用户画像相关的

什么是用户画像？

自己个人简单一句话理解就是给用户贴标签，聚类分析提取有用的标签及重要特征标识。

做用户画像的目的有那些

1，精准营销（这是这本人做用户画像的目的，为运营推广人员提供有效的推广依据）。针对特定的用户群里采用不同的营销推广策略及渠道。

2.用户统计，比如本公司年度一些指标的排行榜。

3.数据挖掘；构建智能推荐系统，利用关联规则计算，喜欢这类平台的投资人还喜欢那些平台，用户喜欢看这些明星文章还喜欢这些明星的穿衣搭配指南；用聚类算法分析，喜欢投资大额在10万以上的人年龄段分布情况。

4.进行效果评估，完善产品运营，提升服务质量，相当于市场调研、用户调研，迅速下定位服务群体，提供高水平的服务

5.对服务或产品进行私人定制，即个性化的服务某类群体甚至每一位用户

6.业务经营分析以及竞争分析，影响企业发展战略

用户画像四步走：

第一步：构建用户标签

第二步：数据挖掘、提取与处理

第三步：结合用户列表和业务目标动起来

第四步：用户画像优化

一、用户标签化

l 初步画像：通过用户访谈和产品功能特点建立用户基本属性和产品属性标签

l 中期画像：通过用户行为、产品触点丰富用户画像特征

l 后期画像：业务部门、用研、数据组评估，确定标签体系构建常用标签库

二、数据提取与处理

l 数据提取：常用标签和临时标签的提取方法不同，建议经常使用的标签可以常规化

l 数据处理：数据去重、合并等，可以用Python；列表查看、删除、加入特定列表可以用EditPlus，个人认为这两个蛮好用的

l 数据仓库：每天需要的用户列表，可不用每日提取，建立一个数据仓库，即用即取，还是挺方便的

三、数据应用

l 内容Push：消息类内容精准定位，这需要配合后台管理系统才能实现噢

l 活动推广：广告投放、活动推荐、用户指引等

四、用户画像优化

建立用户画像以后，也需要根据产品业务部门的调整，不断改善优化，用户基本属性不会有多大变化，但是用户行为会随着产品功能等多因子而改变，所以调整优化才会将用户画像的工作做的更好喽～

网上找的一张图很是受教，不同服务层次，不同业务切分收集用户的标签维度也不一样。

不同的业务节点做的用户行为模型也不相同。

在这个阶段，需要用到很多模型来给用户贴标签，

用户汽车模型

根据用户对“汽车”话题的关注或购买相关产品的情况来判断用户是否有车、是否准备买车

用户忠诚度模型

通过判断＋聚类算法判断用户的忠诚度

身高体型模型

根据用户购买服装鞋帽等用品判断

图片来源于网络

用户画像基本成型

用户画像永远也无法100%描述一个人，只能做到不断的去逼近一个人，因此用户画像应根据变化的基础数据不断修正，又要根据已知数据来抽象出新的标签使用户画像越来越立体。

关于“标签化”，一般采用多级标签、多级分类，比如第一级标签是基本信息（姓名、性别）第二级是消费习惯、用户行为，第一级分类有人口属性，人口属性又有基本信息，地理位置等二级分类，地理位置又分工作地址和家庭地址的三级分类。

数据可视化分析

这是把用户画像真正利用起来的一步，在此步骤中一般是针对群体的分析