一、什么是用户画像？
用户画像可以简单理解成是海量数据的标签，根据用户的属性、行为和观点的差异，将他们区分为不同的类型，然后从每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型 (personas)。
二、为什么要做用户画像？
其意义大体上表现在一下几个方面：
1 精准营销，分析产品潜在用户，针对特定群体利用短信邮件等方式进行营销
2 用户统计，比如中国城市上班族购买书籍类型人数 TOP10；
3 数据挖掘，构建智能推荐系统，利用关联规则计算，喜欢红酒的人通常喜欢什么运 动品牌，利用聚类算法分析，喜欢红酒的人年龄段分布情况
4 进行效果评估，完善运营，提高服务质量
5 对服务或者产品进行私人订制，个性化服务某一类群体甚至每一位用户（未来趋势）。
6 业务经营分析以及竞争分析，制定企业发展战略。
三、用户画像呈现
（一）用户静态画像（以数据分析从业者数据为例）
此部分数据来源于静态信息数据：
Ø 用户填写的个人资料，或者由此通过一定的算法，计算出来的数据
Ø 如果有不确定的，可以建立模型来判断，比如用户的性别注册没有填写，可以建立模型，根据用户的行为来判断用户性别是什么，或者它的概率
（二）用户行为画像（以电商用户行为数据为例）
此部分数据来源于动态信息数据：
Ø 用户行为产生的数据：注册、游览、点击、购买、签收、评价、收藏等等。
Ø 用户比较重要的行为数据：游览商品，收藏商品、加入购物车、关注商品
根据这些行为特性可以计算出：用户注册时间、首单时间、潮妈族、纠结商品、最大消费、订单数量、退货数量、败家指数、偏好等等，后续可以根据用户的行为与消费习惯，预测商品的发展的趋势，提高产品质量，同时提高用户满意度。
（三）结合用户静态和动态行为画像（图片来源于网络）
在电商领域中，京东、阿里这些以TB计的高质量、多维度数据记录着用户大量的网络行为，用户画像就是对这些数据的分析而得到的用户基本属性、购买能力、行为特征、社交网络、心理特征和兴趣爱好等方面的标签模型，从而指导并驱动业务场景和运营，发现和把握在海量用户中的巨大商机。
- 基本属性：即性别、职业、月收入、有无车等标签，通过用户注册信息和多维建模获得；
- 购买能力：即败家指数、潮妈族、消费水平等标签，通过消费金额、下单频度、消费周期等数据分析建模获得；
- 行为特征：即活跃程度、购物类型、起居时间等标签，通过分析浏览、点击、下单等数据获得；
- 社交网络：即社交关系网、公司关系网等标签，通过收货地址、活动地址等信息来判断；
- 心理特征：即促销敏感度、购物忠诚度等标签，通过代金券使用频度、购买单品类的品牌分布等数据判断；
- 兴趣爱好：即运动偏好、品牌偏好、爱打扮、颜色偏好等标签，通过购买的商品、颜色、品牌等信息判断。
四、如何实现互联网用户画像？（艾瑞-用户画像关键示例）
Step1：准确识别用户
微博/微信/QQ等第三方登录成企业识别用户的折中选择
用户识别的目的是为了区分用户、单点定位。用户识别的方式有很多种，如cookie、注册ID、邮箱、微信/微博/QQ等第三方登录、手机号等，这些都是互联网用户相对于传统线下渠道所特有的身份标识，其中手机号是目前移动端最为准确的用户标识，但随着用户的注册意愿越来越低，微博/微信/QQ等第三方登录成为越来越多企业的折中选择。
Step2：动态跟踪用户行为轨迹
三大维度：场景+媒体+路径
动态行为数据可以确认用户不同场景下的不同访问轨迹，助力广告主跨端控频营销。
用户网络行为动态跟踪主要包括三个维度：场景+媒体+路径，应用到互联网中，场景主要包括访问设备、访问时段，媒体指某一时段下用户具体访问的媒体，如资讯类、视频类、游戏类、社交类等，路径指用户进入和离开某媒体的路径，可以简单理解为用户的站内与站外行为，如是通过搜索导航进入还是直接打开该APP，离开时是站内跳转到其他网页还是直接关闭，一方面有助于媒体自身优化流量运营，另一方面帮助广告主有效控制不同页面的投放频次，避免产生用户倦怠。
Step3：结合静态数据评估用户价值
五大维度：人口属性+商业属性+消费特征+生活形态+CRM
静态数据获取后，需要对人群进行因子和聚类分析，不同的目的分类依据不同：如对于产品设计来说，按照使用动机或使用行为划分是最为常见的方式，而对于营销类媒体来说，依据消费形态来区分人群是最为直接的分类方式。
静态数据主要包括用户的人口属性、商业属性、消费特征、生活形态、CRM五大维度，其获取方式存在多种，数据挖掘是最为常见也是较为精准的一种方式，如果数据有限，则需要定性与定量结合补充，定性方法如小组座谈会、用户深访、日志法、Laddering 阶梯法、透射法等，主要是通过开放性的问题潜入用户真实的心理需求，具象用户特征，定量更多是通过定量问卷调研的方式进行，关键在于后期定量数据的建模与分析，目的是通过封闭性问题一方面对定性假设进行验证，另一方面获取市场的用户分布规律。
Step4：用户标签定义与权重
从繁杂的数据中抽取共同的特征值
根据特征值对群体进行定义，有助于广告主一目了然掌握该群体的特性，如“时尚小咖”，可以快速的联想到针对这类人，时尚感至关重要，即产品的设计感、外观等，并且小咖两字表明该类人并不盲目追求潮流，他们有自己的审美观，并且能够影响身边的人。
同时，一个群体会有多个标签，不同的群体之间也会有标签的重合，此时标签的权重反映了不同群体的核心特征。如“时尚小咖”和“科技先锋”两类人群中都有女性标签，此时需要比较女性在不同人群中的标签权重，以决定将该标签解读给哪类群体。通常，一个好的用户画像，不同人群之间的标签重合度较小，只有在那些权重较小的标签上会有些许重合。
Step5：不同人群优先级排列
根据企业自身情况排列不同组合
目前，大部分画像只完成上述4步就结束了，然而最后一步决定了最终效果的落地，对于广告主来说可以理解为媒介的组合策略。组合策略可以按照频率的高低、市场的大小、收益的潜力、竞争优势等，根据企业自身情况排列不同组合。
如：品牌刚刚建立，需要快速提升知名度，可以按照不同媒体目标人群覆盖率的高低进行预算分配；当品牌具备一定知名度，企业核心领域营收处于快速增长期时，可以按照不同媒体目标人群贡献的市场大小进行分配；当企业想开拓新市场时，可以按照不同媒体目标人群的收益潜力进行分配，另外如企业品牌需增强差异化的竞争优势时，可按照不同媒体目标人群的竞争优势进行投放。
五、客户画像的定义、逻辑分层、技术探索案例
六、关键难题
1、根据业务建立多维度画像和标签体系
2、实时采集用户多维度数据
3、用户海量数据挖掘建模等
