一个成熟的用户画像系统，可能由成千上百的标签构成。不过这些标签的生产并非一蹴而就，而是随着业务的发展需要，逐步补充完善，最终呈现出一棵庞大的标签树。
好的标签树结构应该满足两个条件，“高概括性”和“强延展性”。高概括性意味着结构体系能够很好的包含一个用户的基本属性和产品交互的相关行为，同时对于业务重点单独强调，没有遗漏；强延展性意味着结构全面的同时也有一定的抽象概括能力，保证新增的标签可以很好的找到对应的分类，整个体系不会过于收敛局限。
一、组织标签
按照上述“高概括性”和“强延展性”的特征要求，用户画像通常从八个维度组织标签，分别为：基本属性、平台属性、行为属性、产品偏好、兴趣偏好、敏感度、消费属性、用户生命周期。
1.基本属性
基本属性是指一个用户的基本社会属性和变更频率低的平台特征，如性别，地区等。这些标签类型多为直采型，可从用户基本信息表中直接获取，不需要统计或者算法挖掘。
2.平台属性
平台属性是用户在平台上表现出的基本属性特征，是利用用户行为进行算法挖掘，标识用户真实属性的标签。
3.行为属性
行为属性记录的是用户的全部单点行为，用户的单点行为包括启动、登录、浏览、点击、加车、下单等。
4.产品偏好
产品偏好是对用户使用某些产品、产品核心功能或者其他渠道的偏好程度的刻画，属于挖掘型标签，其中产品的选取可以包括自家产品、竞品；功能和渠道包括站内产品功能，也包括push、短信、开屏、弹窗等几大运营和产品法宝。
5.兴趣偏好
兴趣偏好就是对用户和物品之间的关系进行深度刻画的重要标签，其中最典型的要属品牌偏好、类目偏好和标签偏好。
6.敏感度
敏感度代表用户对平台活动或者优惠的敏感程度，也是典型的挖掘类标签。如热点敏感度、折扣敏感度。
7.消费属性
消费属性包括统计型标签——消费频次、消费金额、最近一次消费时间等，也包括挖掘型标签——消费能力和消费意愿，同时包含敏感度标签——优惠促销敏感度、活动敏感度、新品敏感度、爆款敏感度等。
8.用户生命周期
用户生命周期是用户运营的重要法典，一个用户从“进入”产品到“留存”、“离开”等，每个阶段对用户运营存在策略差异，画像在其中的作用是明确标记用户所处生命周期的阶段，便于后续业务落地。
二、构建用户画像
从实际操作角度出发，构建用户画像主要包括数据源分析、目标分析、数据建模等步骤。
1.数据源分析
数据是构建用户画像的核心，也是建立客观、有说服力的画像的重要依据，一般包含宏观和微观两个层面。首先是宏观维度，数据来自于行业数据、用户总体数据、总体浏览数据、总体内容数据等。其次是微观维度，数据包括用户属性数据、用户行为数据、用户成长数据、访问深度、模块化数据、用户参与度数据和用户点击数据等。
对于用户相关数据的分类，引入一种重要的分类思想：封闭性的分类方式。如，世界上分为两种人：一种是学英语的人，一种是不学英语的人；客户分三类：高价值客户，中价值客户，低价值客户；产品生命周期分为：投入期、成长期、成熟期、衰退期……所有的子分类将构成类目空间的全部集合。
这样的分类方式，有助于后续不断枚举并迭代补充遗漏的信息维度。不必担心架构上对每一层分类没有考虑完整造成维度遗漏，留下延展性隐患。
2.目标分析
完成用户画像的基础数据梳理后，根据相应的标准对不同维度的用户数据进行精细化处理，拆分成不同的用户群组和用户标签，对用户进行细分。依据用户属性、用户偏好、消费场景等要素将数据进行处理和区分，最终为每个用户打上标签，以及该标签的权重。
标签，表征了内容，用户对该内容有兴趣、偏好、需求等等。权重，表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度、概率。
3.数据建模方法
一个事件模型包括：时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件，可以详细描述为：什么用户，在什么时间，什么地点，做了什么事。
什么用户：关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。
什么时间：时间包括两个重要信息，时间戳+时间长度。时间戳，为了标识用户行为的时间点，时间长度，为了标识用户在某一页面的停留时间。
什么地点：用户接触点，Touch Point。对于每个用户接触点，潜在包含了两层信息：网址 + 内容。网址可以是PC上某电商网站的页面url，也可以是手机上的微博、微信等应用某个功能页面，某款产品应用的特定画面。内容可以是单品的相关信息。对于每个互联网接触点，网址决定了权重，内容决定了标签。
什么事：用户行为类型，对于电商有如下典型行为：浏览、添加购物车、搜索、评论、购买、点击赞、收藏 等等。
综合上述分析，用户画像的数据模型，可以概括为公式：用户标识 + 时间 + 行为类型 + 接触点（网址+内容），某用户因为在什么时间、地点、做了什么事，所以会打上某标签。
三、用户画像的数据来源
要构建用户画像需要“画材”。用户有什么偏好，属于用户生命周期的哪个阶段，要做什么营销决策，都依赖数据分析，数据中见真章。如何把数据接进来？
以嗨数云SAAS服务平台为例，提供专业的数据接入工具，帮助企业实现用户数据的采集接入。数据埋点SDK满足安卓、ios移动端数据埋点的应用，支持全埋点、业务埋点等埋点方式，结合业务特点，定制符合企业实际需求的埋点方案，实现用户在客户端实时行为数据的采集；批量数据迁移工具满足企业当前各种类型存量业务数据的接入，包括数据库、线下表格、文本数据等；外部数据通过标准api数据接口实现数据的实时传输，将用户相关的全量数据汇集到嗨数云，为企业构建满足业务分数的客户数据管理云平台，避免企业自住搭建的技术成本及硬件成本的支出。
不同域的数据接入后，嗨数云通过ID-Mapping技术，为所有用户配置唯一ID标识，将来自各个业务端、客户端的数据进行关联，建立统一的数据档案，实现业务数据的关联识别，为企业运营人员构建用户画像提供真材实料的“画材”。
热门跟贴