今天研究一下用户画像，主要是以下几个方面的问题：
第一，什么是用户画像？
第二，用户画像的重要性及价值。
第三，用户画像如何建立？
用户画像概念内涵
1.用户画像概念内涵。
用户画像概念最早由交互设计之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真实用户的虚拟代表，是建立在一系列属性数据之上的目标用户模型。
随着互联网的发展，现在我们说的用户画像又包含了新的内涵——通常用户画像是根据用户人口学特征、网络浏览内容、网络社交活动和消费行为等信息而抽象出的一个标签化的用户模型。
具体来说，用户画像是指用户信息标签化，企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美抽象出一个用户的商业全貌，是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础，能够帮企业快速找到精准用户群体及用户需求等更为广泛的反馈信息。
构建用户画像的核心工作，主要是利用存储在服务器上的海量日志和数据库里的大量数据进行分析和挖掘，给用户贴“标签”，而“标签”是能表示用户某一维度特征的标识。
消费能力指用户购买力，如果做得足够细致，可以把用户实际消费水平和在每个类目的心理消费水平区分开，分别建立特征纬度。
另外还可以加上用户的环境属性，比如当前时间、访问地点LBS特征、当地天气、节假日情况等。
2.用户画像八要素。
做产品怎么做用户画像，用户画像是真实用户的虚拟代表，首先它是基于真实的，它不是一个具体的人，另外一个是根据目标的行为观点的差异区分为不同类型，迅速组织在一起，然后把新得出的类型提炼出来，形成一个类型的用户画像。一个产品大概需要4-8种类型的用户画像。
用户画像PERSONAL八要素：
P代表基本性(Primary)：指该用户角色是否基于对真实用户的情景访谈。
E代表同理性(Empathy)：指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否有同理心。
R代表真实性(Realistic)：指对那些每天与顾客打交道的人来说，用户角色是否看起来像真实人物。
S代表独特性(Singular)：每个用户是否是独特的，彼此很少有相似性。
O代表目标性(Objectives)：该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标。
N代表数量性(Number)：用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，以及其中的一个主要用户角色。
A代表应用性(Applicable)：设计团队是否能使用用户角色作为一种实用工具进行设计决策。
L代表长久性(Long)：用户标签长久性。
用户画像重要性及价值
1.用户画像重要性。
用户画像目的是为精准定位目标群体及他们的特征。它为各方面工作展开提供方向，大到营销推广战略制定、内容平台选择考量；小到如何写一篇文章及如何回复他们的留言。
用户画像不是简单的消费者分类，而是一个具体的用户形象。这意味着我们不会用年龄范围之类的抽象特征来描述它，而是用具体的年龄或其它具体的特征来刻画这个形象。
通过建立用户画像，即一个真实用户的形象，我们可以与消费者产生共情，设身处地地去思考用户需求。此外，在与利益相关者沟通时，也可以通过这样一个真实的用户形象，来保证我们更容易达成共识。
2.用户画像的价值体现。
第一，指导产品研发以及优化用户体验。
在过去传统生产模式中，企业奉行着“生产什么就卖什么给用户”的原则。这种闭门造车的产品开发模式，常常会产生“做出来的东西用户完全不买账”的情况。如今，“用户需要什么企业就生产什么”成为主流，众多企业把用户真实的需求摆在了最重要的位置。
在用户需求为导向的产品研发中，企业通过获取大量目标用户数据，进行分析、处理、组合，初步搭建用户画像，做出用户喜好、功能需求统计，从而设计制造更加符合核心需要的新产品，为用户提供更加良好的体验和服务。
第二，实现精准营销。
精准营销具有极强的针对性，是企业和用户之间点对点的交互。它不但可以让营销变得更加高效，也能为企业节约成本。要做到精准营销，数据是最不可缺的存在。以数据为基础，建立用户画像，利用标签，让系统进行智能分组，获得不同类型目标用户群，针对每一个群体策划并推送针对性营销。
第三，有助于相关分类统计开展。
简单来说，借助用户画像的信息标签，可以计算出诸如“喜欢某类东西的人有多少”、“处在25到30岁年龄段的女性用户占多少”等。
第四，便于相关数据挖掘。
在用户画像数据的基础上，通过关联规则计算，可以由A可以联想到B。
用户画像如何建立？
步骤一：数据收集与处理。
数据收集大致分为网络行为数据、服务内行为数据、用户内容偏好数据、用户交易数据这四类。
网络行为数据：活跃人数、页面浏览量、访问时长、激活率、外部触点及社交数据等。
服务内行为数据：浏览路径、页面停留时间、访问深度及唯一页面浏览次数等。
用户内容偏好数据：浏览或收藏内容、评论内容、互动内容、生活形态偏好、品牌偏好等。
用户交易数据（交易类服务）：贡献率、客单价、连带率、回头率、流失率等。
当然，收集到的数据不会是100%准确，都具有不确定性，这就需要在后面的阶段中建模来再判断，比如某用户在性别一栏填的男，但通过其行为偏好可判断其性别为“女”的概率为80%。
步骤二，给用户贴标签。
给用户“贴标签”是用户画像最核心的部分。所谓“标签”，就是浓缩精炼的、带有特定含义的一系列词语，用于描述真实的用户自身带有的属性特征，方便企业做数据的统计分析。
出于不同受众群体、不同企业、不同目的，给用户打的标签往往各有侧重点，应该具体问题具体看待。但是，有些标签适用于所有情况，应该加以理解和掌握。
常见标签分成两大类别：相对静止的用户标签以及变化中的用户标签。相对应的，由静态标签搭建形成的画像就是2D用户画像;由静态标签 动态标签构建出来的即是3D用户画像。还得一提的是，储存用户行为数据时最好同时储存下发生该行为的场景，以便更好地进行数据分析。
1.静态的用户信息标签以及2D用户画像。
人口属性标签是用户最基础的信息要素，通常自成标签，不需要企业过多建模，它构成用户画像的基本框架。
人口属性包括人的自然属性和社会属性特征：姓名、性别、年龄、身高、体重、职业、地域、受教育程度、婚姻、星座及血型等。
自然属性具有先天性，一经形成将一直保持着稳定不变的状态，比如性别、地域、血型;社会属性则是后天形成的，处于相对稳定的状态，比如职业、婚姻。心理现象包括心理和个性两大类别，同样具有先天性和后天性。
对于企业来说，研究用户心理现象，特别是需求、动机、价值观三大方面，可以窥探用户注册、使用、购买产品的深层动机;了解用户对产品的功能、服务需求是什么;认清目标用户带有怎样的价值观标签，是一类什么样的群体。
因为人口属性和心理现象都带有先天的性质，整体处于稳定状态，共同组成用户画像最表面以及最内里的信息素，由此形成稳定的2D用户画像。
2. 动态用户信息标签及3D用户画像。
给用户打上不同行为标签，可以获取到大量网络行为数据、网站行为数据、用户内容偏好数据、用户交易数据。这些数据进一步填充了用户信息，与静态的标签一起构成完整的立体用户画像，就是所说的3D用户画像。
步骤三，绘制用户画像。
这里需要结合两种分析方法。
1.定性与定量相结合的研究方法。
定性化研究方法就是确定事物性质，是描述性的；定量化研究方法就是确定对象数量特征、数量关系和数量变化，是可量化的。
一般来说，定性方法，在用户画像中，表现为对产品、行为、用户个体的性质和特征作出概括，形成对应的产品标签、行为标签、用户标签。
定量方法，则是在定性的基础上，给每一个标签打上特定的权重，最后通过数学公式计算得出总的标签权重，从而形成完整的用户模型。
所以说，用户画像的数据建模是定性与定量的结合。
2.数据建模——给标签加上权重。
给用户的行为标签赋予权重。用户的行为，我们可以用4w表示：WHO(谁);WHEN(什么时候);WHERE(在哪里);WHAT(做了什么)，具体分析如下：
WHEN(时间)：这里的时间包含了时间跨度和时间长度两个方面。“时间跨度”是以天为单位计算的时长，指某行为发生到现在间隔了多长时间;“时间长度”则为了标识用户在某一页面的停留时间长短。越早发生的行为标签权重越小，越近期权重越大，这就是所谓的“时间衰减因子”。
WHERE(在哪里)：就是指用户发生行为的接触点，里面包含有内容 网址。内容是指用户作用于的对象标签，比如小米手机;网址则指用户行为发生的具体地点，比如小米官方网站。权重是加在网址标签上的，比如买小米手机，在小米官网买权重计为1,，在京东买计为0.8，在淘宝买计为0.7。
WHAT(做了什么)：就是指的用户发生了怎样的行为，根据行为的深入程度添加权重。比如，用户购买了权重计为1，用户收藏了计为0.85，用户仅仅是浏览了计为0.7。
当上面的单个标签权重确定下来后，就可以利用标签权重公式计算总的用户标签权重：标签权重=时间衰减因子×行为权重×网址权重。
推荐阅读
移动阅读的“可读”与“可悦”
“可知”正版电子书平台 专家研讨会西安站
“可知”平台安徽站发布会成功举办
“可知”平台上海研讨会顺利召开
“可知”平台发布会在清华大学成功举办
中新金桥获评首批ISLI国家标准产业单位
ISLI在知识服务中的应用研究
深圳文博会开幕 中新金桥众产品脱颖而出
中国数字出版博览会中新金桥荣获“创新企业”奖
中新金桥总经理荣获“出版广电行业领军人才”
