一、用户画像的概述
什么是用户画像：它是对用户进行信息标签化处理，企业收集用户的基本属性、社会属性、生活习惯、消费行为等数据，通过算法挖掘和分析用户数据，抽象出一个用户的全貌属性，作为实现商业场景和应用的数据资产。
用户画像的作用：它能够为企业提供基础画像表，帮助营销人员快速找到精准用户人群，并深度挖掘用户需求。
用户画像的应用领域：
1.精准营销：根据人群定向进行营销活动，能使营销更优效率，在相同的成本下得到更好的总体转化效率。例如，向在校学生推送价格优惠的酒店营销活动，而没有必要向白领IT从业者推送距离最近的酒店营销活动。
2.推荐系统：用户画像、用户行为分析师高转化率个性推荐的极重要的数据基础。例如，向有收藏酒店行为的情侣推送距离最近的情侣风格酒店。
3.搜索排序：在细化场景，把人群定向与意图分析相结合，精细提高转化率的过程中，可以根据人群标签进行有针对想的排序。例如，给大学生情侣推荐情调酒店。
4.筛选排序：在细化场景，精细提高转化率的过程中，可以根据人群标签进行有针对性的排序。例如，当出差在外的商旅用户筛选酒店时，把离机场或者车站比较近的钟点房排在前面。
5.用户分析：把用户画像和用户行为分析相结合，能够发现更高质量的用户人群。例如，在冬天的时候，有很多北方人会到海南住家庭旅馆。
6.商家分析：分析商家近期客户的用户行为与用户画像，能够更好地帮助商家发现商机。
二.怎样构建用户画像特征？
用户画像一般可以按照行为特征、基本属性、消费特征、交易属性、潜力特征、兴趣偏好和预测需求等方面组织。当然，因为业务的差异，可以根据自己业务的特点添加不同的特征构建用户画像。
1.行为特征：主要用来记录用户的行为操作信息。例如，App的日启动次数、周启动次数、月启动次数、评论活跃度、最近浏览页面及浏览时间等。
2.基本属性：描述用户的一些基本特征，用来反映用户的通用信息。例如，用户ID、昵称、性别、年龄、手机号、城市、注册时间、活跃度、流失倾向等。
3.消费特征：主要用来记录用户的下单购买行为。此处可以用RMF模型记录用户的最近购买时间、消费价格、消费频率等。
4.交易属性：主要用来记录一些交易的偏好。例如，订单总数、交易额、支付时间间隔等。兴趣偏好：主要是针对性的找一些兴趣点，用来区分用户。兴趣偏好往往结合日常营销推广活动设置。例如，品牌偏好、房型偏好、品类偏好、星级偏好、菜品口味偏好等。
5.潜力特征和预测需求：主要用来分析用户的价格敏感度和目标价位等。
三、以“淘宝”短信暴露的标签进行其用户画像倒推
上图是一张被淘宝进行短信push的用户传播的，此次push应该是出现了操作失误，导致短信内容将淘宝对该用户的标签push了出来，此标签即是该用户的淘宝用户画像。让我们一起来分析分析：
1.北京：属于该用户的【基本属性】，通过App的定位及收货地址来确定。
2.大店拉新：属于【交易属性】，对于此标签应该有不同的定义，从字面意义来看应该是属于某次淘宝的优惠活动，暂时定为“交易属性”，可以根据图中的其他几条短信内容了解到，淘宝push给用户的都是一些物美价廉的商品，意味着该用户目前在淘宝上消费并不高且消费品类多为日常生活用品。
3.潜客：属于【潜力特征】，推测通过该用户在淘宝上的浏览商品内容来进行潜力预测（购物车、收藏夹也是相关的维度）。
4.低消费：属于【消费特征】，根据在淘宝平台上的订单来进行划分的。
5.男性：属于该用户的【基本属性】，根据账户注册时的信息获得。
6.写字楼：属于【基本属性】，推测是根据收货地址来确定的。
当淘宝对用户建立了一个维度覆盖面相对较广的用户画像后，便可以针对特定用户人群指定营销活动找到运营老用户和获取新用户的机会。
通过上述内容，我们了解到当产品拥有了一个较完整的用户画像后，可以清晰的对使用该产品的用户进行认知，使得产品在接下来的运营中不在完全依赖经验进行判断，而是通过用户画像去做精准推荐，并且进而追踪用户反馈的信息，完成闭环优化。
来源 | 简书
作者 | 我是裴育呀；编辑 | 时刻
