5分鐘看完這篇，成為用戶畫像專家

　 域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過

導(dǎo)語： 如今，大數(shù)據(jù)的概念已得到全面普及，數(shù)據(jù)價(jià)值的重要性也得到很多行業(yè)認(rèn)可。甚至很多傳統(tǒng)行業(yè)的企業(yè)也開始重視數(shù)據(jù)，做好數(shù)據(jù)采集、保存、挖掘、應(yīng)用的工作。具體到如何利用數(shù)據(jù)金礦，用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)運(yùn)營(yíng)和自身發(fā)展，還是要回歸到基本概念，理解大數(shù)據(jù)相關(guān)概念的本質(zhì)和核心思想，從而牢牢把握住在DI時(shí)代(DI，為Data Intelligence的縮寫，“DI時(shí)代”即“數(shù)據(jù)智能時(shí)代”)的數(shù)據(jù)海洋中航行的方向盤。本文圍繞大數(shù)據(jù)諸多概念中最常見和常用的“用戶畫像”，第一部分就先為大家淺述一下用戶畫像的基本概念和構(gòu)建原理。

用戶畫像初探

用戶畫像，英文為 User Profile，是根據(jù)用戶基本屬性、社會(huì)屬性、行為屬性、心理屬性等真實(shí)信息而抽象出的一個(gè)標(biāo)簽化的、虛擬的用戶模型。“用戶畫像”的實(shí)質(zhì)是對(duì) “人”的數(shù)字化。

用戶畫像的應(yīng)用場(chǎng)景有很多，比如個(gè)性化推薦、精準(zhǔn)營(yíng)銷、金融風(fēng)控、精細(xì)化運(yùn)營(yíng)等等。

舉個(gè)例子來理解用戶畫像的實(shí)際應(yīng)用價(jià)值，我們經(jīng)常用手機(jī)網(wǎng)購(gòu)，但其實(shí)我們每個(gè)人的購(gòu)物APP頁面都不一樣。所謂“千人千面”，即電商APP的個(gè)性化推薦系統(tǒng)會(huì)給每個(gè)用戶“量身定制”專屬首頁，精準(zhǔn)推送符合用戶需求和偏好的商品，從而提升轉(zhuǎn)化率和用戶體驗(yàn)。

而 用戶畫像 構(gòu)建 的核心工作 ，即 是給用戶貼“標(biāo)簽”。 標(biāo)簽(tag)：也稱數(shù)據(jù)點(diǎn)。我們通過“標(biāo)簽”來對(duì)用戶的多維度特征進(jìn)行提煉和標(biāo)識(shí)。以目前在APP開發(fā)者和運(yùn)營(yíng)者當(dāng)中使用比較多的個(gè)推用戶畫像產(chǎn)品——個(gè)像為例，來看下業(yè)內(nèi)的大數(shù)據(jù)公司是如何通過“貼標(biāo)簽”來構(gòu)建自己的用戶畫像體系的。

以消息推送服務(wù)起家的個(gè)推，自2010年成立以來，已成功服務(wù)了數(shù)十萬APP，累計(jì)覆蓋40億移動(dòng)終端，有著維度全、覆蓋面廣的數(shù)據(jù)基礎(chǔ)。依托海量線上用戶APP興趣偏好數(shù)據(jù)、線下用戶基于場(chǎng)景的活動(dòng)數(shù)據(jù)沉淀 以及強(qiáng)大的數(shù)據(jù)分析能力和算法建模能力 ，個(gè)推根據(jù)自己獨(dú)創(chuàng)的 “冷數(shù)據(jù)“、”溫?cái)?shù)據(jù)“、”熱數(shù)據(jù)”的原理 構(gòu)建出覆蓋人群屬性、興趣偏好、用戶行為、實(shí)時(shí)場(chǎng)景等眾多細(xì)分維度，擁有性別、年齡層次、消費(fèi)水平、職業(yè)、購(gòu)物偏好等上千多個(gè)標(biāo)簽的用戶畫像體系，并面向A PP 開發(fā)者推出用戶畫像產(chǎn)品——個(gè)像 ，旨在幫助APP開發(fā)者360度勾勒立體用戶畫像，深入洞察用戶，精準(zhǔn)把握受眾，為APP在不同時(shí)期的精細(xì)化運(yùn)營(yíng)提供全面、可靠的數(shù)據(jù)支撐，幫助APP全方位了解用戶，助力APP推廣和運(yùn)營(yíng)。

個(gè)推的“冷、溫、熱”數(shù)據(jù)原理

冷數(shù)據(jù)：性別、興趣、常駐地、職業(yè)、收入水平和年齡層次等相對(duì)穩(wěn)定的用戶畫像數(shù)據(jù)。

溫?cái)?shù)據(jù)：近期活躍應(yīng)用、近期活躍場(chǎng)景等具有一定時(shí)效性的用戶行為數(shù)據(jù)。

熱數(shù)據(jù)：當(dāng)前區(qū)域、當(dāng)下打開的應(yīng)用等場(chǎng)景化明顯的實(shí)時(shí)數(shù)據(jù)。

用戶畫像再探

當(dāng)下，很多企業(yè)都積累了一定的數(shù)據(jù)，也開始或已經(jīng)構(gòu)建自己的用戶畫像體系，很多運(yùn)營(yíng)人員也將用戶畫像作為“用戶洞察“、開展“精細(xì)化運(yùn)營(yíng)“的基礎(chǔ)。但是，對(duì)于用戶畫像，我們真的完全理解嗎？ 本文第二部分，筆者就總結(jié)了對(duì)用戶畫像常見的3點(diǎn)誤解，我們一起再和用戶畫像來一次”去偽求真“的親密接觸吧。

誤解一：將標(biāo)簽等同于特征。

標(biāo)簽標(biāo)識(shí)多維度的特征。但標(biāo)簽不同于特征。有的單個(gè)特征可以當(dāng)做一個(gè)標(biāo)簽來使用，但有的標(biāo)簽是由多個(gè)特征聚類組合加工而成的。所以，不能把標(biāo)簽等同于特征。

還以個(gè)推旗下的用戶畫像產(chǎn)品——個(gè)像為例，其 “有車一族”這一標(biāo)簽就是由“男性(冷數(shù)據(jù))”“手機(jī)安裝有并經(jīng)常打開汽車資訊類APP(溫?cái)?shù)據(jù))” “常出現(xiàn)在4S店(基于LBS技術(shù)可以得到的場(chǎng)景化的熱數(shù)據(jù))”等特征綜合提煉得出。

誤解二：認(rèn)為用戶畫像就是客觀事實(shí)。

一般來說，企業(yè)在構(gòu)建標(biāo)簽體系時(shí)，會(huì)標(biāo)注標(biāo)簽屬性，幫助內(nèi)部理解標(biāo)簽賦值的來源，進(jìn)而理解指標(biāo)的含義。一般來說，常見的有5種標(biāo)簽屬性：固有屬性、推導(dǎo)屬性、行為屬性、態(tài)度屬性、測(cè)試屬性。

固有屬性 即指這些指標(biāo)的賦值體現(xiàn)的是用戶生而有之或者客觀存在的屬性，比如：性別、年齡、是否生育等。推導(dǎo)屬性 則是由其他屬性推導(dǎo)而來的屬性，比如星座，我們可以通過用戶的生日推導(dǎo);而用戶的品類偏好，則可以通過日常購(gòu)買來推導(dǎo)。行為屬性 是產(chǎn)品內(nèi)外實(shí)際發(fā)生的行為被記錄后形成的賦值，比如用戶的登陸時(shí)間、頁面停留時(shí)長(zhǎng)等。態(tài)度屬性 則是用戶自我表達(dá)的態(tài)度和意愿。在大數(shù)據(jù)的需求背景下，以往通過問卷來調(diào)研手機(jī)用戶態(tài)度屬性的方式顯得有些低效;現(xiàn)在更多的則是利用產(chǎn)品中相關(guān)的模塊做用戶態(tài)度信息收集，比如微博的“點(diǎn)贊”按鈕，用戶可以表達(dá)自己對(duì)某觀點(diǎn)的贊同。測(cè)試屬性 是指來自用戶的態(tài)度表達(dá)，但并不是用戶直接表達(dá)的內(nèi)容，而是通過分析用戶的表達(dá)，結(jié)構(gòu)化處理后，得出的測(cè)試結(jié)論?，F(xiàn)在很多產(chǎn)品都有UGC功能，用戶可以表達(dá)自己的觀點(diǎn)、情感、態(tài)度，通過對(duì)用戶生成的內(nèi)容進(jìn)行文本挖掘分析，可以得出用戶的價(jià)值觀、性格等屬性。

所以，標(biāo)簽數(shù)據(jù)未必是客觀事實(shí)，但也不是完全虛構(gòu)，而是基于事實(shí)數(shù)據(jù)進(jìn)行符合邏輯的模型分析得出。所以，用戶畫像中對(duì)某個(gè)人或某人群的描述，未必就是客觀事實(shí)，只是該描述可以通過多維度數(shù)據(jù)進(jìn)行推斷得出，而這個(gè)推斷有很高的合理性，能高度接近、刻畫現(xiàn)實(shí)。這里就是對(duì)第二個(gè)誤解的闡述，即用戶畫像不是客觀事實(shí)。

誤解三：認(rèn)為用戶畫像都是對(duì)單個(gè)用戶的描述

在互聯(lián)網(wǎng)全面普及、物聯(lián)網(wǎng)正進(jìn)入爆發(fā)的當(dāng)下，對(duì)特定用戶的洞察有海量數(shù)據(jù)和前沿的數(shù)據(jù)智能技術(shù)作為支撐和依托，特定用戶的畫像構(gòu)建當(dāng)然是可行的。比如， APP/應(yīng)用可以基于自身積累的用戶注冊(cè)數(shù)據(jù)和用戶行為數(shù)據(jù)來綜合刻畫特定用戶的畫像，基于此，金融風(fēng)控類應(yīng)用可以精準(zhǔn)識(shí)別高風(fēng)險(xiǎn)用戶;新聞?lì)悜?yīng)用可以準(zhǔn)確篩選出熱衷發(fā)表一些過激或負(fù)面言論跟帖的用戶;電商類應(yīng)用可以判斷那些總是在頻繁下單、打五星好評(píng)、然后取消訂單的刷單用戶…。

然而，目前行業(yè)更多聚焦于對(duì)某一人群或行業(yè)的洞察上，也會(huì)通過數(shù)據(jù)報(bào)告的形式呈現(xiàn)洞察結(jié)果。比如，數(shù)據(jù)智能企業(yè)個(gè)推通過對(duì)移動(dòng)互聯(lián)網(wǎng)的用戶特征和行業(yè)趨勢(shì)進(jìn)行深入洞察和剖析，跟進(jìn)市場(chǎng)發(fā)展熱點(diǎn)，于前段時(shí)間發(fā)布的《5G手機(jī)首批用戶畫像報(bào)告》《生鮮電商APP數(shù)據(jù)報(bào)告》等。

當(dāng)然，一個(gè)多維度、立體化、能實(shí)現(xiàn)360度洞察的用戶畫像體系才能最大程度上幫助企業(yè)和開發(fā)者更精準(zhǔn)地洞察用戶需求，為用戶提供更人性化、智能化的服務(wù)。行業(yè)內(nèi)也確實(shí)有進(jìn)行用戶畫像和定制化標(biāo)簽合作的案例，如同“拼積木“一樣，通過數(shù)據(jù)源之間的碰撞，最終”拼湊“出全面、清晰的用戶畫像。 以移動(dòng)互聯(lián)網(wǎng)領(lǐng)域?yàn)槔槍?duì)普通APP開發(fā)者構(gòu)建用戶畫像時(shí)可能會(huì)面臨的APP自有的數(shù)據(jù)體量不夠龐大、數(shù)據(jù)過于垂直，覆蓋面不夠廣、即使有一定的體量，但團(tuán)隊(duì)的數(shù)據(jù)分析能力和建模能力有所欠缺等問題，個(gè)像用自己具有行業(yè)覆蓋廣度的數(shù)據(jù)體量和數(shù)據(jù)建模算法能力，基于雙方各自優(yōu)勢(shì)，為APP開發(fā)者提供定制化標(biāo)簽服務(wù)。

總結(jié)

本文上半部分簡(jiǎn)單講述了用戶畫像的基本概念、應(yīng)用價(jià)值，并以當(dāng)下大數(shù)據(jù)公司為例，闡述了用戶畫像構(gòu)建的實(shí)質(zhì)和核心;下半部分則結(jié)合筆者經(jīng)驗(yàn)，總結(jié)了3個(gè)對(duì)用戶畫像的常見認(rèn)知誤區(qū);從初探到再探，希望能和大家一起加強(qiáng)對(duì)大數(shù)據(jù)領(lǐng)域一些常見概念的理解。后續(xù)，希望能和大家對(duì)用戶畫像在“精細(xì)化運(yùn)營(yíng)”“個(gè)性化推薦”等特定領(lǐng)域的應(yīng)用實(shí)踐一起做更多的探索，敬請(qǐng)期待。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！