編輯導語：如今在這個大數據時代，“用户畫像”這個詞經常出現，它跟精準營銷掛鈎，可以根據一個人的興趣、地理位置等進行精確的推送，達到良好的營銷效果；本文作者分享了關於用户畫像規劃的流程和方法，我們一起來看一下。
互聯網行業飛速的發展，帶動行業業務量激增，同時伴隨數據量的增加，互聯網各行各業慢慢形成頭部企業，2/8原則下長尾企業也越來越多；因此，在大數據量和激烈競爭下，如何更好的對產品進行營銷，如何制定價格策略，越來越重要。
那麼，如何制定準確的營銷和價格，就需要我們針對不同人羣，不同個體的特點進行精細化推薦，所要本章介紹瞭如何進行用户畫像。
文章結構：
用户畫像就是對用户按照一定的規則進行統計，劃分，從而能夠指導用户推薦，客户分層運營，達到營銷效果。
昨天：手機APP大爆發是隨着手機硬件的發展而發展起來的，發展前期大量APP為搶佔市場紛紛上線；用户畫像只是為了指導產品設計，主要用於產品設計前夕的用户訪談、用户調研的前期工作，而且一般覆蓋的人羣比較狹隘，精準度差，產品經理設計產品全靠感覺。
今天：行業競爭越來越大，行業產生的數據量也越來越大，各大公司開始建造自己的數據倉庫；那麼如何應用數據倉庫中的數據，如何進行精細化運營，用户畫像越來越受到重視。
明天：隨着大數據技術的成熟應用，用户畫像標籤將越來越多，目前互聯網行業中比較成功的標籤系統是淘寶的千人千面，技術創新必將推動用户畫像的精準度。
二、用户畫像常用場景用户畫像概況可應用於一下三個場景：
- 產品設計：開發前期的產品定位設計；
- 產品營銷：指導運營對特定用户進行推送活動信息，推廣信息，個性化推薦等。
- 產品決策：分析用户畫像統計對產品的發展現狀和發展趨勢進行預測，及時調整產品發展路線。
按照用户標籤的生產方式可分為：
統計標籤：現有的可以直接從數據中提取出來的標籤；包括用户自然屬性，用户行為統計等信息。
規則標籤：自定義規則進行標籤建模；根據業務流程提取需要統計的標籤。
算法模型標籤：根據機器學習等算法進行用户行為預測分類；具有不確定性、開發週期長、成本高，因此係統中此類標籤數量較少。
三、用户畫像系統搭建流程1. 數據採集對用户數據進行採集，數據預處理，數據挖掘和過濾等手段得出期望的數據集。
用户數據一般分為埋點數據和業務數據：
- 埋點數據：根據用户的行為特徵進行埋點，將得到的數據進行處理存儲；
- 業務數據：用户的姓名、年齡、地理位置等自然屬性，同時包括用户購買、用户評價、用户評論等隱形數據。
具體採集方法可以使用如下算法模型：
文本挖掘模型（TF-IDF）：處理文本類型，提取數據信息。
TF是詞頻，IDF是逆向文件頻率，TF-IDF是詞頻和逆向文件頻率的乘積。
Nij就是詞i在j文章中出現的次數，分母就是文章的總詞數。
D就是語料庫中文件總數，下面分母就是詞i出現的文檔數，然後取對數。
該算法可以直接調用python庫Sklearn進行實現，但是該算法比較單一，不考慮詞條在文章中的位置，不能準確描述詞的重要程度，一般需要結合其他其他算法或者增加權重改進。
聚類算法：聚類算法較多，如ANN神經網絡和貝葉斯等，聚類主要是針對冷啓動用户、用户分羣營銷等目的；具體算法相對複雜，目前算法應用多使用python的各種庫如Sklearn，包括一些框架tensorflow、caffe等。
相似度模型：一般使用相似度模型進行輔助用户分羣，常用的有邏輯迴歸、線性迴歸、餘弦相似度、皮爾森相似度等。
具體説下餘弦相似度：
實例：
用户1和用户2通過公式計算相似度為0.945406，是不是可以解釋為兩個用户可以劃分為同一類人，進行用户分羣（計算過程只是用於解釋算法，無其他意義）。
若已有數據倉庫，數據採集相對比較輕鬆，可參考文章“每日優鮮如何搭建數據倉庫？”。
2. 用户維度分析用户分析具有多維度，隨時間更新的特點，包括用户年紀、學歷、興趣、消費水平等都容易變化。
因此維度信息應該隨着用户偏好發生變化，因此，在標籤系統中需要有新增標籤功能。
用户畫像最終的實現應該是對維度進行標籤化，常用MECE法則進行標籤化，防止標籤界限不清晰。
標籤需要根據需要進行逐級拆分，例如：
用户畫像數據導入服務器中，為後續推薦系統，營銷活動服務；封裝成API可以作為數據服務的內容，對其他系統提供數據支持。
5. 用户畫像評估對畫像進行評估：
用户覆蓋率：用户畫像具體能夠覆蓋到多少用户，有些用户畫像可能覆蓋總用户的50%或者80%；所以覆蓋率是用户畫像應用的一個評價，覆蓋率越高，對後續精準營銷的策略選擇越準確。
準確率：模型的準確性，如上所述，使用算法模型導致的用户分羣錯誤或者對用户的購買意向預測錯誤，將直接影響購買率，影響GMV。
可拓展：用户畫像在維度刻畫應該是可擴展的。
及時性：如果用户畫像服務到實時推薦系統中還需要用户畫像的及時。
四、總結用户畫像結合大數據技術使用户刻畫更加細緻、及時，對日趨競爭激烈的互聯網浪潮起到越來越重要應用。
本文由@汪仔2296 原創發佈於人人都是產品經理，未經許可，禁止轉載。
題圖來自Unsplash, 基於CC0協議