用户画像概述

用户画像就是使用产品的用户形象，通过描述用户与产品有关联的相关属性特征，例如外貌特征、工作职业、使用习惯、行为偏好、等的用户信息。建立用户画像也就是给用户在这些用户信息打上“标签”。

例如：

用户A、男、20-30岁、短发、籍贯江西、常住地址上海、160-170cm、70-80kg、未婚、白领职员、地铁出行、早出晚归、周日单休、使用电脑上班、坐着上班、

用户B、女、20-30岁、长发、籍贯湖南、常住地址深圳、150-160cm、40-50kg、未婚、辅导班教师、地铁出行、早出晚归、周一周二双休、不用电脑上班、站着上班、

这时对用户画像有一个大致的理解了，那么为什么建设这种用户画像呢？

在互联网进入大数据时代，企业在经营中产生了海量的数据，此时需要将大量的原始数据中的挖掘出有用的数据，可以利用这些数据进行分析和评估，发现经营中的一些问题，减少经营中浪费，更加精准地营销客户，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基础。

并且还可以通过用户画像的挖掘，甄别出高风险的用户，帮助企业风险控制。

还可以划分不同的用户群体，进行更加精准的需求分析与挖掘。

根据不同企业的业务，定义业务上需要关注的标签，例如：用户的性别、年龄、收入情况、消费档次等等，都可以指导业务帮助决策。

定义标签有三种方式：

1、统计标签

所有可以统计的数据量，例如：下单数，7天内登录次数，停留时长；

根据业务场景，达到一定的数量可以定义对应的规则，

例如：

下单数超过了100单，就定义为“忠实用户”，给他打上标签，对他进行推荐、营销。

7天内登录次数超过了70次，定义为“活跃用户”。

2、规则标签

基于一定用户行为、数量对比，再结合业务确定一下个规则，达到这个规则就打上这种标签。

例如：

一个用户点击“女妆类”、“女妆类”、“女鞋”、“女性内衣”的商品次数一***超过30次，同时收藏数超过了10，那么就定义该用户为“女性”。

3、挖掘标签

根据某些属性或某些行为进行预判

例如：连续三年的1月份，前三周都会有大量的订单需求，那么暂且判定，第四年也会出现这种情况。

接下来会学习和研究用户画像的标签开发流程，标签存在的数据结构，如何落地等等方面。