-
什么是用户画像（User Profile）
用户画像是根据用户的社会属性、生活习惯和行为习惯等信息抽象出来的一个标签化的用户模型。构建用户画像概括来讲就是给用户贴标签。
举个例子：
你经常买儿童用品，那么就可能为你贴一个“有孩子”的标签。
用户画像最后呈现的模样就是一堆标签的集合。对于特定方面的用户画像则会给每个标签赋予各自不同的权重以便于做出突出对该特定方面的最有用的主要信息。
-
用户画像的作用
精准营销
分析用户画像，利用短信邮件之类的方式进行精准营销用户统计
统计用户的分布，如年龄段、收入、职业、地区等数据挖掘
例如关联规则，利用用户画像预测用户的行为。进行产品效果评估
类似于市场调研对服务或产品进行私人订制
选取占比多的标签来进行产品研发或服务，这样能让大多数人满意。-
用户画像的构建流程
-
数据收集
社会属性、生活习惯、行为习惯。
一般网络上的数据收集主要有以下四类：
1.网络行为数据：活跃人数、页面浏览量、访问时长、激活率、外部触点、社交数据等。
2.服务内行为数据：浏览路径、页面停留时间、访问深度、唯一页面浏览次数等。
3.用户内容偏好数据：浏览/收藏内容、评论内容、互动内容、生活形态偏好、品牌偏好等用户交易类数据：贡献率、客单价、连带率、回头率、流失率等
收集到的数据可能并不是100%准确的，在后面建模的时候需要注意到。
-
行为建模
对上面收集到的数据进行处理以抽象出用户的信息以便于建立标签，用算法排除掉小概率事件（一般情况）。如信用评价模型计算出用户的信用评分。
-
用户画像基本建立
在上面的行为建模过程中并未完全抽象出标签，需要在这一步将行为建模产生的数据进行处理标签化。关于标签化 ，一般采用多级标签、多级分类，如第一级标签是基本信息（姓名、性别等），第二级标签是消费习惯、用户行为。每一级标签页可能有下属分类，如地址信息里面可能有国家、省份、城市等信息。
-
数据挖掘及相应的可视化分析
在用户画像建立起来以后我们就要发挥它的潜在价值，对用户画像进行数据挖掘来获得我们期望的信息，以便于完成我们的目标。
最后用数据可视化来处理方便理解。
