用戶畫像是一個(gè)挺新穎的詞，最初它是大數(shù)據(jù)行業(yè)言必及之的時(shí)髦概念?，F(xiàn)在我們運(yùn)營談及用戶畫像，它也是和精準(zhǔn)營銷、精細(xì)化運(yùn)營直接鉤掛的。這篇文章主要講產(chǎn)品和運(yùn)營角度的用戶畫像。

希望看完后，解決你一切關(guān)于用戶畫像的疑問。

什么是用戶畫像

用戶畫像一點(diǎn)也不神秘，它是根據(jù)用戶在互聯(lián)網(wǎng)留下的種種數(shù)據(jù)，主動(dòng)或被動(dòng)地收集，最后加工成一系列的標(biāo)簽。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(zhǔn)備剁手購物嗎

我們常把用戶標(biāo)簽和用戶畫像對(duì)等。但凡用戶畫像的文章，類似上文圖片都會(huì)出現(xiàn)，有用爛的趨勢(shì)。標(biāo)簽化是最直觀的解釋，但它不等于用戶畫像。

用戶畫像的正式名稱是User Profile，大家往往把它和User Persona混淆，后者更恰當(dāng)?shù)拿质怯脩艚巧Ｊ钱a(chǎn)品設(shè)計(jì)和用戶調(diào)研的一種方式方法。當(dāng)我們討論產(chǎn)品、需求、場(chǎng)景、用戶體驗(yàn)的時(shí)候，往往需要將焦點(diǎn)聚集在某類人群上，用戶角色便是一種抽象的方法，是目標(biāo)用戶的集合。

用戶角色不指代具體的誰?！杆且晃?5歲的白領(lǐng)，211大學(xué)畢業(yè)，現(xiàn)在從事于互聯(lián)網(wǎng)行業(yè)的設(shè)計(jì)工作，居住在北京。單身，平時(shí)喜愛搖滾樂」，這段話語，常用來描述產(chǎn)品的典型用戶。

本文談的User Profile，更多是運(yùn)營和數(shù)據(jù)息息相關(guān)的平臺(tái)級(jí)應(yīng)用，本質(zhì)是對(duì)任何一個(gè)用戶都能用標(biāo)簽和數(shù)據(jù)描述。

用戶畫像的應(yīng)用

它在企業(yè)邁大邁強(qiáng)的過程中有舉足輕重的作用。以下是主要的應(yīng)用。

精準(zhǔn)營銷：這是運(yùn)營最熟悉的玩法，從粗放式到精細(xì)化，將用戶群體切割成更細(xì)的粒度，輔以短信、推送、郵件、活動(dòng)等手段，驅(qū)以關(guān)懷、挽回、激勵(lì)等策略。

數(shù)據(jù)應(yīng)用：用戶畫像是很多數(shù)據(jù)產(chǎn)品的基礎(chǔ)，諸如耳熟能詳?shù)耐扑]系統(tǒng)廣告系統(tǒng)。操作過各大廣告投放系統(tǒng)的同學(xué)想必都清楚，廣告投放基于一系列人口統(tǒng)計(jì)相關(guān)的標(biāo)簽，性別、年齡、學(xué)歷、興趣偏好、手機(jī)等等。

用戶分析：雖然和Persona不一樣，用戶畫像也是了解用戶的必要補(bǔ)充。產(chǎn)品早期，PM們通過用戶調(diào)研和訪談的形式了解用戶。在產(chǎn)品用戶量擴(kuò)大后，調(diào)研的效用降低，這時(shí)候會(huì)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。

數(shù)據(jù)分析：這個(gè)就不用多提了，用戶畫像可以理解為業(yè)務(wù)層面的數(shù)據(jù)倉庫，各類標(biāo)簽是多維分析的天然要素。數(shù)據(jù)查詢平臺(tái)會(huì)和這些數(shù)據(jù)打通。

對(duì)大部分產(chǎn)品，用戶畫像用不到推薦系統(tǒng)，個(gè)性化推薦也提高不了幾個(gè)利潤，畢竟它需要大量的用戶和數(shù)據(jù)作支撐。所以這些產(chǎn)品，更適合以用戶畫像為基礎(chǔ)去驅(qū)動(dòng)業(yè)務(wù)。

提了那么多好處，但是據(jù)我了解，不少公司，花了一大筆錢招了不少人建設(shè)用戶畫像系統(tǒng)，結(jié)果用不起來?；蛘咦隽艘环萦脩舢嬒竦膱?bào)告，性別用戶地理位置用戶消費(fèi)金額，看上去挺高大上的，看完也就看完了。

歸根結(jié)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。

舉身邊的例子，朋友在公司建立用戶畫像劃分了百來個(gè)維度。用戶消費(fèi)、屬性、行為無所不包。本來這不錯(cuò)啊，但是上線后運(yùn)營看著這個(gè)干瞪眼。

問題包含但不限于，用戶有那么多維度，怎么合理地選擇標(biāo)簽 我想定義用戶的層級(jí)，VIP用戶應(yīng)該累積消費(fèi)金額超過多少 是在什么時(shí)間窗口內(nèi) 為什么選擇這幾個(gè)標(biāo)準(zhǔn) 后續(xù)應(yīng)該怎么維護(hù)和監(jiān)控 業(yè)務(wù)發(fā)生變化了這個(gè)標(biāo)簽要不要改

設(shè)立好標(biāo)簽，怎么驗(yàn)證用戶畫像的有效性 我怎么知道這套系統(tǒng)成功了呢 效果不佳怎么辦 它有沒有更多的應(yīng)用場(chǎng)景

策略的執(zhí)行也是一個(gè)糾結(jié)的問題。從崗位的執(zhí)行看，運(yùn)營背負(fù)著KPI。當(dāng)月底KPI完不成時(shí)，你覺得他們更喜歡選擇全量運(yùn)營，還是精細(xì)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(shí)間后，發(fā)現(xiàn)也就那么一回事，也就漸漸不再使用。

這是用戶畫像在業(yè)務(wù)層面遇到老大難的問題。雖然企業(yè)自稱建立用戶畫像，應(yīng)用還是挺粗糙的。

怎樣深入理解用戶畫像

畫虎不全反類汪，想要用好它，首先得深入理解用戶畫像。

現(xiàn)在運(yùn)營按用戶生命周期設(shè)立了幾個(gè)標(biāo)簽，比如新用戶、活躍用戶、流失用戶，這些標(biāo)簽當(dāng)然夠細(xì)分。但它真的是一個(gè)好標(biāo)簽么 不是。

因?yàn)檫@些都是滯后性的。按流失用戶的一般定義，往往是用戶很長一段時(shí)間沒有回應(yīng)和行動(dòng)，但是都幾個(gè)月沒有響應(yīng)了，哪怕知道是流失用戶也于事無補(bǔ)。它有價(jià)值，但太滯后。

聰明的運(yùn)營會(huì)設(shè)立一個(gè)新的標(biāo)簽，最近一次活躍距今天數(shù)，用戶有六個(gè)月沒有活躍，那么天數(shù)就是180天。這個(gè)比單純的流失用戶標(biāo)簽好，能憑此劃分不同的距今天數(shù)，設(shè)立30天，90天，180天的時(shí)間節(jié)點(diǎn)。

距今天數(shù)也不是最好的。用戶有差異，同樣兩個(gè)用戶A和B，哪怕不活躍天數(shù)相同，我也不能認(rèn)為它們的流失可能性相等。該問題在低頻場(chǎng)景更凸顯，旅游APP，半年沒有活躍也是正常的，此時(shí)距今天數(shù)力有未逮。

回過頭看流失用戶，我們定義它，不是為了設(shè)立一個(gè)高大上的系統(tǒng)。任何企業(yè)，肯定一開始就希望流失用戶越少越好，其次才是如何挽回。這種業(yè)務(wù)前提下，預(yù)防性的減少流失用戶比已經(jīng)流失的標(biāo)簽更重要。

所以最好的標(biāo)簽的標(biāo)簽是用戶流失概率，流失概率>距今消費(fèi)天數(shù)>流失標(biāo)簽。

不要想當(dāng)然的歸納一個(gè)齊全完備的體系，卻忽略了畫像的核心價(jià)值。用戶畫像首先得是商業(yè)目的下的用戶標(biāo)簽集合。

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(zhǔn)備剁手購物嗎 探討這些是沒有意義的。是男是女如何影響消費(fèi)決策，工資多少影響消費(fèi)能力，有沒有談戀愛會(huì)否帶來新的營銷場(chǎng)景，剁手購物怎么精準(zhǔn)推薦，這些才是用戶畫像背后的邏輯。

不是我有了用戶畫像，便能驅(qū)動(dòng)和提高業(yè)務(wù)。而是為了驅(qū)動(dòng)和提高業(yè)務(wù)，才需要用戶畫像。這是很容易犯的錯(cuò)誤。

用戶畫像的標(biāo)簽一般通過兩種形式獲得，基于已有數(shù)據(jù)或者一定規(guī)則加工，流失標(biāo)簽和距今天數(shù)皆是。另外一種是基于已有的數(shù)據(jù)計(jì)算概率模型，會(huì)用到機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘。

概率是介于0~1之間的數(shù)值。拿性別舉例，除非能直接獲取用戶的身份證信息，用戶很少會(huì)填寫性別，填寫的性別也不一定準(zhǔn)確，網(wǎng)游中性別為女的扣腳大漢一抓一大把呢。

這里就要增加一層推斷用戶真實(shí)性別的算法。中國人的性別和名字是強(qiáng)相關(guān)，建國建軍，翠花翠蘭，很容易判斷。算法中常用貝葉斯，通過已有的姓名性別庫預(yù)測(cè)新加入的用戶性別。

特殊情況下，不少姓名是中性，男女不辯。像曉晶，可男可女。更特殊的情況，看上去是男性的名字，也有可能是女性，我的初中老師就叫建軍，然而是個(gè)和藹可親的小姐姐。

特殊情況意味著特殊的概率，所以不能用非此即彼的二分法。所謂概率，它更習(xí)慣告訴你，通過模型推斷，建軍有95%的可能是男性姓名，表示為0.95;曉晶有55%的可能是男性，表示為0.55。

雖然為了方便，模型會(huì)設(shè)立閾值，將50%以上的概率默認(rèn)為男性，以下默認(rèn)為女性。但業(yè)務(wù)部門的同學(xué)要清楚，用戶標(biāo)簽的本質(zhì)往往是0～1之間的概率。

概率型的標(biāo)簽很難驗(yàn)證。某位用戶被標(biāo)上學(xué)生標(biāo)簽，要么真的哄他上傳學(xué)籍證明，否則很難知道他是不是真的學(xué)生。這種黑箱情況下，針對(duì)學(xué)生用戶進(jìn)行營銷活動(dòng)，效果好與不好，都受標(biāo)簽準(zhǔn)確率的影響。廣告、推薦、精準(zhǔn)營銷都會(huì)遇到這個(gè)問題。

概率肯定有多有少。90%流失概率的用戶，和30%流失概率的用戶，雖然是模型建立出的預(yù)測(cè)值，非真實(shí)，我們還是會(huì)認(rèn)為前者更有離開的可能性，憑此設(shè)立運(yùn)營策略。

這帶來一個(gè)新的問題，如何選擇概率的閾值 

我們想要挽回流失用戶，選擇80%以上概率的人群，還是60%呢 答案已經(jīng)說過了，要考慮業(yè)務(wù)，挽回流失用戶是手段不是目的，實(shí)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(jì)算不同閾值下，挽回用戶的收入和成本，選擇最優(yōu)解。

推而廣之，推薦系統(tǒng)也好，廣告系統(tǒng)也罷，它們有更復(fù)雜的維度、標(biāo)簽、特征，本質(zhì)也是找出用戶最近想不想買車，用戶最近想不想旅游。把最合適的信息在最恰當(dāng)時(shí)機(jī)推給用戶，獲取最大的利益。

我列舉的案例，是簡化過的。像姓名，在電商和消費(fèi)行業(yè)，除了生理上的性別，還會(huì)建立消費(fèi)模型上的性別標(biāo)簽，有些人雖然是男性，但購物行為是女性，這是要區(qū)分的。

看到這里別怕，想要建好用戶畫像，說簡單不簡單，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(wù)模型的。業(yè)務(wù)部門連業(yè)務(wù)模型都沒有想好，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(guān)門造車，這和做產(chǎn)品一樣，連用戶需求都沒有理解透徹，匆匆忙忙上線一個(gè)APP，結(jié)果無人問津。

理解消費(fèi)者的決策，考慮業(yè)務(wù)場(chǎng)景，考慮業(yè)務(wù)形態(tài)，考慮業(yè)務(wù)部門的需求…這些概念說得很虛，但是一個(gè)好的用戶畫像離不開它們。本文沒有說數(shù)據(jù)、模型和算法，是我認(rèn)為，它們比技術(shù)層面更重要。

來源：秦路