文章导航
一、什么是用户画像？为什么要做用户画像？
- 什么是用户画像？
想象一下，你走进一家商店，老板突然拿出一张画，上面画的是你最喜欢的颜色、你最喜欢的零食，甚至还有你每次购物时的”秘密路径”。这听起来是不是有点神奇？这个就是用户画像。
- 为什么要做用户画像？
做用户画像就像是一个侦探游戏，商家是侦探，而用户就是他们要了解的神秘人物。一个正常的数据生命周期应该是这样的。
所以说，数据变现的方式就是广告投放，广告投放的前提就是用户画像。
二、教你从 0 到 1 做一个用户画像构建
用户画像原则：
一个成熟的用户画像系统（这里前提是有一个用户画像系统。）一般有成百上千个标签，这些标签不是一次完成，而是随业务逐步完善，最终呈现成一个标签树。所以构建前期必须搭好一个画像骨架，一个好的画像结构满足两个条件：
- 高概括性：意味着结构体系能够很好的包含一个用户的基本属性和产品交互相关行为，同时对于业务重点单独强调，没有遗漏；
- 强延展性： 强延展性意味着结构全面的同时也有一定的抽象概括能力，保证新增标签很好的找到对应的分类。
例子： 张三是一个程序猿。这个程序猿就是一个高概括的标签。那么程序猿有怎么体现高概括，强延展性呢？
按照这个原则，画像通常从 8 个维度组织标签，分别是基本属性、平台属性、行为属性、产品偏好、兴趣偏好、敏感度、消费属性、用户 生命周期和用户价值。我们上面的例子参考一下：
1.基本属性
基本属性是指一个用户的基本社会属性和变更频率低的平台特征。例如真实社会年龄、性别、婚姻状况、昵称、号码、账号、IBS等标签。这些标签类型多为直采型，可从用户的基本信息表直接获取，不需要统计或者算法挖掘。
2.平台属性
平台属性是用户在平台上表现出的基本属性特征，是利用用户行为进行的算法挖掘，标识用户真实属性的标签。
典型的平台属性标签有平台年龄标签。
这里你可能有个疑问，为什么在用户的基础属性中有年龄标签，但在平台属性中又有一个呢？这就涉及领着之间的差别。设想一个真实的场景，一个用户的社会年龄为 20 岁，但喜欢中年人的穿衣风格，在使用 app 购物的时候，表现出的真实偏好是 30~40 岁的。 对于这类使用产品时表现出的用心心智和真实年龄不符合的用户，如果只采用用户上的基本属性来为其推荐产品，是不是很难命中个体用户的兴趣。
两种不同的标签，本质上时用户自己上传信息的随意性和挖掘信息的真实性差异。
我们来仔细分析一下两者在数据源、计算逻辑、标签格式、标签值和应用场景等方面差异：
- 数据源与计算逻辑方面：基本属性直接利用用户自行上传的、存储在用户基本信息表的数据，平台属性则利用客户端或者服务端埋点上报采集的用户行为数据进行挖掘计算生成。基本属性是典型的直采型标签。
- 末端标签和输出标签值方面：以性别为例，基本属性代表用户真实的社会身份，确定的事实，标签形成 “性别_女”，而平台属性则代表用户在性别上的偏好概率，典型形式为 “性别_男_0.80”，其中，“男” 为末级标签，“0.80” 则代表用户在平台男性性身份上表现出的倾向程度。
- 应用场景方面：平台属性通过用户行为进行挖掘，更能代表用户的真实情形，输出结果比基本属性准确率高，在定向营销和算法里，年龄、性别等通过采用平台属性。二社会属性中电话、身份证号、账号、昵称等使用较多。
3.行为属性
行为属性记录的是用户全部的单点行为。用户的单点行为有很多，包括启动、登录、浏览、点击、加车、下单等，而结合不同的产品、不同的模块交互、不同的时间窗选取，行为就更加复杂了，想要全面梳理，可以按照 “产品模块 × 功能模块 × 单点行为 × 时间” 四大要素来组织。
- 这里 “产品 × 功能模块 × 用户单点行为 × 时间” 的意思是，一个完整的行为。
4.产品偏好
产品偏好是对用户使用产品、产品其他渠道的的刻画，属于挖掘型标签，其中产品的选取可以包括自家的产品、竞品；功能和渠道既包括站内产品功能，也包括 push、短信、开屏、弹窗等几大运营和产品法宝。
- 示例：搜索模块偏好、直接竞品_京东偏好、短信偏好。
5.兴趣偏好
兴趣偏好是用户画像内非常重要的维度，以电商产品为例，用户对商品的喜爱成都是用户最终的信息之一，兴趣偏好是对用户和物品之间的关系进行深度客户的重要标签，其中最典型的是品牌偏好、类目偏好和标签偏好。
- 示例：品牌偏好XBOS_0.91、类目偏好游戏机0.80、标签偏好白色_0.70。
6.敏感度
在做营销活动时，留意到有些用户不需要优惠也会下单，而有些用户一定要有优惠券刺激才会下单，而且优惠券的额度会影响其下单的金额。这种情况下，如何识别出对优惠敏感的用户并且发放合理的优惠券，保证优惠券不浪费，从而使促销活动的 ROI 最大？其中一个很重要的标签就是用户敏感度标签。敏感度代表用户对平台活动或者优惠敏感度，也是典型的挖掘类。
- 示例：热点敏感度、折扣敏感度。
- 比如，程序猿属性的用户会在 618 ，双11这种大促前高频浏览喜欢的商品，同时，在推送折扣短信后，触达率会明显上升。那么用户会的折扣敏感度会上升。
7.消费属性
无论电商、内容还是其他领域，公司的目标最终都是收益，所以消费属性往往作为一个单独维度重点刻画。消费属性包括两种
- 统计标签：消费频次、消费金额、最近一次消费时间等
- 挖掘标签：消费能力，消费意愿，
- 敏感度标签：优惠促销敏感度、活动敏感度、新品敏感度、爆款敏感度。
8.用户生命周期及用户价值
用户生命周期是用户运用的重中之中，一个用户进入产品到离开，通常会经历 新手->成长->成熟->衰退->流失 这 5 个典型阶段，每个阶段对用户运营都存在着策略差异，画像在其中的作用就是明确标记用户用户所处生命周期的阶段，便于后续业务人员落地。
用户价值是体现用户作为产品贡献价值高低的标签，最经典的是通过 RFM 米线获得交易维度标签，此外，也应该看到用户的其他价值，例如为产品贡献活跃度，通过裂变拉来心用户，这些都是可设计的相应标签。
- 示例：新手、成长、成熟、衰退、流失、高价值用户、VIP 等级等。
用户画像是商家理解和分析目标用户群体的关键工具，它基于用户的基本属性、平台属性、行为属性、产品偏好、兴趣偏好、敏感度、消费属性、用户生命周期和用户价值等多个维度构建而成。通过构建用户画像，商家能够更准确地把握用户的真实需求和偏好，进而实现精准营销和个性化推荐。在实际操作中，商家应该注重从多个数据源中挖掘和整合用户信息，形成全面、准确的用户画像，为广告投放、产品优化和营销策略制定提供有力支持。
延展阅读：
咨询方案
获取更多方案详情
