問：真的是人人都看得懂的電商用戶畫像?
汪：其實(shí)旭等，還包括非人類，如：運(yùn)營喵衡载，程序猿搔耕，射雞獅……
上圖的2個(gè)描述即是一個(gè)典型的用戶畫像案例。（吼痰娱，怎么有種強(qiáng)行配CP的即時(shí)感~）
一弃榨、什么是用戶畫像？
“Persona”的概念最早是由“交互設(shè)計(jì)之父” Alan Cooper提出,他認(rèn)為 “Personas are a concrete representation of target users.” 即用戶畫像是真實(shí)用戶的虛擬代表梨睁，是建立在一系列真實(shí)數(shù)據(jù)之上形成的目標(biāo)用戶模型鲸睛。
簡而言之，用戶畫像其實(shí)就是“用戶信息標(biāo)簽化”的梳理坡贺，結(jié)合產(chǎn)品業(yè)務(wù)的需要官辈，給不同群體的用戶特征貼上合適的標(biāo)簽。
從電商產(chǎn)品的角度看遍坟，通過分析用戶的個(gè)人基本信息以及在使用產(chǎn)品過程中的行為軌跡如：瀏覽拳亿、點(diǎn)贊、加入購物車愿伴、下單肺魁、使用支付方式等等，用標(biāo)簽把用戶的典型特征描述出來隔节，提煉以下用戶信息卡片：
1万搔、基本屬性
往往在注冊(cè)時(shí)引導(dǎo)獲取，如手機(jī)號(hào)碼官帘、性別、年齡昧谊、教育程度刽虹、所屬地區(qū)等等
2、行為特征
通過分析瀏覽呢诬、購買行為涌哲，例如收藏母嬰店鋪胖缤、多次參加母嬰專場(chǎng)滿減活動(dòng)等等，可以判斷這是一個(gè)新晉父母阀圾，對(duì)優(yōu)惠活動(dòng)敏感度強(qiáng)哪廓；
3、購買能力
通過分析用戶的訂單金額和次數(shù)初烘，購買品牌偏好涡真，推算出其客單價(jià)、用戶是否是高端中戶肾筐、購買頻次哆料、是活躍用戶還是沉睡用戶等等；
4吗铐、社交特征
分析商品分享給好友的頻次东亦、收貨人電話和地址的數(shù)量，可以研究該用戶的社交情況唬渗；
5典阵、心理特征
分析用戶參加促銷活動(dòng)的頻次，優(yōu)惠券消耗的情況镊逝、同一品牌壮啊、店鋪的復(fù)購率等維度，可以推算用戶對(duì)大促的敏感度蹋半，對(duì)平臺(tái)或者品牌的忠誠度他巨；
6、興趣愛好特征
用戶瀏覽减江、收藏染突、關(guān)注店鋪的類型，加入購物車辈灼、提交訂單的商品類別份企，可以分析出用戶對(duì)某些品牌、品類的偏好度巡莹，從而進(jìn)行某個(gè)品類的專場(chǎng)營銷活動(dòng)司志。
舉個(gè)栗子：
挨踢宅男小馬哥關(guān)注了66家動(dòng)漫手辦店鋪，他的用戶標(biāo)簽可能是“動(dòng)漫達(dá)人”降宅，如果平臺(tái)或商家有動(dòng)漫周邊大促的活動(dòng)上線骂远，會(huì)優(yōu)先將活動(dòng)信息推送給這類的目標(biāo)用戶。
常見電商用戶標(biāo)簽：動(dòng)漫達(dá)人腰根、數(shù)碼發(fā)燒友激才、潮媽、游戲奶爸、單身貴族瘸恼、家庭用戶劣挫、持家黨、嘗鮮黨东帅、敗家黨
二压固、為什么需要用戶畫像？
正如“一千個(gè)人心中有一千個(gè)哈姆雷特” 靠闭，用戶對(duì)產(chǎn)品的需求存在差異性和沖突性帐我，不同的用戶對(duì)產(chǎn)品的類型、內(nèi)容偏好阎毅，營銷敏感度的反響都存在偏差焚刚。
該如何決策和取舍呢？
“用戶畫像”通過算法扇调、用戶模型矿咕，提煉用戶群體的典型標(biāo)簽， 一方面可以讓團(tuán)隊(duì)成員在產(chǎn)品需求設(shè)計(jì)的過程中能夠相對(duì)客觀狼钮、合理地將注意力在目標(biāo)用戶群的動(dòng)機(jī)和行為上進(jìn)行產(chǎn)品設(shè)計(jì)碳柱；另一方面也助力于提升營銷推廣的精準(zhǔn)度，提高信息獲取的效率熬芜，促成產(chǎn)品需求優(yōu)先級(jí)的決策莲镣。
用戶畫像在產(chǎn)品設(shè)計(jì)、運(yùn)營決策中的價(jià)值體現(xiàn)在哪些方面涎拉？
1瑞侮、精準(zhǔn)營銷
例如：應(yīng)用push、短信鼓拧、郵件半火、個(gè)性化專題展示，提高用戶購買轉(zhuǎn)化率季俩。（終于為敗家指數(shù)越發(fā)上升找到一個(gè)完美的借口~）
2钮糖、用戶的統(tǒng)計(jì)
如，地域分布酌住、購買時(shí)段店归、品牌偏好、用戶價(jià)值大小統(tǒng)計(jì)
3酪我、分類統(tǒng)計(jì)
如：喜歡上簡書的用戶有多少消痛？喜歡上簡書的人群中，男肄满、女比例和年齡分段是怎么樣的？單身的有多少呀稠歉？（怎么感覺在操心用戶的終身大事org）
4汇陆、數(shù)據(jù)挖掘
特征怒炸、行為關(guān)聯(lián)規(guī)則，如：商品搭配購買毡代、關(guān)聯(lián)購買，推薦購買捏鱼，貼心為用戶推薦符合其口味的品類，沉浸在“買買買”的愉快體驗(yàn)中酪耕。（真是毫不設(shè)防啊……）
三导梆、如何構(gòu)建用戶畫像
構(gòu)建用戶畫像是為了還原用戶信息，確保信息的客觀真實(shí)性迂烁，因此有一個(gè)大原則必須遵循：數(shù)據(jù)來源于所有用戶相關(guān)的真實(shí)數(shù)據(jù)。
構(gòu)建用戶畫像的過程可以歸結(jié)為以下三步：
1藏斩、數(shù)據(jù)采集：
主要包括用戶網(wǎng)絡(luò)行為數(shù)據(jù)却盘、網(wǎng)站內(nèi)行為數(shù)據(jù)、用戶內(nèi)容偏好數(shù)據(jù)兆览、用戶交易數(shù)據(jù)旬陡；
2、行為建模
通過對(duì)采集數(shù)據(jù)的處理描孟，進(jìn)行行為建模匿醒，以抽象出用戶的標(biāo)簽，通過數(shù)學(xué)算法模型盡可能地排除用戶的偶然行為廉羔。涉及的技術(shù)點(diǎn)：文本挖掘、自然語言處理孩饼、機(jī)器學(xué)習(xí)、預(yù)測(cè)算法以及聚類算法立膛。（Ho~程序猿GG的亮技能的時(shí)刻來了）
在此階段梯码，需要結(jié)合用戶模型來給用戶貼標(biāo)簽，如：
a.用戶忠誠度模型
通過判斷＋聚類算法判斷用戶的忠誠度
b.身高體型模型
根據(jù)用戶購買服裝鞋帽等用品判斷
c.用戶價(jià)值模型
判斷用戶對(duì)于網(wǎng)站的價(jià)值儿奶，篩選不同維度用戶來進(jìn)行針對(duì)性推廣鳄抒，對(duì)提高用戶留存率非常有用
d．用戶汽車模型
根據(jù)用戶對(duì)“汽車”話題的關(guān)注或購買相關(guān)產(chǎn)品的情況來判斷用戶是否有車、是否準(zhǔn)備買車隙券，進(jìn)而推送汽車相關(guān)的商品闹司，甚至保險(xiǎn)服務(wù)；
此外游桩，還有流失用戶模型借卧、數(shù)碼用戶模型、優(yōu)惠敏感用戶模型等等铐刘。
3、初步構(gòu)建畫像
通過記錄檩禾、抓取用戶的基本屬性疤祭、購買能力、行為特征戏售、興趣愛好、社交網(wǎng)絡(luò)等數(shù)據(jù)進(jìn)行分析灌灾，創(chuàng)建紧卒、具體化用戶畫像。
用戶畫像有其自身的特性和局限性跑芳，例如無法100%地描述一個(gè)人直颅，且具有時(shí)效性功偿，因此，需要根據(jù)用戶畫像的基礎(chǔ)數(shù)據(jù)持續(xù)更新和修正械荷，同時(shí)要善于從已知數(shù)據(jù)中具象化出新的標(biāo)簽使用戶畫像越來越鮮活立體，發(fā)揮其參考指引價(jià)值痹兜。
不同的公司颤诀、團(tuán)隊(duì)獲取數(shù)據(jù)、提煉用戶特征方式均有所不同遗淳，大的公司會(huì)自建數(shù)據(jù)分析系統(tǒng)以及有強(qiáng)大的用研和數(shù)據(jù)分析團(tuán)隊(duì)支撐心傀，而稍小一些的公司更多借力于第三方平臺(tái)提取數(shù)據(jù)或開展細(xì)分用戶群的用戶調(diào)研工作。
四养叛、小結(jié)
1疆液、 用戶畫像一定要建立在真實(shí)的數(shù)據(jù)源基礎(chǔ)上，否則可能會(huì)導(dǎo)致產(chǎn)品潘飘、運(yùn)營的一系列方向決策錯(cuò)誤；
2卜录、團(tuán)隊(duì)成員對(duì)用戶畫像的認(rèn)知和認(rèn)同不容小覷艰毒，應(yīng)該在項(xiàng)目的不同階段都盡量讓團(tuán)隊(duì)成員參與進(jìn)來；
3丑瞧、用戶畫像具有時(shí)效性绊汹，必須階段性地更新修正，定期更新數(shù)據(jù)分析時(shí)間周期和方向維度西乖，以及時(shí)了解市場(chǎng)和用戶的變化趨勢(shì)，保持用戶畫像的市場(chǎng)適用性薄腻。
4届案、不要神化用戶畫像的作用和意義，甚至許多公司產(chǎn)品對(duì)這塊的研究還是缺失的嫁乘。正確合理的用戶畫像可以更好地促進(jìn)公司產(chǎn)品發(fā)展以及更好地輔助產(chǎn)品方向決策球碉。
參考素材：
1、易觀智庫：大數(shù)據(jù)下的用戶分析及用戶畫像
2豆拨、邱勝昌老師慕課網(wǎng)：電商大數(shù)據(jù)應(yīng)用之用戶畫像
3施禾、楊步濤：基于用戶畫像的大數(shù)據(jù)挖掘?qū)嵺`
