用戶畫像是一個挺新穎的詞织鲸，最初它是大數(shù)據(jù)行業(yè)言必及之的時髦概念。現(xiàn)在我們運營談及用戶畫像溪胶，它也是和精準營銷搂擦、精細化運營直接鉤掛的。這篇文章主要講產(chǎn)品和運營角度的用戶畫像哗脖。希望看完后瀑踢，解決你一切關于用戶畫像的疑問。
什么是用戶畫像
用戶畫像一點也不神秘才避，它是根據(jù)用戶在互聯(lián)網(wǎng)留下的種種數(shù)據(jù)橱夭，主動或被動地收集，最后加工成一系列的標簽桑逝。比如猜用戶是男是女棘劣，哪里人，工資多少楞遏，有沒有談戀愛茬暇，喜歡什么，準備剁手購物嗎寡喝？
我們常把用戶標簽和用戶畫像對等糙俗。但凡用戶畫像的文章，類似上文圖片都會出現(xiàn)预鬓，有用爛的趨勢臼节。標簽化是最直觀的解釋，但它不等于用戶畫像珊皿。
用戶畫像的正式名稱是User Profile，大家往往把它和User Persona混淆巨税，后者更恰當?shù)拿质怯脩艚巧āＪ钱a(chǎn)品設計和用戶調研的一種方式方法。當我們討論產(chǎn)品草添、需求驶兜、場景、用戶體驗的時候，往往需要將焦點聚集在某類人群上抄淑，用戶角色便是一種抽象的方法屠凶，是目標用戶的集合。
用戶角色不指代具體的誰肆资〈＠ⅲ「她是一位25歲的白領，211大學畢業(yè)郑原，現(xiàn)在從事于互聯(lián)網(wǎng)行業(yè)的設計工作唉韭，居住在北京。單身犯犁，平時喜愛搖滾樂」属愤，這段話語，常用來描述產(chǎn)品的典型用戶酸役。
本文談的User Profile住诸，更多是運營和數(shù)據(jù)息息相關的平臺級應用，本質是對任何一個用戶都能用標簽和數(shù)據(jù)描述涣澡。
用戶畫像的應用
它在企業(yè)邁大邁強的過程中有舉足輕重的作用贱呐。以下是主要的應用：
精準營銷：這是運營最熟悉的玩法，從粗放式到精細化暑塑，將用戶群體切割成更細的粒度吼句，輔以短信、推送事格、郵件惕艳、活動等手段，驅以關懷驹愚、挽回远搪、激勵等策略。
數(shù)據(jù)應用：用戶畫像是很多數(shù)據(jù)產(chǎn)品的基礎逢捺，諸如耳熟能詳?shù)耐扑]系統(tǒng)廣告系統(tǒng)谁鳍。操作過各大廣告投放系統(tǒng)的同學想必都清楚，廣告投放基于一系列人口統(tǒng)計相關的標簽劫瞳，性別倘潜、年齡、學歷志于、興趣偏好涮因、手機等等。
用戶分析：雖然和Persona不一樣伺绽，用戶畫像也是了解用戶的必要補充养泡。產(chǎn)品早期嗜湃，PM們通過用戶調研和訪談的形式了解用戶。在產(chǎn)品用戶量擴大后澜掩，調研的效用降低购披，這時候會輔以用戶畫像配合研究。新增的用戶有什么特征肩榕，核心用戶的屬性是否變化等等刚陡。
數(shù)據(jù)分析：這個就不用多提了，用戶畫像可以理解為業(yè)務層面的數(shù)據(jù)倉庫点把，各類標簽是多維分析的天然要素橘荠。數(shù)據(jù)查詢平臺會和這些數(shù)據(jù)打通。
對大部分產(chǎn)品郎逃，用戶畫像用不到推薦系統(tǒng)哥童，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(shù)據(jù)作支撐褒翰。所以這些產(chǎn)品贮懈，更適合以用戶畫像為基礎去驅動業(yè)務。
提了那么多好處优训，但是據(jù)我了解朵你，不少公司，花了一大筆錢招了不少人建設用戶畫像系統(tǒng)揣非，結果用不起來抡医。或者做了一份用戶畫像的報告早敬，性別用戶地理位置用戶消費金額忌傻，看上去挺高大上的，看完也就看完了搞监。
歸根結底水孩，難以用好。
很多用戶畫像初衷是好的琐驴，但是淪為了形式主義俘种。
舉身邊的例子，朋友在公司建立用戶畫像劃分了百來個維度绝淡。用戶消費宙刘、屬性、行為無所不包牢酵。本來這不錯啊荐类，但是上線后運營看著這個干瞪眼。
問題包含但不限于茁帽，用戶有那么多維度玉罐，怎么合理地選擇標簽澳厢？我想定義用戶的層級炬丸，VIP用戶應該累積消費金額超過多少共虑？是在什么時間窗口內待秃？為什么選擇這幾個標準株依？后續(xù)應該怎么維護和監(jiān)控憎兽？業(yè)務發(fā)生變化了這個標簽要不要改插龄？
設立好標簽乒躺，怎么驗證用戶畫像的有效性琅束？我怎么知道這套系統(tǒng)成功了呢扭屁？效果不佳怎么辦？它有沒有更多的應用場景涩禀？
策略的執(zhí)行也是一個糾結的問題料滥。從崗位的執(zhí)行看，運營背負著KPI艾船。當月底KPI完不成時葵腹，你覺得他們更喜歡選擇全量運營，還是精細化呢?
我想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屿岂，發(fā)現(xiàn)也就那么一回事践宴，也就漸漸不再使用。
這是用戶畫像在業(yè)務層面遇到老大難的問題爷怀。雖然企業(yè)自稱建立用戶畫像阻肩，應用還是挺粗糙的。
怎樣深入理解用戶畫像
畫虎不全反類汪运授，想要用好它烤惊，首先得深入理解用戶畫像。
現(xiàn)在運營按用戶生命周期設立了幾個標簽徒坡，比如新用戶撕氧、活躍用戶、流失用戶喇完，這些標簽當然夠細分伦泥。但它真的是一個好標簽么？不是锦溪。
因為這些都是滯后性的不脯。按流失用戶的一般定義，往往是用戶很長一段時間沒有回應和行動刻诊，但是都幾個月沒有響應了防楷，哪怕知道是流失用戶也于事無補。它有價值则涯，但太滯后复局。
聰明的運營會設立一個新的標簽冲簿，最近一次活躍距今天數(shù)，用戶有六個月沒有活躍亿昏，那么天數(shù)就是180天峦剔。這個比單純的流失用戶標簽好，能憑此劃分不同的距今天數(shù)角钩，設立30天吝沫，90天，180天的時間節(jié)點递礼。
距今天數(shù)也不是最好的惨险。用戶有差異，同樣兩個用戶A和B脊髓，哪怕不活躍天數(shù)相同辫愉，我也不能認為它們的流失可能性相等。該問題在低頻場景更凸顯供炼，旅游APP一屋，半年沒有活躍也是正常的，此時距今天數(shù)力有未逮袋哼。
回過頭看流失用戶冀墨，我們定義它，不是為了設立一個高大上的系統(tǒng)涛贯。任何企業(yè)诽嘉，肯定一開始就希望流失用戶越少越好，其次才是如何挽回弟翘。這種業(yè)務前提下虫腋，預防性的減少流失用戶比已經(jīng)流失的標簽更重要。
所以稀余，最好的標簽的標簽是用戶流失概率：
流失概率>距今消費天數(shù)>流失標簽
不要想當然的歸納一個齊全完備的體系悦冀，卻忽略了畫像的核心價值。用戶畫像首先得是商業(yè)目的下的用戶標簽集合睛琳。
猜用戶是男是女盒蟆，哪里人，工資多少师骗，有沒有談戀愛历等，喜歡什么，準備剁手購物嗎辟癌？探討這些是沒有意義的寒屯。是男是女如何影響消費決策，工資多少影響消費能力黍少，有沒有談戀愛會否帶來新的營銷場景寡夹，剁手購物怎么精準推薦处面，這些才是用戶畫像背后的邏輯。
不是我有了用戶畫像要出，便能驅動和提高業(yè)務鸳君。而是為了驅動和提高業(yè)務，才需要用戶畫像患蹂。這是很容易犯的錯誤。
用戶畫像的標簽一般通過兩種形式獲得砸紊，基于已有數(shù)據(jù)或者一定規(guī)則加工传于，流失標簽和距今天數(shù)皆是。另外一種是基于已有的數(shù)據(jù)計算概率模型醉顽，會用到機器學習和數(shù)據(jù)挖掘沼溜。
概率是介于0~1之間的數(shù)值。拿性別舉例游添，除非能直接獲取用戶的身份證信息系草，用戶很少會填寫性別，填寫的性別也不一定準確唆涝，網(wǎng)游中性別為女的扣腳大漢一抓一大把呢找都。
這里就要增加一層推斷用戶真實性別的算法。中國人的性別和名字是強相關廊酣，建國建軍能耻，翠花翠蘭，很容易判斷亡驰。算法中常用貝葉斯晓猛，通過已有的姓名性別庫預測新加入的用戶性別。
特殊情況下凡辱，不少姓名是中性戒职，男女不辯。像曉晶透乾，可男可女洪燥。更特殊的情況，看上去是男性的名字续徽，也有可能是女性蚓曼，我的初中老師就叫建軍，然而是個和藹可親的小姐姐钦扭。
特殊情況意味著特殊的概率纫版，所以不能用非此即彼的二分法。所謂概率客情，它更習慣告訴你其弊，通過模型推斷癞己，建軍有95％的可能是男性姓名，表示為0.95梭伐；曉晶有55％的可能是男性痹雅，表示為0.55。
雖然為了方便糊识，模型會設立閾值绩社，將50％以上的概率默認為男性，以下默認為女性赂苗。但業(yè)務部門的同學要清楚愉耙，用戶標簽的本質往往是0～1之間的概率。
概率型的標簽很難驗證拌滋。某位用戶被標上學生標簽朴沿，要么真的哄他上傳學籍證明，否則很難知道他是不是真的學生败砂。這種黑箱情況下赌渣，針對學生用戶進行營銷活動，效果好與不好昌犹，都受標簽準確率的影響坚芜。廣告、推薦祭隔、精準營銷都會遇到這個問題货岭。
概率肯定有多有少。90%流失概率的用戶疾渴，和30%流失概率的用戶千贯，雖然是模型建立出的預測值，非真實搞坝，我們還是會認為前者更有離開的可能性搔谴，憑此設立運營策略。
這帶來一個新的問題桩撮，如何選擇概率的閾值敦第？
我們想要挽回流失用戶，選擇80%以上概率的人群店量，還是60%呢芜果？答案已經(jīng)說過了，要考慮業(yè)務融师，挽回流失用戶是手段不是目的右钾，實際目的是通過挽回流失用戶提高利潤，那么閾值的選擇迎刃而解。計算不同閾值下舀射，挽回用戶的收入和成本窘茁，選擇最優(yōu)解。
推而廣之脆烟，推薦系統(tǒng)也好山林，廣告系統(tǒng)也罷，它們有更復雜的維度邢羔、標簽驼抹、特征，本質也是找出用戶最近想不想買車拜鹤，用戶最近想不想旅游砂蔽。把最合適的信息在最恰當時機推給用戶，獲取最大的利益署惯。
我列舉的案例，是簡化過的镣隶。像姓名极谊，在電商和消費行業(yè)，除了生理上的性別安岂，還會建立消費模型上的性別標簽轻猖，有些人雖然是男性，但購物行為是女性域那，這是要區(qū)分的咙边。
看到這里別怕，想要建好用戶畫像次员，說簡單不簡單败许，說難也不難。
如何建立正確的用戶畫像
用戶畫像首先是基于業(yè)務模型的淑蔚。業(yè)務部門連業(yè)務模型都沒有想好市殷，數(shù)據(jù)部門只能巧婦難為無米之炊。數(shù)據(jù)部門也別關門造車刹衫，這和做產(chǎn)品一樣醋寝，連用戶需求都沒有理解透徹，匆匆忙忙上線一個APP带迟，結果無人問津音羞。
理解消費者的決策，考慮業(yè)務場景仓犬，考慮業(yè)務形態(tài)嗅绰，考慮業(yè)務部門的需求…這些概念說得很虛，但是一個好的用戶畫像離不開它們。本文沒有說數(shù)據(jù)办陷、模型和算法貌夕，是我認為，它們比技術層面更重要民镜。
我們從一個故事開始設立用戶畫像吧啡专。
老王是一家互聯(lián)網(wǎng)創(chuàng)業(yè)公司的核心人員，產(chǎn)品主營綠色健康沙拉制圈，老王和綠色比較搭嘛们童。這家公司推出了APP專賣各式各樣的沙拉，現(xiàn)在需要建立用戶畫像指導運營鲸鹦。
公司現(xiàn)階段在業(yè)務層面慧库，更關注營銷和銷售：如何將沙拉賣得更好。下圖是老王簡單梳理的運營流程馋嗜。
老王將顧客按是否購買過沙拉齐板，劃分成潛在用戶和新客。潛在用戶是注冊過APP但還沒有下單葛菇，新客是只購買過一次沙拉的用戶甘磨，除此以外還有老客，即消費了兩次及以上的人群眯停。
為了便于大家理解济舆，我用JSON格式表示一個簡易的用戶畫像。
為什么獨立出新客標簽莺债？因為老王的沙拉針對未消費用戶會有新人紅包引導消費滋觉，萬事開頭難。這也帶來新客一次后不再消費的問題齐邦，所以需要潛在椎侠、新客、老客的劃分侄旬。
作為一個有追求的運營人員肺蔚，劃分老客也是不夠，這里繼續(xù)用戶分層儡羔。
傳統(tǒng)的分層用RFM三個維度衡量宣羊，沙拉的客單價比較固定，F(xiàn)和M取一個就夠用了汰蜘。老王現(xiàn)在計算不同消費檔次的用戶留存度差異仇冯，譬如某時間段內消費達XX元的用戶,在未來時間段是否依舊消費。
沙拉這類餐飲是高頻消費族操，XX應該選擇一個較窄的時間窗口苛坚，統(tǒng)計365天內的消費意義不大比被。還有一點需要注意的是，沙拉不同季節(jié)的銷量是有差異的泼舱，冬天沙拉肯定賣的不如夏天等缀，要綜合考慮消費分布。
這里姑且定義娇昙，30天內消費200元以上為VIP用戶尺迂。老王的生意如果特別好，也可以繼續(xù)劃分超級VIP冒掌。這種標簽往往配合業(yè)務噪裕，譬如VIP有贈送飲料，優(yōu)先配送的權益股毫。非VIP人群膳音，也需要激勵往VIP發(fā)展。
畫像的人口統(tǒng)計屬性铃诬，老王靠用戶填寫訂單上的收貨人姓名搞定祭陷。籍貫年齡這幾個，對沙拉生意沒有特別大的幫助趣席，難道為四川籍用戶提高麻辣沙拉颗胡？
用戶地址，可以通過收貨地設立規(guī)則判斷吩坝，比如某個地址出現(xiàn)X次，可以將其認為常用地地址哑蔫。再依據(jù)送貨地在寫字樓還是學校钉寝，推算用戶是白領還是學生。
老王針對不同屬性的人群闸迷，采取了特殊的運營策略嵌纲。像學生群體，因為7,8月份是暑假腥沽，所以老王提前預估到校園地區(qū)的銷售額下降逮走。當9月開學季，又能對返校學生進行召回今阳。
白領相關的群體师溅，更關注消費體驗，對價格敏感是次要的盾舌。如果平臺女用戶的消費占比高墓臭，老王就主打減肥功能的沙拉，并且以包月套餐的形式提高銷量妖谴。
以一家沙拉店來看窿锉，老王的用戶畫像已經(jīng)不錯了，但他還是焦頭爛額，因為用戶流失率開始上升嗡载。用戶流失有各種各樣的原因：對手老李沙拉的競爭窑多、沙拉的口味、用戶覺得性價比不高洼滚、老王不夠帥等埂息。
流失是一個老大難的預測問題。老王對流失用戶的定義是30天沒有消費判沟。想要準確預測耿芹，這里得嘗試用機器學習建模，技術方面先這里略過挪哄。所謂建模吧秕，最好要找到用戶開始不消費的時間點之前的關鍵因素，可是是行為迹炼，可以是屬性砸彬。
用戶歷史窗口內消費金額少，有可能流失斯入；用戶歷史窗口內消費頻次低砂碉，有可能流失；用戶歷史窗口內打開APP次數(shù)少刻两，有可能流失增蹭；用戶給過差評，有可能流失磅摹；用戶等餐時間長滋迈，有可能流失；用戶的性別差異户誓，有可能流失饼灿；餐飲的季度因素，有可能流失…
老王依據(jù)業(yè)務帝美，挑選了可能影響業(yè)務的特征碍彭，提交給數(shù)據(jù)組嘗試預測流失。需要注意的是悼潭，這些用戶行為不能反應真實的情況庇忌。大家不妨想一下，流失用戶的行為舰褪，是不是一個動態(tài)的變化過程漆枚？
我曾經(jīng)消費過很多次，但是突然吃膩了抵知，于是減少消費次數(shù)墙基，再之后不怎么消費软族，最終流失。單位時間段內的消費忠誠度是梯度下降的残制，為了更好的描述變化過程立砸，將時間窗口細分成多個等距段。前30~20天初茶、前20~10天颗祝、前10天內，這種切分比前30天內可以更好地表達下降趨勢恼布，也更好的預測流失螺戳。
從老王的思路看，所謂流失折汞，可以通過用戶行為的細節(jié)預判倔幼。機器學習的建模雖然依賴統(tǒng)計手段，也離不開業(yè)務洞察爽待。這里再次證明损同，用戶畫像建立在業(yè)務模型上。
流失概率解決了老王的心頭之患鸟款，通過提前發(fā)現(xiàn)降低流失用戶膏燃。挽回流失推行一段時間后，老王發(fā)現(xiàn)雖然流失用戶減少了何什，但是成本提高了组哩，因為挽回用戶也是要花錢的呀。虧本可不行处渣，老王心頭又生一計禁炒，他只挽回有價值的，那種拿了紅包才消費的用戶老王他不要了霍比！老王要的是真愛粉。于是他配合消費檔次區(qū)別對待暴备，雖然流失用戶的數(shù)量沒有控制好悠瞬，但是利潤提高了。
上述的用戶畫像涯捻，沒有一個標簽脫離于業(yè)務之外浅妆。基于業(yè)務場景障癌，我們還能想象很多用戶畫像的玩法凌外。沙拉有不同的口味，蔬果雞肉海鮮涛浙。用戶的口味偏好康辑，可以用矩陣分解摄欲、模糊聚類或者多分類的問題計算，也以0～1之間的數(shù)字表示喜好程度疮薇，相似的胸墙，還有價格偏好，即價格敏感度按咒。
再深入想一下業(yè)務場景迟隅，如果某個辦公地點，每天都有五六筆的訂單励七，分屬不同的客戶不同的時間段智袭，外賣小哥得送個五六次，對人力成本是多大的浪費呀掠抬。運營可以在后臺分析相關的數(shù)據(jù)吼野，以團購或拼單的形式，促成訂單合并剿另，或許銷售額的利潤會下降箫锤，但是外賣的人力成本也節(jié)約了。這也是用畫像作為數(shù)據(jù)分析的依據(jù)雨女。
老王的運營故事說完了谚攒，現(xiàn)在對用戶畫像的建立有一套想法了吧。
用戶畫像的架構
不同業(yè)務的畫像標簽體系并不一致氛堕，這需要數(shù)據(jù)和運營目的性的提煉馏臭。
用戶畫像一般按業(yè)務屬性劃分多個類別模塊。除了常見的人口統(tǒng)計讼稚，社會屬性外括儒。還有用戶消費畫像，用戶行為畫像锐想，用戶興趣畫像等帮寻。具體的畫像得看產(chǎn)品形態(tài)，像金融領域赠摇，還會有風險畫像固逗，包括征信、違約藕帜、洗錢烫罩、還款能力、保險黑名單等洽故。電商領域會有商品的類目偏好贝攒、品類偏好、品牌偏好时甚，不一而足隘弊。
上圖是隨手畫的的例子哈踱，畫一個架構不難，難得是了解每個標簽背后的業(yè)務邏輯和落地方式长捧，至于算法嚣鄙，又能單獨扯很多文章了。
從數(shù)據(jù)流向和加工看串结，用戶畫像包含上下級遞進關系哑子。
以上文的流失系數(shù)舉例，它通過建模肌割，其依賴于用戶早期的歷史行為卧蜓。而用戶早期的歷史行為，即10天內的消費金額把敞、消費次數(shù)弥奸、登錄次數(shù)等，本身也是一個標簽奋早，它們是通過原始的明細數(shù)據(jù)獲得盛霎。
上圖列舉了標簽加工和計算的過程，很好理解耽装。最上層的策略標簽愤炸，是針對業(yè)務的落地，運營人員通過多個標簽的組合形成一個用戶群組掉奄，方便執(zhí)行规个。
公司越大，用戶畫像越復雜姓建。某家主打內容分發(fā)的公司進入了全新的視頻領域诞仓，現(xiàn)在有兩款APP，那么用戶畫像的結構也需要改變速兔。既有內容相關的標簽墅拭，也有視頻相關的標簽，兩者是并行且關聯(lián)的涣狗。
比如A用戶在內容標簽下是重度使用谍婉，而在視頻標簽下是輕度。比如B用戶很久沒打開內容APP有流失風險屑柔，但在視頻APP的使用時長上看很忠誠。如此種種珍剑，看的是靈活應用掸宛。當然，姓名性別這類人口統(tǒng)計標簽招拙，是通用的唧瘾。
用戶畫像作為平臺級的應用措译，很多運營策略及工具，都是在其基礎上構建的饰序。
基于營銷和消費相關的標簽领虹，新客、老客求豫、用戶的流失和忠誠塌衰、用戶的消費水平和頻率等，都是構成CRM（客戶關系管理）的基礎蝠嘉，可能大家更習慣叫它用戶/會員管理運營平臺最疆。
它的作用在于，將數(shù)據(jù)化的標簽蚤告，轉換成產(chǎn)品運營策略努酸。不同的標簽對應不同的用戶群體，也對應不同的營銷手段杜恰。CRM的結構中會包含各類觸達用戶的常用渠道比如短信获诈、郵件、推送等心褐。也包含CMS（內容管理系統(tǒng)）舔涎，執(zhí)行人員通過其快速配置活動頁、活動通道檬寂、優(yōu)惠券等终抽，靠營銷活動拉動數(shù)據(jù)。
老王的沙拉業(yè)務要是做大桶至，那么運營平臺就會以圖中的結構搭建昼伴。老王在CRM中組合標簽，新客老客流失客的數(shù)據(jù)借助BI監(jiān)控镣屹，然后通過CMS系統(tǒng)配置紅包啊優(yōu)惠券啊等等圃郊，再通過短或Push觸達。
好的用戶畫像系統(tǒng)女蜈，既是數(shù)據(jù)生態(tài)體系持舆，也是業(yè)務和運營的生態(tài)體系，它是一門復雜的交叉領域伪窖。因為篇幅有限逸寓，算法，數(shù)據(jù)產(chǎn)品沒有更多的涉及覆山，以后有機會再講吧竹伸。
萬千用法，存乎一心簇宽。
秦路勋篓，人人都是產(chǎn)品經(jīng)理專欄作家吧享。
