用户画像即用户信息标签化，完美地抽象出一个用户的信息全貌，
可以看作企业应用大数据的根基。
▲ 用户画像
每个行业每个企业都在提自己的用户画像，
因为打造出了用户画像，一定意义上代表了解自己的用户群体，理解了用户的需求，从而可以在市场上占尽优势。
用户画像也是每个搞数据的人追求的核心的东西，
我也如此，世上最难的事，莫过于懂人自己吧，
而用户画像却是要把人的特征用数据标签的形式表达出来。
不过不仅只是把用户画像标签全部呈现出来就可以了！
如果只做到这一步，那就不用在行业里混了。
下一步就是对于不同标签的群体所对应的运营场景方案，同样也是核心，所以这就是所谓的营销云产品。
目前国内大多企业的对自身用户画像的打造都难言成功，因为数据的广度和深度决定了用户画像的潜力，
各类行业的数据采集、建模等层面仅仅是蜻蜓点水，深度不足，多渠道数据来源无法识别，广度不够。
所以服务各大企业的to B软件商，成功的首要解决的难题是在不同渠道来源的数据，将人的多个数字身份识别为一个可联系到的用户。
▲ 多渠道来源数据
我之前做过的产品中，最多实现了可识别用户的五种数字身份，
包含会员身份、微信公众号粉丝身份、收货人身份、网站访客身份、以及系统内的身份。
有的人也许会说这已经做的不错了，
但即使这样，我还是觉得在人的各类行为中，这些数据也仅占到极小极小部分，
在工业、医疗、化学、心理、基因等更多领域，基于数据来刻画用户刚刚起步。
▲ 用户信息产品化
用户画像涉及人的数字化描述，也就互联网、云计算及大数据时代的到来，才让人类有了大规模采集数据的可能。
所以目前国内真正让用户画像发挥出价值的，却仅仅是互联网企业，互联网公司为代表的用户画像系统化应用最为广泛的一类。
▲ 利用标签进行细分人群
其他行业对于自身用户的了解和互动，只存在于企业内少数具有洞察力人的认知中，
无法被结构化产品所大规模应用起来。
所以我想写下文字，我的社交圈虽有局限，但文字可传播的更远，让用户画像产品化的一些知识可传播到各行各业发挥出价值。
▲ 活动策略编排，营销自动化
有价值的用户画像要以业务场景为导向思考，离开了场景思考的标签，其实是离开了水的鱼。
为什么这么说呢，例子太多了，我们有个蛋糕企业客户，想要“未来30日有亲友生日”这个标签。
希望通过这个标签达到的目的是，比如今年你过生日，我给你买了一个蛋糕，然后明年你快过生日的时候，系统就提醒我应该再买蛋糕了。
大多数技术型产品经理在设计系统的时候，都会有这样简单粗暴了。
但是如果用场景来思考一下，
你是被提醒人本人，
到了第二年，
这家蛋糕店仅仅只是再提醒你该给某人买蛋糕了，
换句话说，给折扣优惠或许你会考虑再买，
如果什么都没有，
很有可能觉得很骚扰，
恰巧碰到你心情不好当天，索性把这家店拉黑都有可能。
所以在设计关于复购类的运营场景，又要跳到运营者的角度思考，
运营者通过产品在预置活动策略的时候，
系统要有推荐优化运营策略，
因为生日二次购买，提示运营者赠送礼品，折扣、赠送一个其他口味试吃的小蛋糕，或者限量版、升级版本的生日皇冠帽子等等。
客户标签建设之初会涉及到鸡生蛋和蛋生鸡的问题，先建标签还是先拿需求一直是BI纠结的事情。
很多产品经理调研的时候都会问企业业务人员场景如何，
有些业务人员说只能说个大概，
产品经理往往不能理解其中精髓，
有的产品经理更是想当然了，连调研都浮皮了了结束，
凭着自己的认知去设计人家的业务系统，
对于垂直行业不熟悉，导致了标签系统很难有商业价值。
说到这里我想起来运营型产品经理和技术型产品经理的的区别了，
如果产品经理懂企业经营的话，会好很多，
如果一开始不懂，那么就保有开放的心态，去多沟通，和业务人员多泡在一起，
因为仅仅只是问那么几句的话，是问不出来个所以然来的，
调研时间不能短。
梳理好业务场景和需求后，
建立标签体系，产品结构化设计、拆分用户故事、流程图、原型等等，
这些产品设计的基本功我可以后续文章中细说。
建立标签体系时，
有一个重点，
如果有足够开发资源的话，最好建设两套标签体系，
一套是支撑初始化运营的基础体系，
第二套是支撑后续源源不断的动态自定义标签体系。
这样也可以为建设机器学习算法系统做好铺垫。
▲ 自定义标签
设计产品结构化的时候，
产品经理常常容易陷入到一种深渊不可自拔，
总是希望自己设计的业务体系可以方方面面都能顾及到，
对于这一点，虽然可以理解，
但要提醒自己不要纠结，
要训练自己抓住主要矛盾，
不然几千个分类也搞不定，项目延期也会很严重，
而且产品研发最怕的就是慢，时间一慢下来，团队就会不稳定，产品质量自然也不好保证。
比如，用户画像的分类管理，
没有哪个企业能说自己的分类体系是最科学的，
所以从使用角度讲，
分为基本和常用即可，
例如基本按照用户属性、RFM模型分，其它可以用户自定义按照日常使用分类。
▲
自定义管理分类
注：本文图片均来源自有产品截图
网友评论