用户画像 · 语雀

[kemistep]

内容来源：B 站，超仔老师

**用户画像的由来：**互联网大数据时代，消费者的一切行为都是 “可视化” 的。企业聚焦于怎样利用大数据来精准营销，挖掘潜在的商业价值，于是 “用户画像” 的概念也就应运而生。

**什么是用户画像：**最早给出明确定义的是交互设计之父 Alan Cooper，他认为：Persona(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的目标用户模型。

用户画像即用户信息标签化，就是根据用户社会属性、生活习惯和消费行为等信息抽象出的标签化用户模型。

用户画像的作用： 了解用户；专注用户；提高效率；精准营销。

**1. 了解用户：**做产品需要明确回答几个关键性的问题：“用户是谁？用户需要 / 喜欢什么？用户在哪？

  这就促成了企业对用户认知的渴求。用户画像是真实用户的缩影，能够让企业了解用户。

**2. 专注用户：**用户画像可以使产品的服务对象更加聚焦，更加专注，也可以在一定程度上避免产品设计人员草率的代表用户，也避免 YY 用户需求。

**3. 提高效率：**用户画像还可以提高决策效率。在产品设计流程中，产品方案之间的分歧难以避免，而通过用户画像来明确目标用户，可以判断出更符合用户需求的产品方案。

**4. 精准营销：**根据产品特点，找到目标用户，在用户偏好的渠道上与其交互，促成购买，实现精准运营和营销。

**1. 真实数据：**用户画像必须建立在真实的数据之上。比如你的理财产品的注册用户有很多垃圾用户，都不怎么投资，这个时候你做用户画像的时候就要把这部分人群给去掉。

**2. 标签化：**所谓标签化，是指按产品需要，给不同的用户特征贴上合适的标签。如：性别标签 “男、女”、地域标签“北京” 等等。

标签呈现出两个重要特征：

一是语义化，即每个人都能很方便地理解每个标签的含义。

二是短文本，每个标签通常只表示一种含义，标签本身无需再做过多的文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。

标签的维度需要按产品和业务需要进行划分，不同的产品会制定出不同的标签，哪怕是同一个标签在不同产品中的重要度也大不相同。

标签化实例：购买力

“购买力” 标签在电商产品、教育产品、纯工具产品用户画像中的重要程度完全不一样，在电商产品中是个除了基本特征之外最重要的指标，但是在纯工具产品中可能完全不需要统计。

**3. 低交叉率：**聚合画像一定要注意低交叉率的原则，即确保绘制的用户画像完整性和独立性。完整性保证囊括尽可能大的用户群体，独立性又保证了囊括的群体没有重叠。

低交叉率实例：学历年龄的影响

例如两组画像除了教育程度和年龄其余标签几乎一致，那就可以初步理解为目标用户中，不同教育程度或者不同年龄跨度的用户对产品需求是相当一致的，可以将二者合并为一个画像，同时弱化教育程度和年龄的差异。

**4. 优先级：**一个产品的用户画像不能超过三个，当有多个用户画像时，需要考虑优先级，否则产品设计时会无所适从。

产品设计的时候首先考虑满足首要用户画像，在不冲突的情况下满足次要用户画像，当一个产品非常复杂，在设计某个模块的时候，也要考虑用户画像的优先级。

案例：电商网站的产品设计

购物网站某一频道是为女性设计的，就要站在女性的视角，从颜色、排版角度要考虑偏女性化，而另一频道是为男性用的，可能就要成熟、大气、稳重一些。

**5. 不断修正：**刚开始做产品可能猜测目标用户是什么样的人群，实际做出来可能有些偏差，然后开始修正，当产品数据更丰富的时候，可能用户画像又需要修正。

构建用户画像的步骤：数据挖掘；确定标签；数据建模；用户画像

**数据挖掘：**预先设定好想要获取的事件，让程序员把 “事件” 埋到相应的页面上，用于跟踪和记录用户的行为，并把实时数据传送到后台数据库或者客户端。

数据挖掘实例：电商网站

以电商为例，为了抓取用户的人口属性和行为轨迹，先预设用户购物时的可能行为。

包括：访问首页、注册登录、搜索商品、浏览商品、价格对比、加入购物车、收藏商品、提交订单、支付订单、使用优惠券、查看订单详情、取消订单、商品评价等。

把这些行为用程序语言进行埋点，让用户在点击时直接产生数据（访问时长、浏览路径、页面停留时间、访问深度等）。

数据反馈到服务器，被存放于后台或者客户端，就是我们所要获取到的用户基础数据。

**确定标签：**给用户 “打标签” 是用户画像最核心的部分。

出于不同的受众群体、不同的企业、不同的目的，给用户打的标签往往各有侧重点，应该具体问题具体看待。

常见的标签分成两大类别：相对静止的用户标签（静态标签）以及变化中的用户标签（动态标签）。

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 + 动态标签搭建出来的即是 3D 用户画像。

静态标签：静态标签主要从用户的基本信息进行用户的划分。

  静态属性是用户画像建立的基础。最基本的用户信息记录。如性别、年龄、学历、角色、收入、地域、婚姻、性格等。

动态标签：动态标签指用户在互联网环境下的上网行为。

信息时代用户出行、工作、休假、娱乐等都离不开互联网。动态标签能更好的记录用户日常的上网偏好。

常见的行为包括：搜索、浏览、注册、评论、点赞、收藏、打分、加入购物车、购买、使用优惠券……

企业通过捕捉用户的行为数据，可以对用户进行深度归类、定义标签。

动态标签实例：社交网络行为

包括基本的访问行为（搜索、注册、登录等）；社交行为（邀请 / 添加 / 取关 / 好友、加入群、新建群等）；信息发布行为（添加、发布、删除、留言、分享、收藏等）

**数据建模：**数据建模就是给用户的行为标签赋予权重。

用户的行为，我们可以用 4W：WHO(谁);WHEN(什么时候);WHERE(在哪里);WHAT(做了什么)。

WHO(谁): 定义用户，明确我们的研究对象。主要是用于做用户分类，划分用户群体。网络上的用户识别，包括但不仅限于用户注册的 ID、昵称、手机号、邮箱、身份证、微信微博号等等。

WHEN(时间): 这里的时间包含了时间跨度和时间长度两个方面。越早发生的行为标签权重越小，越近期权重越大，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

通过对多个用户进行数据建模，为用户都打上标签，然后按照标签分类：总权重达到 0.9 以上的被归为忠实用户。便于企业更加精准的营销推广、个性化推荐。

画像目的：微博用户打能力标签

应用场景：微博找人、热门微博

通过能力标签圈定专家用户群体，提取出优质内容

微博能力标签：

互联网：电子商务；产品经理；技术开发；数据分析

金融：股票；期货；证券；保险

娱乐圈：歌手；演员；作家；模特

基本信息：通过用户自填信息、认证信息，确定用户能力领域

关系数据：通过粉丝分组，体现对用户能力的认可度

内容数据：通过原创微博，体现用户自身的专业能力

行为数据：通过转评赞等互动信息，体现用户在相关领域的影响力

根据数据源的可信性，赋予相应权重，最终获得能力标签打分：0.2_用户基本信息 + 0.2_用户关系数据 + 0.3_用户内容数据 + 0.3_用户行为数据

匹配标签：打分，给某个人筛选出所属的能力标签；根据所有人的打分进行排序。

小结：

构建用户画像的目的是为了充分了解我们的用户，进而为产品设计和运营提供参考。我们在新接触一个产品的时候用户画像是我们了解用户的最好方式。另外用户画像的构建一定是要为我们的运营规划、运营策划制定而服务的，如果我们做出来的用户画像无法指导我们的产品设计或者运营规划及策略制定提供参考的话，那么这个用户画像一定是失败的。
https://www.yuque.com/limuzi-xfpdp/lgwgaz/bu25kh