用户画像是什么
简介
在大数据领域，用户画像一般指用户信息标签化。首先，通过多种渠道方式，尽可能多地收集用户各种各样维度的数据，如用户信息、消费水平、消费习惯、购买产品类目偏好等；其次，综合收集到的数据，对用户特征进行刻画与抽象；最后再对这些特征进行分析、统计和推断，挖掘潜在价值。
一个完善的用户画像系统，不仅可以帮助企业进行精细化运营管理，如提升用户购买转化率、商品的曝光/点击率等运营指标，甚至为企业的战略决策提供支持。现在，互联网上常见的针对用户进行个性化推荐、精准营销（如定向广告投放）、个性化服务等，有不少是直接依赖用户画像。例如，不同用户打开同一个外卖 APP，用户极有可能在 APP 首页上看到的是不同的推荐商家，即所谓的“千人千面”，其背后就是用户画像的一个应用场景——根据用户当前所在位置、历史订单数据（口味、消费水平等），给用户打上“标签”，并根据标签给用户推荐合适的商家。
根据打标签的方式，可以将标签分为以下三大类：
- 统计类标签，通过对用户信息、访问记录、下单消费等常规数据直接进行统计得到，如用户性别、常驻地、年龄、设备类型、近 30 日活跃天数、近 30 日下单天数、近 30 日订单量等。统计类标签是最常见的用户标签，是用户画像的构成基础。
- 规则类标签，通过对用户的常规数据加上一定的规则进行统计得到，如用户的流失程度标签（轻度流失用户、中度流失用户、重度流失用户），对轻度流失用户这一口径的定义为“用户最后访问 APP 的日期距离当前日期的天数在[30, 60) 之间”。规则类标签也是常见的用户标签，其中的规则定义一般由业务运营人员（熟悉业务）和数据分析人员（熟悉数据的分布特征）协商确定。
- 机器学习挖掘类标签，通过机器学习算法挖掘产生，如根据用户浏览的商品信息、购买的历史记录等数据，计算用户对购买某商品的概率。因为此类标签的开发周期长、开发成本高，相对而言比较少见。
给用户打“标签”例子
下图的用户画像，是某电商平台通过该用户实名时填写的基本信息、购买的产品类型、以及其他搜索行为等维度数据，给用户打的标签：宝妈，孩子年龄 1-3 岁，家有宠物猫，IT 从业者，爱阅读，热心公益与时政等。
“打标签”的逻辑如下：
从用户实名时填写的基本信息和埋点数据，可以统计出该用户的年龄段（18-24岁）、性别（女）、常驻地广州；
从用户购买的商品名称、商品类目、购买频次、数量等信息，可以推断出该用户大概率是 IT 从业者和喜欢阅读，因为经常购买 Hive、Flink、Python、Kudu 等技术类与非技术类书籍；家里应该有养宠物猫，因为该用户购买比瑞吉猫粮、皮旦猫窝等宠物类目商品的频次较高；爱看电影，每月都有购买电影票商品的记录；用户有可能是一名宝妈，孩子年龄应该在 1-3 岁，因为经常定期购买美赞臣奶粉、尤妮佳纸尿裤和拉拉裤，按奶粉段数可推断孩子年龄段；从用户购买商品信息与购买频次，还可以推断出用户的购物喜好品牌是比瑞吉、美赞臣、蕉下、皮旦、尤妮佳等。
从用户浏览的文章类型和其他渠道来源信息，可以推断出用户热心公益与时政，因为用户设置了每月定期公益捐款、经常浏览时政类新闻等。
小结
在大数据领域，用户画像是指用户信息标签化。根据打标签的方式，可以将标签分为统计类标签、规则类标签和机器学习挖掘类标签。用户画像一般应用在企业精细化运营管理，针对用户进行个性化推荐、精准营销（如定向广告投放）、个性化服务等。
（END）
