所谓的用户画像，和大家理解的用户画像的字面上的意思差不多。一个人，长什么样子，眼睛是大是小、腿是长是短、头发是偏黄是偏红，腰围是细是粗，等等。在一般的老画家手里，可以通过言语描述，把这个人的样子完整的画下来。而互联网，就是通过数据的搜集，把这个人给具象化。
首先，要明白为什么要做用户画像，适用于何种业务场景。
其次，得定义一个目标，用户画像最后要达到什么样的具象程度。
最后，得了解产品和用户画像，如何做交叉分析。
知道以上这三个问题的答案后，那么恭喜你，你已经知道了用户画像需要应用的业务场景。
目前流行的“大数据分析”，在很多年前就存在了。当初是通过CRM（客户资源管理系统）实现的。一般销售型公司都会使用一套CRM系统，帮助用户的维护。当年对于用户的维护目标就是打标签。比如，有个女性去登记了一次健身培训，那么前台的销售人员就会对这个女性的身高、体重、身材、长相、饮食习惯等，做相应的文字记录。然后根据这个女性的特征，推荐给她适合她的产品，并且对推荐产品时的反应，做出相应的描述记录。人工的数据维护，加上产品的定位，两两相匹配，最后决定了是否需要营销这个客户。
一般来说，目前在互联网中，对用户的定义为以下几类属性或者参数：
1. 用户的基本属性：性别、年龄、身高、体重、婚姻状况、受教育程度等
2. 用户的生活环境：从事职业、年收入、所在城市、出生城市等
3. 兴趣和爱好：可以通过用户行为揣测兴趣爱好
通过对用户的了解，知道用户的基本诉求，然后和自己的产品做匹配，那么就已经完成了第一步。
第二步，对用户画像的深挖。每个用户都是躲在电脑或手机后面的键盘侠，有时候是愤青，有时候是小清新。每个用户都是有多种状态存在。因此，在做用户画像的时候，千万不能进入“一个用户只有一种特征”的误区。用户对所有的事情的喜好，都存在偏向性。比如，一个用户想买一双鞋，当本季没有他爱好的运动鞋款式时，他会退而求其次的选择他所喜欢的休闲鞋。
第三步，对用户的行为习惯进行有效的关联。在技术中，我们也称之为数据清洗。把两个看上去相似度99%的人归类为一类人。或者把两种看上去相似的行为定义为同一种偏好。例如，两个用户的收货地址一样，购买行为一致，只是设备ID不同，那么他们两个可以定义为同一种人。
第四步，把用户和产品做匹配。这个很好理解，健身房中，总是会把肌肉训练课程推荐给力量型的男士，而不会推荐给较小柔弱的女性。
综上，用一句古话：知己知彼，百战不殆。了解用户，研发产品，把产品推荐给适合产品的人。这个循环不断的升华，总有一天会找到你的节奏。
网友评论