導(dǎo)讀：用戶畫像作為當(dāng)下描述分析用戶、運營營銷的重要工具，被全部互聯(lián)網(wǎng)人熟知，用戶畫像的定義并不復(fù)雜，是系統(tǒng)通過用戶自行上傳或埋點上報收集記錄了用戶大量信息，為便于各業(yè)務(wù)應(yīng)用，將這些信息進行沉淀、加工和抽象，形成一個以用戶標(biāo)志為主key的標(biāo)簽樹，用于全面刻畫用戶的屬性和行為信息，這就是用戶畫像。

畫像這種結(jié)構(gòu)化的用戶信息加工方式，極大程度上做到了完整、全面且直觀地刻畫用戶。畫像是用戶在產(chǎn)品的檔案，便于人工使用、機器輸入和算法理解。簡而言之：畫像是由標(biāo)簽樹及末級標(biāo)簽的標(biāo)簽值構(gòu)成的，全面定量刻畫用戶的結(jié)構(gòu)化信息產(chǎn)品。畫像是標(biāo)簽的總成，用戶標(biāo)簽是具體刻畫用戶的結(jié)構(gòu)化信息，以下簡稱標(biāo)簽。

本文將介紹用戶畫像的構(gòu)建思路，在畫像構(gòu)建的過程中，我們把工作分為兩步：

• 第一步：介紹從0到1的構(gòu)建思路。

• 第二步：介紹從1到100的構(gòu)建思路。

1. 畫像從0到1的構(gòu)建思路

一個比較成熟的畫像系統(tǒng)，會有成千上百的標(biāo)簽，這些標(biāo)簽的生產(chǎn)不是一次完成的，而是隨著業(yè)務(wù)的發(fā)展需要，逐步補充完善，最終呈現(xiàn)在大家眼前的就是一棵龐大的標(biāo)簽樹。

跟自然界的樹木一樣，要想長得茁壯參天，必須有一個穩(wěn)定的根基和合理的結(jié)構(gòu)，用戶畫像的構(gòu)建也是一樣的，前期最重要的仍然是搭好畫像骨架，確保后續(xù)的發(fā)展過程中，依然保持清晰的結(jié)構(gòu)和高延展性。相反的，如果一開始為了搶時間，將大量標(biāo)簽無序的堆在線上，后期管理和使用的難度會迅速凸顯出來，重構(gòu)的代價巨大。

上面說到，一個好的標(biāo)簽樹結(jié)構(gòu)要滿足兩個條件，“高概括性”和“強延展性”，高概括性意味著結(jié)構(gòu)體系能夠很好的包含一個用戶的基本屬性和產(chǎn)品交互的相關(guān)行為，同時對于業(yè)務(wù)重點單獨強調(diào)，沒有遺漏；“強延展性”意味著結(jié)構(gòu)全面的同時也有一定的抽象概括能力，保證新增的標(biāo)簽可以很好的找到對應(yīng)的分類，整個體系不會過于收斂局限。

按照這個原則，畫像通常從八個維度組織標(biāo)簽，分別為：基本屬性、平臺屬性、行為屬性、產(chǎn)品偏好、興趣偏好、敏感度、消費屬性、用戶生命周期及用戶價值。

下圖所示為用戶整體架構(gòu)示例：

① 基本屬性

基本屬性是指一個用戶的基本社會屬性和變更頻率低的平臺特征，例如真實社會年齡、性別、婚姻狀況、昵稱、號碼、賬號、lbs等標(biāo)簽。這些標(biāo)簽類型多為直采型，可從用戶基本信息表中直接獲取，不需要統(tǒng)計或者算法挖掘。

示例：社會性別_女

② 平臺屬性

平臺屬性是用戶在平臺上表現(xiàn)出的基本屬性特征，是利用用戶行為進行算法挖掘，標(biāo)識用戶真實屬性的標(biāo)簽。

最典型的平臺屬性標(biāo)簽例如平臺年齡標(biāo)簽，這里就有一個疑問，為什么在用戶的基礎(chǔ)屬性中已經(jīng)有年齡標(biāo)簽，但在平臺屬性中重復(fù)又有一個呢，這里就涉及兩者之間的差別。設(shè)想一個真實的場景：一個用戶社會身份為20歲，但他喜歡中年人的穿衣風(fēng)格，在使用app購物的時候，表現(xiàn)出的真實偏好為30-40歲，對于這樣使用產(chǎn)品時表現(xiàn)出的用戶心智和真實年齡不相符合的用戶，如果只采用上傳的基本屬性，給他推薦年輕人喜歡的物品，是不是很難命中個體用戶的興趣呢？

兩種不同的標(biāo)簽，本質(zhì)上是用戶自己上傳信息的隨意性和挖掘信息的權(quán)威性差異，是用戶社會屬性和真實屬性差異。

我們仔細(xì)分析一下兩者在數(shù)據(jù)源、計算邏輯、標(biāo)簽格式、標(biāo)簽值和應(yīng)用場景的差異，如下：

數(shù)據(jù)源與計算邏輯：基礎(chǔ)屬性是利用用戶自行上傳的存儲在用戶基礎(chǔ)信息表里的數(shù)據(jù)，平臺屬性則利用客戶端或者服務(wù)端埋點上報采集的用戶行為數(shù)據(jù)進行挖掘計算生成。基本屬性是典型的直采型標(biāo)簽，平臺屬性是典型的算法挖掘型標(biāo)簽。

末級標(biāo)簽和輸出標(biāo)簽值：以性別為例，基本屬性代表用戶真實的社會身份，是確定的事實，所以典型標(biāo)簽形式為“性別_女”，而平臺屬性則代表用戶在性別維度的偏好概率，所以典型形式為“性別_女_0.80”其中‘女’為末級標(biāo)簽，0.80則代表用戶在平臺的女性身份上表現(xiàn)出的傾向程度。

應(yīng)用場景：平臺屬性通過用戶行為進行挖掘，更能代表用戶的真實傾向，輸出結(jié)果比基本屬性準(zhǔn)確率高，在定向營銷和算法里，年齡、性別等通常采用平臺屬性。而社會屬性中電話、身份證、賬號、昵稱等使用較多。

③ 行為屬性

行為屬性記錄的是用戶的全部單點行為，用戶的單點行為包括啟動、登錄、瀏覽、點擊、加車、下單等非常多，而且跟不同的產(chǎn)品，不同的模塊交互，不同的時間窗選取，行為就更加復(fù)雜了，如何能夠全面的梳理，可以按照“產(chǎn)品＊功能模塊＊用戶單點行為*時間”四大要素來組織。

這里的“產(chǎn)品＊功能模塊＊用戶單點行為*時間”意思是一個完整的行為應(yīng)該包含“哪個產(chǎn)品”“哪個功能模塊”“哪個行為”“哪些時間要求”幾要素，例如某瀏覽器體育頻道距今最近一次訪問時間。按照這幾要素組織行為，不容易發(fā)生遺漏。

示例：產(chǎn)品初次登錄時間，最后一次啟動距今時間，30天內(nèi)搜索行為頻次，一個月內(nèi)閃屏訪問次數(shù)等。

④ 產(chǎn)品偏好

產(chǎn)品偏好是對用戶使用某些產(chǎn)品、產(chǎn)品核心功能或者其他渠道的偏好程度的刻畫，屬于挖掘型標(biāo)簽，其中產(chǎn)品的選取可以包括自家產(chǎn)品、競品；功能和渠道包括站內(nèi)產(chǎn)品功能，也包括push、短信、開屏、彈窗等幾大運營和產(chǎn)品法寶。

示例：搜索模塊偏好、直接競品_京東偏好、短信偏好。

⑤ 興趣偏好

興趣偏好是用戶畫像內(nèi)非常重要的維度，以電商產(chǎn)品為例，用戶對商品的喜愛程度是用戶最終的信息之一，興趣偏好就是對用戶和物品之間的關(guān)系進行深度刻畫的重要標(biāo)簽，其中最典型的要屬品牌偏好、類目偏好和標(biāo)簽偏好。

示例：品牌偏好_優(yōu)衣庫_0.91類目偏好_美妝_0.80、標(biāo)簽偏好_紅色_0.70?！?/span>

⑥ 敏感度

在營銷活動時，我們留意到有些用戶不需要優(yōu)惠也會下單，而有些用戶一定要通過優(yōu)惠券刺激才會轉(zhuǎn)化，優(yōu)惠券的額度也影響了用戶下單的金額，這種情況下，如何識別對優(yōu)惠敏感的用戶發(fā)放合理的券額的優(yōu)惠券，保證優(yōu)惠券不浪費，去報促銷活動的ROI最大，其中一個很重要的標(biāo)簽就是用戶的敏感度標(biāo)簽，敏感度代表用戶對平臺活動或者優(yōu)惠的敏感程度，也是典型的挖掘類標(biāo)簽。

示例：熱點敏感度、折扣敏感度。

⑦ 消費屬性

無論是電商、內(nèi)容或者其他領(lǐng)域，公司的目標(biāo)最終都是收益，所以消費屬性往往作為一個單獨的維度重點刻畫。消費屬性包括統(tǒng)計型標(biāo)簽——消費頻次、消費金額、最近一次消費時間等，也包括挖掘型標(biāo)簽——消費能力和消費意愿，同時包含敏感度標(biāo)簽——優(yōu)惠促銷敏感度、活動敏感度、新品敏感度、爆款敏感度等。

⑧ 用戶生命周期及用戶價值

用戶生命周期是用戶運營的重要法典，一個用戶從進入產(chǎn)品到離開，通常會經(jīng)歷“新手”“成長”“成熟”“衰退”“流失”5個典型階段，每個階段對用戶運營存在策略差異，畫像在其中的作用是明確標(biāo)記用戶所處生命周期的階段，便于后續(xù)業(yè)務(wù)同學(xué)落地。

用戶價值是體現(xiàn)用戶為產(chǎn)品貢獻(xiàn)價值高低的標(biāo)簽，最經(jīng)典的是RFM模型獲得交易維度標(biāo)簽，與此同時，也應(yīng)該看到用戶的其它價值，例如為產(chǎn)品貢獻(xiàn)活躍度，通過裂變拉來新用戶，這些都可設(shè)計相應(yīng)的標(biāo)簽。

示例：新手、成長、成熟、衰退、流失、高價值用戶、VIP等級等。

2. 畫像從1到100的構(gòu)建思路

在前面一節(jié)，我們討論了一個用戶畫像的基礎(chǔ)框架應(yīng)該如何搭建，這一節(jié)討論一下，有了基礎(chǔ)框架，到底應(yīng)該如何著手一步一步完善畫像標(biāo)簽樹，如何從一個基于業(yè)務(wù)的需求落地為標(biāo)簽的設(shè)計，如何將標(biāo)簽應(yīng)用到具體的業(yè)務(wù)中。

要解決“如何做”“如何用”兩大問題，要從這個問題的根本入手思考，也就是我們?yōu)槭裁匆鲇脩舢嬒瘢脩舢嬒竦淖饔檬鞘裁?，了解了這個問題，便能水到渠成的根據(jù)用途合理的設(shè)計方案。

用戶畫像的主要目的有三個，具體如下：

第一用于用戶信息的統(tǒng)計，建立對產(chǎn)品對用戶的基本認(rèn)知；第二用于用戶定向營銷，利用人群圈選投放物料；第三用于算法，沉淀用戶特征，供模型使用。所以標(biāo)簽的完善也可以按照這三個維度不斷豐富，以下分別舉例說明標(biāo)簽建設(shè)的思路。

① 用于統(tǒng)計，對產(chǎn)品對用戶的基本認(rèn)知

每個產(chǎn)品功能策略完善，都需要建立在對產(chǎn)品對用戶的充分認(rèn)知基礎(chǔ)上，也就是說，用戶是誰，有何特點，基本情況如何，這些是用戶畫像需要回答的重要問題。

思路拆解：既然要了解用戶的基礎(chǔ)信息，就需要將用戶基本屬性進行拆解：年齡、性別、居住城市（幾線）、家庭結(jié)構(gòu)（婚否、孩否）等。為了盈利考慮，還需要了解基本的收入水平、消費能力等。將拆解的維度抽象，構(gòu)建對應(yīng)標(biāo)簽，然后進行分布統(tǒng)計，便能生成一份基本的用戶認(rèn)知報告。

標(biāo)簽結(jié)果：年齡、性別等。

② 用于定向營銷和精細(xì)化運營

運營同學(xué)作為畫像的重要業(yè)務(wù)使用方，每天都會通過標(biāo)簽圈選人群，做定向的用戶、活動、內(nèi)容精細(xì)化運營，以及各app每天都在進行的促銷活動。這些運營和活動的場景分布在產(chǎn)品的各個渠道和各個資源位，對場景和人群的驚喜程度要求都很高。

我們舉例一個日常工作中最常見的需求：通過一次數(shù)據(jù)分析發(fā)現(xiàn)，產(chǎn)品的流失用戶占比提升，通過討論，大家認(rèn)為通過一次結(jié)合利益點的push推送，召回流失用戶，是有效且快速的手段，同時push作為各個業(yè)務(wù)都在爭取的有限資源，希望可以提高使用效率，確保push這個資源渠道的整體ROI，以上需求希望畫像可以支持。

思路拆解：從這個需求背景中，我們做一次關(guān)鍵詞提取，不難發(fā)現(xiàn)，關(guān)鍵詞如下是“流失用戶”、“利益點”、“push”“效率”。其中流失用戶是用戶身分識別，利益點是用戶優(yōu)惠敏感度，push是產(chǎn)品渠道資源，效率意味著要盡可能的確保全選人群精準(zhǔn)，不能為了覆蓋率犧牲準(zhǔn)確率。

思路拆解完畢，具體落地就變得簡單多了，參考步驟如下：

第一步：需要流失用戶的口徑和標(biāo)簽，這里需要用到用戶生命周期的劃分，從中識別并標(biāo)識出流失用戶。

第二步：分析對流失用戶拉回效果最好的利益點，例如優(yōu)惠券、折扣、禮品或者是其他內(nèi)容。這一步需要運營和數(shù)據(jù)同學(xué)根據(jù)日常經(jīng)驗和數(shù)據(jù)分析獲得，對于畫像的要求是基于分析結(jié)論，挖掘不同用戶對于優(yōu)惠折扣的敏感程度，這一部分在標(biāo)簽架構(gòu)敏感度部分有論述，最終目的是確保每一分錢都能花在刀刃上。

第三步：確定拉回的明確目標(biāo)，是拉回規(guī)模還是準(zhǔn)確率，通過需求分析可以確定，本次拉回在資源有限的情況下，需要提升人群識別的準(zhǔn)確率，畫像實現(xiàn)準(zhǔn)確率的方法有兩條路徑，一是提升畫像算法的準(zhǔn)確率，這部分主要依賴算法本身，無法一蹴而就，所以這里選擇的方法是增加人群全選的條件，可就是新增標(biāo)簽，供圈選求交

根據(jù)背景分析，我們可以增加流失用戶關(guān)于push渠道的打開意愿的標(biāo)簽，提高push資源的使用效率。

經(jīng)過上述分析，需要生產(chǎn)的標(biāo)簽如下：

• 用戶生命周期_流失。

• 用戶折扣優(yōu)惠敏感度。

• push使用標(biāo)簽：這里可用統(tǒng)計型標(biāo)簽，例如push最近一次訪問時間，在使用時設(shè)置條件為“最近3天，最近7天”；也可用綜合的算法挖掘型標(biāo)簽，即push渠道偏好。

通過以上需求分析和思路拆解，畫像的建設(shè)過程應(yīng)該比較明確，這里再留一個思考的case，可以嘗試如何分析如何落地：平臺新上一款商品，初期需要在某模塊展示給目標(biāo)用戶做推廣，同時盡量不打擾其他非目標(biāo)用戶，不降低該資源位的整體轉(zhuǎn)化效率。

思路拆解提示：商品的目標(biāo)用戶——商品可以按照哪些維度拆分關(guān)鍵信息？模塊位置——用戶的模塊功能使用偏好是什么？準(zhǔn)確率的要求——如何提升畫像應(yīng)用的準(zhǔn)確率？

回答好以上問題，這個需求的標(biāo)簽便能順利獲得。

③ 用于算法，主要應(yīng)用于搜索推薦、風(fēng)控廣告等策略方向，標(biāo)簽可以直接作為用戶特征使用

標(biāo)簽除了用于基本的用戶群體描述，定向營銷和精細(xì)化運營，還有一個相對來說新穎又廣泛的用途，用于各算法的各個環(huán)節(jié)，在召回和排序兩大經(jīng)典策略流程中，都可以用到用戶畫像，這里我們舉例畫像在推薦系統(tǒng)的召回層應(yīng)用案例。

需求背景：推薦系統(tǒng)的本質(zhì)是從海量信息中計算用戶最感興趣的部分，對應(yīng)推薦系統(tǒng)的“召回-粗排-精排”，是一個“層層精選”的過程。其中召回層是精選的第一道流程，為后續(xù)計算打分準(zhǔn)備初步的興趣候選集，這里候選集的生成方法之一就是用戶畫像法。仍然以電商業(yè)務(wù)為例，講述如何用用戶畫像做興趣召回。

思路拆解：召回的作用是粗篩，幫助推薦系統(tǒng)計算第一道用戶興趣池，這里用戶對物品的興趣興趣可拆解為對商品品牌、類目和商品標(biāo)簽的興趣，這部分就已經(jīng)轉(zhuǎn)化為上述文章中的已知內(nèi)容，用戶標(biāo)簽中是有品牌偏好標(biāo)簽、類目偏好標(biāo)簽和標(biāo)簽偏好標(biāo)簽的，只需要在所有品牌、類目、標(biāo)簽下維護一個按照商品質(zhì)量或者熱度倒敘的列表，這樣只要獲取到用戶標(biāo)識，邊能從用戶畫像中獲取偏好的品牌、類目和標(biāo)簽，再從品牌、類目和標(biāo)簽下的商品列表中召回相應(yīng)的商品，根據(jù)候選集大小的設(shè)計，做top k截斷召回。這部分商品完成了初步的召回，為進入下一個流程進行粗排和精排做準(zhǔn)備。

以上章節(jié)，選自：《數(shù)據(jù)產(chǎn)品經(jīng)理：實戰(zhàn)進階》

特別推薦一個分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒關(guān)注的小伙伴，可以長按關(guān)注一下：
長按訂閱更多精彩▼
如有收獲，點個在看，誠摯感謝