如今在这个大数据时代，每个用户都被标签化，运用用户画像的方式了解用户，从而推送相关消息；最常见的情况就是你买了商品后，推荐会自动推送与此商品相关的商品，促进消费；本文作者分享了关于什么是真正的用户画像，我们一起来看一下。
用户画像又称用户角，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。
我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来；作为实际用户的虚拟代表，用户画像所形成的用户角并不是脱离产品和市场之外所构建出来的，形成的用户角需要有代表性能代表产品的主要受众和目标体。
一、用户画像是什么？
用户画像的核心是为用户打标签，即——将用户的每个具体信息抽象成标签，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。
我理解的用户画像是一种标签（浅层次）、数据的集合体（深层次），最终的导向还是获取用户的信息，并提供战略决策。
1. 什么是标签
举个例子：男，28岁，未婚，收入2万，爱美食，科技控，喜欢美女、喜欢旅游、有车。
这样的描述，就是一个初步的用户画像，就是一组标签信息（即用户信息标签化）。
那么我们再看一下这一张截图：
国外汽车改装视频这很明显是一个反面教材了，大家能在这张截图中，看出什么标签吗？
从，姓名、学生、年龄、快毕业、艺校生、探索未知等标签就可以了解到专业水平、学习兴趣？这是怎么挖掘出来的？
标签又可以分为三大类（宽泛）：
统计类标签：这类标签是最为基础也最为常见的标签类型，例如：对于某个用户来说，其姓名、性别、年龄、地市、活跃时长等，这类数据可以从用户注册数据、用户消费数据中得出，该类数据构成了用户画像的基础。规则类标签：该类标签基于用户行为确定的规则产生。例如：定义该用户为高频投诉用户，规则为“近30天投诉次数＞10”；在实际开发画像的过程中，由于运营人员对业务更为熟悉，而数据人员对数据的结构、分布、特征更为熟悉，因此规则类标签的规则由运营人员和数据人员共同协商确定。学习挖掘类标签：该类标签通过系统智能化学习挖掘产生，用于对用户的某些属性或某些行为进行预测判断；例如：根据用户的消费行为习惯判断该用户的消费能力、对某类商品的偏好程度，该类标签需要通过算法挖掘产生。
发布评论