用戶畫像是一個挺新穎的詞，最初它是大數據行業言必及之的時髦概念。現在我們運營談及用戶畫像，它也是和精準營銷、精細化運營直接鉤掛的。

作者：王小默，公眾號：小默日歷

用戶畫像介紹

什么是用戶畫像？

從中文概念來講，用戶畫像與用戶角色非常相近，是用來勾畫用戶（用戶背景、特征、性格標簽、行為場景等）和聯系用戶需求與產品設計的。

簡單來將，就是想要在通過從海量用戶行為數據中煉銀挖金。它根據用戶在互聯網留下的種種數據，主動或被動地收集，然后盡可能全面細致地抽出一個用戶的信息全貌，從而幫助解決如何把數據轉化為商業價值的問題。比如：猜用戶是男是女，哪里人，工資多少，有沒有談戀愛，喜歡什么，準備剁手購物嗎？

而從英文概念角度，用戶畫像（User Portrait）、用戶角色（User Persona）、用戶屬性（User Profile）這三個概念其實都是各有側重和容易混淆的。

用戶角色更傾向于業務系統中不同用戶的角色區分。例如：學校教務管理系統、老師審核、設置選課、學生查看選課和成績。那么老師、學生就是不同的用戶角色。

用戶畫像更傾向于對同一類用戶進行不同維度的刻畫。例如：對同一個電商的買家進行用戶畫像設計，就是將買家進一步細分和具象，如閑逛型用戶、收藏型用戶、比價型用戶、購買型用戶等。

用戶屬性則更傾向于對屬性層面的刻畫和描述，特別是基本屬性的內涵居多，包括性別、年齡、地域等。

根據以上的講解，我們就知道，用戶畫像近似等同于用戶角色，統一稱為中文概念的用戶畫像，而用戶屬性則是用戶畫像的子集。

用戶畫像分類

1. 虛擬用戶畫像

可能你不知道的是，用戶畫像其實是分為兩種的。早期的用戶畫像和上面的描述有所不同，它是通過對用戶多方面信息的調研和了解，將多種信息分類聚合，產出幾個有典型特征和氣質的虛擬用戶。

此種的用戶畫像沒有數據的參與構建，自然粒度也就比較粗，只是用虛擬的用戶畫像代表真實的用戶。

比如，用戶畫像會用如下的文檔描述：

2. 數據用戶畫像

畫虎畫皮難畫骨，知人知面不知心。通過“虛擬用戶畫像”我們可以定義用戶的性別、年齡等這些表面的基本特征，如若想要深入了解核心層面的東西，非數據用戶畫像不可。

這種用戶畫像是隨著互聯網的不斷發展，積累的用戶信息、行為記錄越來越豐富，同時大數據處理和分析技術也已成熟，可以計算出每一個用戶的特征。特征是從人口基本屬性、社會屬性、生活習慣、消費行為等信息抽象出來的一個個具體的標簽表示，標簽是某一用戶特征的符號化表示。

為每個用戶計算用戶畫像，這樣更加貼近真實的世界，每個人都是獨一無二，不能隨隨便便被其他人代表，用戶畫像精準到人。

用戶畫像用標簽集合來表示，例如：

王某，男， 33 歲，河南人，北京工作，銀行業，投資顧問，年收入 50 萬，已婚，兩套房，有孩子，喜歡社交，不愛運動，喝白酒，消費力強等。

基礎信息可以通過用戶的注冊信息獲得，但像是否有孩子、喜歡社交、喝白酒、消費能力等級等，用戶不會告訴我們，需要建立數據模型才能計算出來。

當然，用戶標簽的體系是需要根據業務領域去設計的，比如：銀行和電商用戶標簽體系就會不同。

數據用戶畫像的用途

（1）精準營銷

這是運營最熟悉的玩法，從粗放式到精細化，將用戶群體切割成更細的粒度，輔以短信、推送、郵件、活動等手段，驅以關懷、挽回、激勵等策略。這樣就避免了全量投放造成的浪費，而且可以針對某次活動的拉新用戶進行分析，評估活動效果，看是否和預期相符。

（2）數據應用

用戶畫像是很多數據產品的基礎，諸如耳熟能詳的推薦系統廣告系統。操作過各大廣告投放系統的同學想必都清楚，廣告投放基于一系列人口統計相關的標簽，性別、年齡、學歷、興趣偏好、手機等等。

比如：電商網站為準媽媽推薦嬰兒用品，為攝影愛好者推薦鏡頭。在個性化推薦中，計算出用戶標簽是其中一環，還需要有協同過濾等推薦算法實現物品的推薦。

精準廣告可以根據年齡、區域、人群、天氣、游戲愛好、內容偏好、購物行為、搜索行為等定向選擇進行投放。例如騰訊的廣點通，支持用戶在微信、QQ精準投放。

（3）數據分析

這個就不用多提了，用戶畫像可以理解為業務層面的數據倉庫，各類標簽是多維分析的天然要素，數據查詢平臺會和這些數據打通。

（4）產品設計

產品方面，它用于輔助產品設計，評價需求是否有價值。把用戶進行分群，依據不同用戶群特性就行產品設計和測試驗證，別讓產品偏離核心用戶的需求。

（5）匹配度判斷

查看某次市場推廣的用戶畫像，事后分析是否和預期一致，判斷推廣渠道和產品目標用戶群的匹配度。

（6）用戶分析

產品早期，PM們通過用戶調研和訪談的形式了解用戶。在產品用戶量擴大后，調研的效用降低，這時候會輔以用戶畫像配合研究。新增的用戶有什么特征，核心用戶的屬性是否變化等等。

看來用戶畫像的用途還是蠻多的！真的是這樣嗎？

其實對大部分產品，用戶畫像用不到推薦系統，個性化推薦也提高不了幾個利潤，畢竟它需要大量的用戶和數據作支撐。所以這些產品，更適合以用戶畫像為基礎去驅動業務。而且有些時候即使有大量的數據和用戶作支撐，有些公司也依然對畫像不感冒，為什么呢？

傷不起的用戶畫像

不少公司，花了一大筆錢招了不少人建設用戶畫像系統，結果用不起來。或者做了一份用戶畫像的報告，性別用戶地理位置用戶消費金額，看上去挺高大上的，看完也就看完了。

歸根結底，難以用好。很多用戶畫像初衷是好的，但是淪為了形式主義。

比如：有的公司建立用戶畫像劃分了百來個維度，用戶消費、屬性、行為無所不包。本來這不錯啊，但是上線后運營看著這個干瞪眼！為何？

問題包含但不限于：用戶有那么多維度，怎么合理地選擇標簽？我想定義用戶的層級，VIP用戶應該累積消費金額超過多少？是在什么時間窗口內？為什么選擇這幾個標準？后續應該怎么維護和監控？業務發生變化了這個標簽要不要改？

設立好標簽，怎么驗證用戶畫像的有效性？我怎么知道這套系統成功了呢？效果不佳怎么辦？它有沒有更多的應用場景？

另外，策略的執行也是一個糾結的問題。從崗位的執行看，運營背負著KPI。當月底KPI完不成時，你覺得他們更喜歡選擇全量運營，還是精細化運營呢?

不少公司都存在這樣類似情況：使用過用戶畫像一段時間后，發現也就那么一回事，也就漸漸不再使用。

這是用戶畫像在業務層面遇到老大難的問題。雖然企業自稱建立用戶畫像，應用還是挺粗糙的。

那么用戶畫像到底應該如何正確使用呢？我們下一講來說這個問題！