用户画像是根据用户的社会属性、消费习惯、使用行为等方面抽象出的标签化的用户模型，核心工作就是给用户“贴标签”。本文讲解用户画像构建的方法，相信你会有所收获。

全文共 2103 字 4 图，阅读需要 8 分钟

用户画像≠Persona

用户画像的本质是给用户贴标签。用户画像的英文名称是User Profile，这和大多数设计师都熟悉的 Persona 是两个概念，二者区别如下：

用户画像是根据用户特征、业务场景和用户行为等信息，将典型用户标签化：

  • 用户画像就是构建标签，一个用户画像由多个标签构成

  • 能够帮助企业了解用户，做精准营销

  • 由各种算法和模型将大量的用户数据整理和归类成标签

Persona指用户角色，是一类人群的典型代表：

  • 是根据用户的特点和行为构建的虚拟人物

  • 是一种设计调研的方法，帮助设计师梳理产品设计思路

  • 通常由用户基本特征、喜好、与产品相关的属性描述和图片构成

用户画像的构建方法

用户画像是如何“画”出来的呢？一个用户画像由多个标签组成，标签的构建通常需要经历4个步骤：原始数据收集，提炼事实标签，搭建算法模型&预测标签，输出策略标签：

Step1. 收集原始数据

原始数据来源于用户的静态信息数据和动态信息数据，对于企业或产品而言，数据的内容更多是根据产品自身的需求来收集：

静态信息数据：是指 用户相对稳定的信息数据，如用户的人口属性、社会属性、商业属性等基础信息。这类信息往往自成标签。

动态信息数据： 是指用户不断变化的行为信息，包括用户使用产品时产生的行为数据、偏好数据和交易数据等几个方面。

Step2. 提炼事实标签

事实标签是指通过对数据的清洗和整理后，对原始数据进行统计和分析得到的初步提炼结果：

数据清洗和整理：用于 解决数据空缺、虚假、重复、错误等问题，为了保证后期挖掘的准确性，避免对结果造成影响。

事实标签：是指 用户的明显特征和既定事实提炼出来作为初步的标签，用于找到合适的算法模型，从而产生更准确的用户标签。

Step3. 算法模型 & 预测标签

这一步骤是用户画像构建的核心步骤。为了方便理解，给大家举个简单的例子：

第一步的原始数据收集，就相当于你有一碗杂米，里面有红豆、黑豆、黄豆、大米、小米等等，每粒米都有它的特点。

第二步的提炼事实标签，就是你将这碗杂米按照种类分成几组，每组米的品种、尺寸、颜色就是事实标签。

第三步算法模型 & 预测标签，就相当于你用不同的漏斗或筛子等工具将这些不同的杂米再过一遍筛、分一次组，得到不论是从形状大小还是重量等方面都是自己想要的米，比如直径都是 3mm 且都有祛湿的功效。

产品经理和设计师需要根据已得到的事实标签和产品需求，向算法工程师提出想要获取到的用户分群，以此为目的建立算法模型，用算法输出的标签就是预测标签：

算法模型： 算法模型用于产出用户标签，常见的算法模型有 “随机森林”、“K-Means” 等等。

预测标签： 是事实标签和产品需求经过算法模型运算后得出的用户标签，这类标签就是用户画像的雏形，也就是也是你想要获取到的用户分群的特征。不同产品依据业务属性或目标所得到的标签各不相同，一般会包括“活跃度”、“忠诚度”、“内容偏好”等方面的描述。

Step4. 输出策略标签

策略标签不一定是标签，也可能是一个方法或者设计方案，通常从用户的兴趣点、关注点、潜在需求、签字啊流失风险等几个方面归纳标签，并以此对用户进行精准营销。从上文提到的杂米的例子来看，策略标签就像是对漏斗筛出来的、重新分好组的米给出的适合储藏温度 “15度”、储藏方式 “避免太阳直晒” 等描述，不同组的米依据特性的不同，储藏的温度和方式各不相同。

用户画像构建的整体流程总结如下图：

用户画像的构建原则

用户画像的构建需要遵循以下原则：

1. 数据真实用户画像需要构建在真实的用户数据之上，重复的、虚假的数据在构建用户模型之前就需要去除，非真实用户和真实用户的数据也要根据情况加以区分。

2. 标签语义明确标签的语意和内容传达明确，名称简短精炼，针对产品的特性定义标签，不同的产品用户标签各不相同。还要注意，同一个标签在不同的产品中应用的重要程度也不同，比如电商类产品更关注的“复购率”，在社交类产品中就不那么重要。

3. 低交叉率用户画像中的每一个标签尽可能完整、独立。含义相同的标签要归类、合并。

4. 排列优先级最终用于业务应用的用户画像不要太多，通常最多为三个，产品功能和迭代要以首要用户画像的用户群体为主。

用户画像的意义

构建和应用用户画像通常有以下意义：

用户数据收集与分析用户画像使企业在对用户信息收集和分析的过程中，对用户有更多的了解，比如了解新增的用户有什么特征，核心用户的属性是否变化等等。

精准营销从粗放式到精细化，将用户群体分割成更细的颗粒度，为用户量身定制产品功能，针对不同用户的特征和行为习惯进行推送，提升用户体验，提高转化率。

为产品提供决策依据使产品面向固定用户进行设计和迭代，便于产品功能实现专业化，同时也为产品设计过程中的关键决策提供依据。

典型的用户画像应用案例有：阿里的“千人千面”，不同的用户在使用淘宝过程中所看到的推荐产品各不相同，再比如今日头条的抖音视频和大众点评的推送内容等等。用户画像的应用使流量得到更充分的利用，最大程度的提高转化率。

本文图片及内容参考来源：

https://www.jianshu.com/p/440c30383bec

http://api.woshipm.com/user-research/2856287.html?sf=mobile

文章来源：长弓小子（ID：changgongxiaozi1314）

作者：长弓小子

https://mp.weixin.qq.com/s/NdLdvfaZvlsbTznHGE6d8A