在互聯(lián)網(wǎng)大數(shù)據(jù)時代，得用戶者得天下。以龐大的用戶數(shù)據(jù)為依托，構(gòu)建出一整套完善的用戶畫像，借助其標簽化、信息化、可視化的屬性，是企業(yè)實現(xiàn)個性化推薦、精準營銷強有力的前提基礎(chǔ)。

可見，深入了解用戶畫像的含義，掌握用戶畫像的搭建方法，顯得尤其重要。

用戶畫像是真實用戶的虛擬模型

關(guān)于“用戶畫像是什么”的問題，最早給出明確定義的是交互設(shè)計之父Alan Cooper，他認為：Persona（用戶畫像）是真實用戶的虛擬代表,是建立在一系列真實數(shù)據(jù)之上的目標用戶模型。

敲黑板，劃重點：真實、數(shù)據(jù)、虛擬。

如果把真實的用戶和虛擬的模型比作隔江相望的兩個平行點，數(shù)據(jù)就是搭建在大江之上，連接起彼此的橋梁。

企業(yè)利用尋找到的目標用戶群，挖掘每一個用戶的人口屬性、行為屬性、社交網(wǎng)絡(luò)、心理特征、興趣愛好等數(shù)據(jù)，經(jīng)過不斷疊加、更新，抽象出完整的信息標簽，組合并搭建出一個立體的用戶虛擬模型，即用戶畫像。

給用戶“打標簽”是用戶畫像最核心的部分。所謂“標簽”，就是濃縮精煉的、帶有特定含義的一系列詞語，用于描述真實的用戶自身帶有的屬性特征，方便企業(yè)做數(shù)據(jù)的統(tǒng)計分析。

出于不同的受眾群體、不同的企業(yè)、不同的目的，給用戶打的標簽往往各有側(cè)重點，應(yīng)該具體問題具體看待。

但是，有些標簽適用于所有情況，應(yīng)該加以理解和掌握。我把常見的標簽分成兩大類別：相對靜止的用戶標簽以及變化中的用戶標簽。

相對應(yīng)的，由靜態(tài)標簽搭建形成的畫像就是2D用戶畫像；由靜態(tài)標簽+動態(tài)標簽構(gòu)建出來的即是3D用戶畫像。

靜態(tài)的用戶信息標簽以及2D用戶畫像

人口屬性標簽是用戶最基礎(chǔ)的信息要素，通常自成標簽，不需要企業(yè)過多建模，它構(gòu)成用戶畫像的基本框架。

人口屬性包括人的自然屬性和社會屬性特征：姓名、性別、年齡、身高、體重、職業(yè)、地域、受教育程度、婚姻、星座、血型……。自然屬性具有先天性，一經(jīng)形成將一直保持著穩(wěn)定不變的狀態(tài)，比如性別、地域、血型；社會屬性則是后天形成的，處于相對穩(wěn)定的狀態(tài)，比如職業(yè)、婚姻。

心理現(xiàn)象包括心理和個性兩大類別，同樣具有先天性和后天性。對于企業(yè)來說，研究用戶的心理現(xiàn)象，特別是需求、動機、價值觀三大方面，可以窺探用戶注冊、使用、購買產(chǎn)品的深層動機；了解用戶對產(chǎn)品的功能、服務(wù)需求是什么；認清目標用戶帶有怎樣的價值觀標簽，是一類什么樣的群體。

具體的心理現(xiàn)象屬性標簽包括但不限于：

來源：“心理現(xiàn)象”百度百科

因為人口屬性和心理現(xiàn)象都帶有先天的性質(zhì)，整體處于穩(wěn)定狀態(tài)，共同組成用戶畫像最表面以及最內(nèi)里的信息素，由此形成穩(wěn)定的2D用戶畫像。

2D用戶畫像

動態(tài)的用戶信息標簽以及3D用戶畫像

網(wǎng)站行為屬性，這里我們主要討論的是用戶在網(wǎng)站內(nèi)外進行的一系列操作行為。常見的行為包括：搜索、瀏覽、注冊、評論、點贊、收藏、打分、加入購物車、購買、使用優(yōu)惠券……。

在不同的時間，不同的場景，這些行為不斷發(fā)生著變化，它們都屬于動態(tài)的信息。企業(yè)通過捕捉用戶的行為數(shù)據(jù)（瀏覽次數(shù)、是否進行深度評論），可以對用戶進行深淺度歸類，區(qū)分活躍/不活躍用戶。

社交網(wǎng)絡(luò)行為，是指發(fā)生在虛擬的社交軟件平臺（微博、微信、論壇、社群、貼吧、twitter、Instagram）上面一系列用戶行為，包括基本的訪問行為（搜索、注冊、登陸等）、社交行為（邀請/添加/取關(guān)好友、加入群、新建群等）、信息發(fā)布行為（添加、發(fā)布、刪除、留言、分享、收藏等）。

給用戶打上不同的行為標簽，可以獲取到大量的網(wǎng)絡(luò)行為數(shù)據(jù)、網(wǎng)站行為數(shù)據(jù)、用戶內(nèi)容偏好數(shù)據(jù)、用戶交易數(shù)據(jù)。這些數(shù)據(jù)進一步填充了用戶信息，與靜態(tài)的標簽一起構(gòu)成完整的立體用戶畫像，就是所說的3D用戶畫像。

3D用戶畫像

用戶畫像的價值

企業(yè)必須在開發(fā)和營銷中解決好用戶需求問題，明確回答“用戶是誰——用戶需要/喜歡什么——哪些渠道可以接觸到用戶——哪些是企業(yè)的種子用戶”。

更了解你，是為了更好的服務(wù)你！可以說，正是企業(yè)對用戶認知的渴求促生了用戶畫像。

用戶畫像是真實用戶的縮影，能夠為企業(yè)帶來不少好處。

指導產(chǎn)品研發(fā)以及優(yōu)化用戶體驗

在過去較為傳統(tǒng)的生產(chǎn)模式中，企業(yè)始終奉行著“生產(chǎn)什么就賣什么給用戶”的原則。這種閉門造車的產(chǎn)品開發(fā)模式，常常會產(chǎn)生“做出來的東西用戶完全不買賬”的情況。

如今，“用戶需要什么企業(yè)就生產(chǎn)什么”成為主流，眾多企業(yè)把用戶真實的需求擺在了最重要的位置。

在用戶需求為導向的產(chǎn)品研發(fā)中，企業(yè)通過獲取到的大量目標用戶數(shù)據(jù)，進行分析、處理、組合，初步搭建用戶畫像，做出用戶喜好、功能需求統(tǒng)計，從而設(shè)計制造更加符合核心需要的新產(chǎn)品，為用戶提供更加良好的體驗和服務(wù)。

實現(xiàn)精準化營銷

精準化營銷具有極強的針對性，是企業(yè)和用戶之間點對點的交互。它不但可以讓營銷變得更加高效，也能為企業(yè)節(jié)約成本。

以做活動為例：商家在做活動時，放棄自有的用戶資源轉(zhuǎn)而選擇外部渠道，換而言之，就是舍棄自家精準的種子用戶而選擇了對其品牌一無所知的活動對象，結(jié)果以超出預算好幾倍的成本獲取到新用戶。

這就是不精準所帶來的資源浪費。

包括我前面所提到的，網(wǎng)購后的商品推薦以及品牌商定時定點的節(jié)日營銷，都是精準營銷的成功示范。

要做到精準營銷，數(shù)據(jù)是最不可缺的存在。以數(shù)據(jù)為基礎(chǔ)，建立用戶畫像，利用標簽，讓系統(tǒng)進行智能分組，獲得不同類型的目標用戶群，針對每一個群體策劃并推送針對性的營銷。

可以做相關(guān)的分類統(tǒng)計

簡單來說，借助用戶畫像的信息標簽，可以計算出諸如“喜歡某類東西的人有多少”、“處在25到30歲年齡段的女性用戶占多少”等等。

便于做相關(guān)的數(shù)據(jù)挖掘

在用戶畫像數(shù)據(jù)的基礎(chǔ)上，通過關(guān)聯(lián)規(guī)則計算，可以由A可以聯(lián)想到B。

沃爾瑪“啤酒和尿布”的故事就是用戶畫像關(guān)聯(lián)規(guī)則分析的典型例子。

資料來源：“關(guān)聯(lián)規(guī)則”百度百科

我們認識到用戶畫像具有的極高價值，下面就來看看該如何搭建用戶畫像。

如何構(gòu)建用戶畫像

用戶畫像準備階段——數(shù)據(jù)的挖掘和收集

對網(wǎng)站、活動頁面進行SDK埋點。即預先設(shè)定好想要獲取的“事件”，讓程序員在前/后端模塊使用Java/Python/PHP/Ruby 語言開發(fā)，撰寫代碼把“事件”埋到相應(yīng)的頁面上，用于追蹤和記錄的用戶的行為，并把實時數(shù)據(jù)傳送到后臺數(shù)據(jù)庫或者客戶端。

所謂“事件”，就是指用戶作用于產(chǎn)品、網(wǎng)站頁面的一系列行為，由數(shù)據(jù)收集方（產(chǎn)品經(jīng)理、運營人員）加以描述，使之成為一個個特定的字段標簽。

我們以“網(wǎng)站購物”為例，為了抓取用戶的人口屬性和行為軌跡，做SDK埋點之前，先預設(shè)用戶購物時的可能行為，包括：訪問首頁、注冊登錄、搜索商品、瀏覽商品、價格對比、加入購物車、收藏商品、提交訂單、支付訂單、使用優(yōu)惠券、查看訂單詳情、取消訂單、商品評價等。

把這些行為用程序語言進行描述，嵌入網(wǎng)頁或者商品頁的相應(yīng)位置，形成觸點，讓用戶在點擊時直接產(chǎn)生網(wǎng)絡(luò)行為數(shù)據(jù)（登陸次數(shù)、訪問時長、激活率、外部觸點、社交數(shù)據(jù)）以及服務(wù)內(nèi)行為數(shù)據(jù)（瀏覽路徑、頁面停留時間、訪問深度、唯一頁面瀏覽次數(shù)等等）。

數(shù)據(jù)反饋到服務(wù)器，被存放于后臺或者客戶端，就是我們所要獲取到的用戶基礎(chǔ)數(shù)據(jù)。

然而，在大多數(shù)時候，利用埋點獲取的基礎(chǔ)數(shù)據(jù)范圍較廣，用戶信息不夠精確，無法做更加細化的分類的情況。比如說，只知道用戶是個男性，而不知道他是哪個年齡段的男性。

在這種情況下，為了得到更加詳細的，具有區(qū)分度的數(shù)據(jù)，我們可以利用A/B test。

A/B test就是指把兩個或者多個不同的產(chǎn)品/活動/獎品等推送給同一個/批人，然后根據(jù)用戶作出的選擇，獲取到進一步的信息數(shù)據(jù)。

為了知道男性用戶是哪個年齡層的，借助A/B test，我們利用抽獎活動，在獎品頁面進行SDK埋點后，分別選了適合20~30歲和30~40歲兩種不同年齡段使用的禮品，最后用戶選擇了前者，于是我們能夠得出：這是一位年齡在20~30歲的男性用戶。

以上就是數(shù)據(jù)的獲取方法。有了相關(guān)的用戶數(shù)據(jù)，我們下一步就是做數(shù)據(jù)分析處理——數(shù)據(jù)建模。

用戶畫像成型階段——數(shù)據(jù)建模

1、定性與定量相結(jié)合的研究方法

定性化研究方法就是確定事物的性質(zhì)，是描述性的；定量化研究方法就是確定對象數(shù)量特征、數(shù)量關(guān)系和數(shù)量變化，是可量化的。

一般來說，定性的方法，在用戶畫像中，表現(xiàn)為對產(chǎn)品、行為、用戶個體的性質(zhì)和特征作出概括，形成對應(yīng)的產(chǎn)品標簽、行為標簽、用戶標簽。

定量的方法，則是在定性的基礎(chǔ)上，給每一個標簽打上特定的權(quán)重，最后通過數(shù)學公式計算得出總的標簽權(quán)重，從而形成完整的用戶模型。

所以說，用戶畫像的數(shù)據(jù)建模是定性與定量的結(jié)合。

2、數(shù)據(jù)建模——給標簽加上權(quán)重

給用戶的行為標簽賦予權(quán)重。

用戶的行為，我們可以用4w表示： WHO（誰）；WHEN（什么時候）；WHERE（在哪里）；WHAT（做了什么），具體分析如下：

 WHO（誰）：定義用戶，明確我們的研究對象。主要是用于做用戶分類，劃分用戶群體。網(wǎng)絡(luò)上的用戶識別，包括但不僅限于用戶注冊的ID、昵稱、手機號、郵箱、身份證、微信微博號等等。

WHEN（時間）：這里的時間包含了時間跨度和時間長度兩個方面。“時間跨度”是以天為單位計算的時長，指某行為發(fā)生到現(xiàn)在間隔了多長時間；“時間長度”則為了標識用戶在某一頁面的停留時間長短。

越早發(fā)生的行為標簽權(quán)重越小，越近期權(quán)重越大，這就是所謂的“時間衰減因子”。

WHERE（在哪里）：就是指用戶發(fā)生行為的接觸點，里面包含有內(nèi)容+網(wǎng)址。內(nèi)容是指用戶作用于的對象標簽，比如小米手機；網(wǎng)址則指用戶行為發(fā)生的具體地點，比如小米官方網(wǎng)站。權(quán)重是加在網(wǎng)址標簽上的，比如買小米手機，在小米官網(wǎng)買權(quán)重計為1,，在京東買計為0.8，在淘寶買計為0.7。

WHAT（做了什么）：就是指的用戶發(fā)生了怎樣的行為，根據(jù)行為的深入程度添加權(quán)重。比如，用戶購買了權(quán)重計為1，用戶收藏了計為0.85，用戶僅僅是瀏覽了計為0.7。

當上面的單個標簽權(quán)重確定下來后，就可以利用標簽權(quán)重公式計算總的用戶標簽權(quán)重：

標簽權(quán)重=時間衰減因子×行為權(quán)重×網(wǎng)址權(quán)重

舉個栗子：A用戶今天在小米官網(wǎng)購買了小米手機；B用戶七天前在京東瀏覽了小米手機。

由此得出單個用戶的標簽權(quán)重，打上“是否忠誠”的標簽。

通過這種方式對多個用戶進行數(shù)據(jù)建模，就能夠更廣的覆蓋目標用戶群，為他們都打上標簽，然后按照標簽分類：總權(quán)重達到0.9以上的被歸為忠實用戶，ta們都購買了該產(chǎn)品……。這樣的一來，企業(yè)和商家就能夠根據(jù)相關(guān)信息進行更加精準的營銷推廣、個性化推薦。

有關(guān)用戶畫像的介紹到此就告一段落了，鑒于自身能力有限，很多地方表達的不到位或者沒有提及，有啥意見或者建議歡迎留言！

 

•END•
標簽：