过A/B测试验证。

标签完备性是分析用户画像的是否覆盖各个业务层面。

用户画像如何使用

应用包括：售前精准营销、售中的个性化推荐以及售后的增值服务

参考文档：

【1】https://zhuanlan.zhihu.com/p/20366456

【2】创建定性用户画像

【3】永洪BI：手把手教你搞定用户画像
【4】易观智库：大数据下的用户分析（PPT）

【5】杨步涛：基于用户画像的大数据挖掘实践

【6】慕课网：电商大数据应用之用户画像

【7】基于大数据的用户画像构建（理论篇）

s【8】什么是用户画像？金融行业大数据用户画像实践

【9】18篇干货教你4步搞定用户画像分析