问：真的是人人都看得懂的电商用户画像?
汪：其实，还包括非人类，如：运营喵，程序猿，射鸡狮……
上图的2个描述即是一个典型的用户画像案例。（吼，怎么有种强行配CP的即时感~）
一、什么是用户画像？
“Persona”的概念最早是由“交互设计之父” Alan Cooper提出,他认为 “Personas are a concrete representation of target users.” 即用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上形成的目标用户模型。
简而言之，用户画像其实就是“用户信息标签化”的梳理，结合产品业务的需要，给不同群体的用户特征贴上合适的标签。
从电商产品的角度看，通过分析用户的个人基本信息以及在使用产品过程中的行为轨迹如：浏览、点赞、加入购物车、下单、使用支付方式等等，用标签把用户的典型特征描述出来，提炼以下用户信息卡片：
1、基本属性
往往在注册时引导获取，如手机号码、性别、年龄、教育程度、所属地区等等
2、行为特征
通过分析浏览、购买行为，例如收藏母婴店铺、多次参加母婴专场满减活动等等，可以判断这是一个新晋父母，对优惠活动敏感度强；
3、购买能力
通过分析用户的订单金额和次数，购买品牌偏好，推算出其客单价、用户是否是高端中户、购买频次、是活跃用户还是沉睡用户等等；
4、社交特征
分析商品分享给好友的频次、收货人电话和地址的数量，可以研究该用户的社交情况；
5、心理特征
分析用户参加促销活动的频次，优惠券消耗的情况、同一品牌、店铺的复购率等维度，可以推算用户对大促的敏感度，对平台或者品牌的忠诚度；
6、兴趣爱好特征
用户浏览、收藏、关注店铺的类型，加入购物车、提交订单的商品类别，可以分析出用户对某些品牌、品类的偏好度，从而进行某个品类的专场营销活动。
举个栗子：
挨踢宅男小马哥关注了66家动漫手办店铺，他的用户标签可能是“动漫达人”，如果平台或商家有动漫周边大促的活动上线，会优先将活动信息推送给这类的目标用户。
常见电商用户标签：动漫达人、数码发烧友、潮妈、游戏奶爸、单身贵族、家庭用户、持家党、尝鲜党、败家党
二、为什么需要用户画像？
正如“一千个人心中有一千个哈姆雷特” ，用户对产品的需求存在差异性和冲突性，不同的用户对产品的类型、内容偏好，营销敏感度的反响都存在偏差。
该如何决策和取舍呢？
“用户画像”通过算法、用户模型，提炼用户群体的典型标签， 一方面可以让团队成员在产品需求设计的过程中能够相对客观、合理地将注意力在目标用户群的动机和行为上进行产品设计；另一方面也助力于提升营销推广的精准度，提高信息获取的效率，促成产品需求优先级的决策。
用户画像在产品设计、运营决策中的价值体现在哪些方面？
1、精准营销
例如：应用push、短信、邮件、个性化专题展示，提高用户购买转化率。（终于为败家指数越发上升找到一个完美的借口~）
2、用户的统计
如，地域分布、购买时段、品牌偏好、用户价值大小统计
3、分类统计
如：喜欢上简书的用户有多少？喜欢上简书的人群中，男、女比例和年龄分段是怎么样的？单身的有多少呀？（怎么感觉在操心用户的终身大事org）
4、数据挖掘
特征、行为关联规则，如：商品搭配购买、关联购买，推荐购买，贴心为用户推荐符合其口味的品类，沉浸在“买买买”的愉快体验中。（真是毫不设防啊……）
三、如何构建用户画像
构建用户画像是为了还原用户信息，确保信息的客观真实性，因此有一个大原则必须遵循：数据来源于所有用户相关的真实数据。
构建用户画像的过程可以归结为以下三步：
1、数据采集：
主要包括用户网络行为数据、网站内行为数据、用户内容偏好数据、用户交易数据；
2、行为建模
通过对采集数据的处理，进行行为建模，以抽象出用户的标签，通过数学算法模型尽可能地排除用户的偶然行为。涉及的技术点：文本挖掘、自然语言处理、机器学习、预测算法以及聚类算法。（Ho~程序猿GG的亮技能的时刻来了）
在此阶段，需要结合用户模型来给用户贴标签，如：
a.用户忠诚度模型
通过判断＋聚类算法判断用户的忠诚度
b.身高体型模型
根据用户购买服装鞋帽等用品判断
c.用户价值模型
判断用户对于网站的价值，筛选不同维度用户来进行针对性推广，对提高用户留存率非常有用
d．用户汽车模型
根据用户对“汽车”话题的关注或购买相关产品的情况来判断用户是否有车、是否准备买车，进而推送汽车相关的商品，甚至保险服务；
此外，还有流失用户模型、数码用户模型、优惠敏感用户模型等等。
3、初步构建画像
通过记录、抓取用户的基本属性、购买能力、行为特征、兴趣爱好、社交网络等数据进行分析，创建、具体化用户画像。
用户画像有其自身的特性和局限性，例如无法100%地描述一个人，且具有时效性，因此，需要根据用户画像的基础数据持续更新和修正，同时要善于从已知数据中具象化出新的标签使用户画像越来越鲜活立体，发挥其参考指引价值。
不同的公司、团队获取数据、提炼用户特征方式均有所不同，大的公司会自建数据分析系统以及有强大的用研和数据分析团队支撑，而稍小一些的公司更多借力于第三方平台提取数据或开展细分用户群的用户调研工作。
四、小结
1、 用户画像一定要建立在真实的数据源基础上，否则可能会导致产品、运营的一系列方向决策错误；
2、团队成员对用户画像的认知和认同不容小觑，应该在项目的不同阶段都尽量让团队成员参与进来；
3、用户画像具有时效性，必须阶段性地更新修正，定期更新数据分析时间周期和方向维度，以及时了解市场和用户的变化趋势，保持用户画像的市场适用性。
4、不要神化用户画像的作用和意义，甚至许多公司产品对这块的研究还是缺失的。正确合理的用户画像可以更好地促进公司产品发展以及更好地辅助产品方向决策。
参考素材：
1、易观智库：大数据下的用户分析及用户画像
2、邱胜昌老师慕课网：电商大数据应用之用户画像
3、杨步涛：基于用户画像的大数据挖掘实践
