如何构建用户画像

一、为什么需要用户画像

用户画像的核心工作是为用户打标签（用户信息标签化）。打标签的重要目的之一是为了让人能够理解并且方便计算机处理。如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？

也可以做数据挖掘工作。利用关联规则计算：喜欢红酒的人通常喜欢什么运动品牌？利用聚类算法分析：喜欢红酒的人年龄段分布情况？

大数据处理，离不开计算机的运算。标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型，能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。

二、如何构建用户画像

一个标签通常是人为规定的高度精炼的特征标识，如，年龄段标签：25~35岁，地域标签：北京。标签呈现出两个重要特征：（1）语义化，人能很方便地理解每个标签含义。这也使得用户画像模型具备实际意义，能够较好的满足业务需求。如，判断用户偏好。（2）短文本，每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。

人制定标签规则，并能够通过标签快速读出其中的信息，机器方便做标签提取、聚合分析。所以，用户画像，即 用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。

2.1 数据源分析

构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。

对于用户相关数据