1.概念

用户画像是真实用户的虚拟代表。简而言之，用户画像就是通过调研用户行为和观点的差异来进行分类而形成的有具体标签的人物原型。用户画像的核心就是给用户打标签，有了标签就更方便于理解以及做数据统计，可以给运营部门更好的决策辅助。

举例来说，你经常在网上买护肤品，网站就可以根据你的性别给你打上爱美的标签，网站就会给你推荐别的美妆产品。还可以根据你的年龄来参与统计你购买的护肤品的使用年龄层，更加方便推广产品。

标签提供了一种便捷的方式，能够让计算机来处理用户的信息。有利于实现个性化营销和推送服务

2.构建流程

绘图1.png

(1)数据收集

用户画像是为了形成一个用户的虚拟模型，还原用户信息。这是建立在大量的真实用户的数据收集上。
用户数据收集分为几类：用户行为数据、用户基本属性、用户的接触点以及用户的商业属性。

• 用户行为数据：用户在网页上的浏览、收藏、评论、点赞等等。
• 用户基本属性：用户的年龄、性别、位置、职业、是否有小孩。
• 用户的接触点：用户获取到该网站的途径。
• 用户商业属性：消费周期、购买率、流失率等等。

值得讨论的是：什么样的用户数据有利于构建和完善用户画像呢？

以一个手机海淘客户端为例，我们从用户获取、用户质量、内容使用和关键行为转化这四个关键性数据指标中找出需要的字段以及获取方法。如下图所示

字段分析和获取方法

(2).行为建模

行为建模主要是对收集的用户数据进行分析和处理。通过行为建模来抽象出用户的标签以及确定标签权重。建模需要用到很多模型或者算法来给用户确定标签，也可以使用机器学习对用户可能的爱好进行猜测。
用户的行为一般可以描述为什么用户在何时、何地发生了什么事

• 什么用户：是指用户的标示，比如用户的ID、微博、微信、cookie等等
• 什么时间：用户在页面停留时间或者两个操作之间的间隔时间。
• 什么地点：使用的网址或者页面上选择的模块。
• 做了什么：行为包括购买、浏览、收藏、评论、点赞等。

用过每个点来综合计算用户的标签权重，从而使用户标签更加数据化。

(3).构建画像

该阶段要把用户的基本属性（年龄、性别、地域）、购买能力、行为特征、兴趣爱好、心理特征、社交网络大致地标签化。用户画像既应根据变化的基础数据不断修正，又要根据已知数据来抽象出新的标签使用户画像越来越立体。

3.应用方法

• 分析已有用户属性，找出核心用户、目标用户与潜在用户。
• 找出用户关注的热点，辅助运营部门找寻重点发展方向。
• 寻找需求信息的匹配人群，推送相应的营销广告或服务信息。
• 剖析用户行为，使用计算机处理反馈各个模块反响状况使营销更加精准。
• 统计核心功能每一步流程的转化率，修改转化率低的步骤以提高效益，实现个性化营销和服务推送。

学习资料来源：知乎，百度，微信公众号。