一、用户画像

1、概念描述

用户画像，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。用户画像最初是在电商领域得到应用的，尤其在数字化营销范畴之内，核心的依赖依据就是描述用户画像的丰富标签。

在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，基于标签运用用户画像的方式了解用户，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。例如上述基于最简单的用户数据可以分析出来的用户画像信息。

2、组成结构

用户画像的最核心工作是基于数据采集为用户贴上标签，随着标签的不断丰富用户的画像也会越来越清晰，最终达到了解甚至理解用户的能力。

在实际的用户画像体系中，对于标签的分类分级远远不止这么简单，更加的细致和精确：

• 基础属性：性别，年龄，消费能力，职业等；
• 行为属性：活跃度，浏览，点击查看，不感兴趣；
• 现实场景：经常进入的商圈，电影院，景区等；
• 兴趣描述：购物，影视，音乐，游戏，读书等
• 定制化：通过机器分析，基于某些标签组合判定；

通过用户产生的多种场景数据，去分析或者推测用户的并信息标签化，可视化的描述出来，通过用户画像，产品能自动化的深入理解用户并服务用户，例如很多信息流的应用，会根据用户的阅读内容自动判断推送用户可能喜欢的内容。

3、画像的价值

在用户量大业务复杂的公司，都会花很高的成本构建用户画像体系，在各个业务线上采集数据做分析，不断深入的了解用户才能提供更加精准的服务和多样化的运营策略。

用户引流

通过现有用户的画像分析，在相关DMP广告平台做投放，重点推荐其平台上具有相关类似标签的用户，为产品做用户引流，这里也是相似用户快速扩量的概念类似。

新用户冷启动

快速分析新注册用户可能偏向的属性和兴趣偏好，实现服务快速精准推荐，例如用户注册地所在区域，可以通过该区域用户的通用标签推测该新用户的特征。

精准或个性化服务

这里就是根据丰富的用户画像分析，理解用户并提供精准服务或个性化服务。提供好的服务自然能做到用户的深度沉淀。

多场景识别

这里场景相对偏复杂，通过一个案例描述，例如在某个平台用手机号A注册，之后该手机号A丢失，换用手机号B之后，通过相关行为去理解用户是否手机号A的用户，也可以根据同个手机序列识别不同用户或者多个手机序列识别相同用户。

沉默用户唤醒

基于精细化的标签和多个场景数据，对用户的沉默程度做快速识别，基于画像分析制定运营策略进行激活召回减少用户流失。

二、人群分析

每次开发用户群分析的案例，脑海都能响起一段话：独生子女，傲娇，温室花朵，冷漠自私，精致利己，想法清奇，个性张扬，缺乏团队意识，非主流，垮掉。之前几年这是很多长辈或者社会对90这代人贴的标签，也有很多是90自我嘲讽的标签，作为90后的一员我对这份画像还是挺满意的…

上述就是典型的人群画像分析的非典型案例，实际上最近几年对90人群分析报告已经非常多而且准确，很多数据公司都会从：社会属性、消费能力、游戏爱好、宠物、网络应用等多个热门领域做深度分析。分析人群画像可以在商业应用中产生非常高的价值。

三、深度应用

1、商圈分析

首先基于商圈区域圈用户群，这里很好理解用户在某个商圈内产生数据，依次获取用户相关标签做该商圈内用户画像分析。

其次分析商圈本身服务，例如美食领域人流、娱乐领域人流、购物领域人流等，对比不同商圈为商业圈的运营提供策略。

通过综合商圈分析获取的画像，对商圈的构成、特点和影响商圈规模变化的各种因素进行综合性的研究，即服务于企业合理选择店址，也服务商圈精准引入丰富的品牌店铺。

2、行业分析

行业分析画像是非常复杂的一种报告，通常会考量：用户体量、人群特征、技术、营收规模、竞争力、竞争格局、行业政策、市场饱和度等多个要素。不同的角度看行业分析也是不同的概念，例如从行业产品角度看：基于行业分析判断是否要做、如何做、如何做好、明确产品方向和运营策略等问题；从投行领域看则判断新产品是否值得投资有没有稳定高回报，风险控制等。

通过多个场景下数据构建用户画像，在应用到产品的众多业务场景，进行商业化运营和管理，产生更高的价值。

四、源代码地址

GitHub·地址
https://github.com/cicadasmile
GitEE·地址
https://gitee.com/cicadasmile

数据洞察业务系列

推荐阅读：编程体系整理