今天谈谈大家经常听到却又一肚子懵逼的“用户画像”。
What 基础概念扫盲
用户画像（User Profile）：也称人物角色，是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”。
标签（tag）：也称数据点，对用户信息高度精炼的特征标识，一般标签越精准，对应覆盖的人数则越少。所谓千人千面，不同人群有不同的特征和标签，就像指纹。
用户画像多采取层级概念，条理分明地呈现了人群数据的特征分布。用户画像层级自顶向下包含画像体系（User Profile）、维度（Dimension）、数据点（Tag）。画像体系这一层可理解为标记画像类别的文件夹，常见的有基础信息，地理位置，兴趣爱好，设备信息，消费信息等。
画像层级
当当当当，笔者的画像强势入镜，嗯纯粹为了加强大家的理解。看图说话，以下包含画像体系有：基本信息，地理位置，兴趣爱好，设备信息等，而基本信息下的维度包括性别，年龄，学历，职业等，地理位置下的维度包括当前位置、原籍等，设备信息下的维度包括手机品牌、机型、系统等····而每个维度下的取值即可称作标签（数据点），如职业下的标签可以有医生、老师、产品经理、作家等。这里注意的是，有些地方的标签定义有所不同，包含多个维度的取值，如：喜欢购买护肤品的一线城市的白领。
用户画像举例
Why 为什么要使用用户画像
用户画像是当下很多企业都会提及的概念，多数情况下会和大数据以及营销挂钩。
1.从公司战略层面来说，好的用户画像可以帮助企业进行市场洞察、预估市场规模，从而辅助制定阶段性目标，指导重大决策，提升ROI；更有助于避免同质化，进行个性化营销。
2.从产品本身角度来说，用户画像可以围绕产品进行人群细分，确定产品的核心人群，从而有助于确定产品定位，优化产品的功能点。例如美妆类app，则前期可大致锁定画像一二线城市，喜欢时尚，年龄段在18至35之间的女性。
3.从数据管理角度来说，用户画像有助于建立数据资产，挖掘数据的价值，使数据分析更为精确，甚至可以进行数据交易，促进数据流通。互联网营销行业中常用的DMP（Data Management Platform）就是用户画像使用的一个好例子。
How 构建方法详解
构建用户画像的步骤如下图所示，短腿的狗不打猎，以下6个步骤缺一不可。
画像构建步骤
采集数据：数据的来源有多种，很多公司有自己的CRM系统，或者有智能采集系统日志的工具，常用的采集方式包括API、SDK和传感器采集等，可以通过想要挖掘什么标签来反推需要的数据源。
数据清洗：原始数据源存在“脏数据”，包括数据空缺和噪声、不一致、重复、错误等问题，为了保证后期挖掘的准确性，避免对决策造成影响，须对原始数据进行预处理。
数据标准化：用户画像的建立需要有整合多源数据（跨屏跨媒体）的能力，例如一个实体可能使用多个设备，拥有网络世界的多个账号，则须把多个身份ID组合，建立统一的标准，才能完整标识实体的用户画像。
用户建模：通过算法模型来定义人群的用户画像，常见为分类模型和聚类模型，例如SVM，神经网络，k-means。
标签挖掘：通过平台来进行标签的加工和计算，通常需要部署环境，如通过Hadoop平台进行训练和学习，大规模的并行计算。
标签验证：须通过真实case验证标签挖掘结果的正确性，保证标签对应的处理结果跟预期大体相符。此步骤有时可以跟上个步骤（标签挖掘）对调，即可以先用小样本数据验证模型的可靠性，再依照结果进行调整，再进行挖掘。
数据可视化：即视觉呈现群体或个人的用户画像，包括柱状图/饼状图/表格等，市面上也有一些数据可视化工具，此步骤可忽略。
Case 案例探究
举个栗子，假如我们现在要举办一场金融活动，须挖掘用户画像为“深圳金融从业人群”，由于此类人群在办公点活动时间较长，我们可以通过移动设备的LBS信息筛选出深圳的金融办公地点，由此简单筛选出经常在此区域活动的人群；另外，结合app使用的兴趣行为信息，如时常浏览使用金融理财类应用的人群筛选出目标人群。当然，还需通过消费水平、年龄等信息排除掉无关人群。数据源和算法模型的准确性都会影响到最终加工出来的画像结果。
Attention 注意事项
- 用户画像的制定须与具体业务场景或所属行业相结合，避免太过抽象，不同场景下同个标签名称可能表示不同意思，例如性别分为真实生理性别以及网络虚拟性别，须区别对待；
- 画像的粒度不是越细越好，划分的标签越多，对应覆盖人群会急速减少，表征能力弱，且可能是伪特征；
- 不能盲目使用用户画像，画像多为静态特征，用户特征随时间动态变化，也可能随场景空间而不同。当然也有动态的用户画像数据，如用户的访问路径、访问时长等信息。
本文由 @蓝眼泪 原创发布于人人都是产品经理。未经许可，禁止转载。
关于DuDuTalk： DuDuTalk是武汉赛思云科技有限公司打造的语音数据驱动的一站式智能销售赋能AI-SaaS平台。通过智能硬件（IOT）、AI引擎、机器学习、NLP、文本数据挖掘等技术，为企业提供覆盖移动通话、现场沟通等全场景语音采集、识别、质检、分析等服务。让销售与客户互动全过程数字化、可视化、智能化，用科学的方式实现对销售团队的个性化赋能，让每个人都成为“顶级销售”。
