用戶畫像分析（用戶畫像分析案例）

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于用戶畫像分析的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、用戶畫像分析怎么做

• 2、用戶畫像數(shù)據(jù)建模方法_用戶畫像分析

• 3、Bilibili用戶畫像分析

• 4、用戶畫像介紹

一、用戶畫像分析怎么做

首先，是找到目標(biāo)用戶。以Tik Tok為例。在Tik Tok剛剛開始上線之后，分析我們的用戶是誰是非常重要的，比如什么年齡，性別，地域教育等等。這樣可以快速幫助產(chǎn)品找到當(dāng)前的主流用戶群體是否是產(chǎn)品的初始定位。如果完全不同，那就是產(chǎn)品的設(shè)計(jì)出了問題，偏離了方向。

上線一段時(shí)間后，我們可以把用戶分成不同的活躍程度。比如都玩Tik Tok，有的天天玩有的偶爾玩，有的能刷很久，有的刷完就走了。頻率和時(shí)長(zhǎng)成了此時(shí)用戶最大的特征差異。那么，不同頻率和時(shí)長(zhǎng)的用戶在年齡、性別、地域上有什么區(qū)別呢？這些是對(duì)特征的進(jìn)一步認(rèn)識(shí)。

一段時(shí)間后，部分用戶會(huì)保留和流失用戶，需要分析保留用戶和流失用戶在行為特征上是否有特殊差異。

https://iknow-pic.cdn.bcebos.com/f703738da977391294357ff1ea198618367ae20b?x-bce-process=image%2Fresize%2Cm_lfit%2Cw_600%2Ch_800%2Climit_1%2Fquality%2Cq_85%2Fformat%2Cf_auto

二、用戶畫像數(shù)據(jù)建模方法_用戶畫像分析

近些年，互聯(lián)網(wǎng)進(jìn)入了“ 大數(shù)據(jù) 時(shí)代”。經(jīng)歷了12、13兩年熱炒之后，人們逐漸冷靜下來，更加聚 焦于如何利用大數(shù)據(jù)挖掘潛在的商業(yè)價(jià)值，如何在企業(yè)中實(shí)實(shí)在在的應(yīng)用大數(shù)據(jù)技術(shù)。伴隨著大數(shù)據(jù)應(yīng)用的討論、創(chuàng)新，個(gè)性化技術(shù)成為了一個(gè)重要落地點(diǎn)。伴隨著對(duì)人的了解逐步深入，一個(gè)概念悄然而生： 用戶畫像 （UserProfile），完美地抽象出一 個(gè)用戶的信息全貌，可以看作企業(yè)應(yīng)用大數(shù)據(jù)的根基。

一、什么是用戶畫像？

男，31歲，已婚，收入1萬以上，愛美食，團(tuán)購達(dá)人，喜歡紅酒配香煙。

這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即：用戶信息標(biāo)簽化。

如果用一幅圖來展現(xiàn)，即：

二、為什么需要用戶畫像

用戶畫像的核心工作是為用戶打標(biāo)簽，打標(biāo)簽的重要目的之一是為了讓人能夠理解并且方便計(jì)算機(jī)處理，如，可以做分類統(tǒng)計(jì)：喜歡紅酒的用戶有多少？喜歡紅酒的人群中，男、女比例是多少？

也可以做數(shù)據(jù)挖掘工作：利用關(guān)聯(lián)規(guī)則計(jì)算，喜歡紅酒的人通常喜歡什么運(yùn)動(dòng)品牌？利用聚類算法分析，喜歡紅酒的人年齡段分布情況？

大數(shù)據(jù)處理，離不開計(jì)算機(jī)的運(yùn)算，標(biāo)簽提供了一種便捷的方式，使得計(jì)算機(jī)能夠程序化處理與人相關(guān)的信息，甚至通過算法、模型能夠“理解” 人。當(dāng)計(jì)算機(jī)具備這樣的能力后，無論是搜索引擎、推薦引擎、廣告投放等各種應(yīng)用領(lǐng)域，都將能進(jìn)一步提升精準(zhǔn)度，提高信息獲取的效率。

三、如何構(gòu)建用戶畫像

一個(gè)標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識(shí)，如年齡段標(biāo)簽：25~35歲，地域標(biāo)簽：北京，標(biāo)簽呈現(xiàn)出兩個(gè)重要特征：語義化，人能很方便地理解每 個(gè)標(biāo)簽含義。這也使得用戶畫像模型具備實(shí)際意義。能夠較好的滿足業(yè)務(wù)需求。如，判斷用戶偏好。短文本，每個(gè)標(biāo)簽通常只表示一種含義，標(biāo)簽本身無需再做過多 文本分析等預(yù)處理工作，這為利用機(jī)器提取標(biāo)準(zhǔn)化信息提供了便利。

人制定標(biāo)簽規(guī)則，并能夠通過標(biāo)簽快速讀出其中的信息，機(jī)器方便做標(biāo)簽提取、聚合分析。所以，用戶畫像，即：用戶標(biāo)簽，向我們展示了一種樸素、簡(jiǎn)潔的方法用于描述用戶信息。

3.1 數(shù)據(jù)源分析

構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。

對(duì)于用戶相關(guān)數(shù)據(jù)的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學(xué)英語的人，一種是不學(xué)英語的人；客戶分三類， 高價(jià)值客戶，中價(jià)值客戶，低價(jià)值客戶；產(chǎn)品生命周期分為，投入期、成長(zhǎng)期、成熟期、衰退期…所有的子分類將構(gòu)成了類目空間的全部集合。

這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補(bǔ)充遺漏的信息維度。不必?fù)?dān)心架構(gòu)上對(duì)每一層分類沒有考慮完整，造成維度遺漏留下擴(kuò)展性隱患。另外，不同的分類方式根據(jù)應(yīng)用場(chǎng)景，業(yè)務(wù)需求的不同，也許各有道理，按需劃分即可。

本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù)、動(dòng)態(tài)信息數(shù)據(jù)兩大類。

靜態(tài)信息數(shù)據(jù)

用戶相對(duì)穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數(shù)據(jù)。這類信息，自成標(biāo)簽，如果企業(yè)有真實(shí)信息則無需過多建模預(yù)測(cè)，更多的是數(shù)據(jù)清洗工作，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點(diǎn)。

動(dòng)態(tài)信息數(shù)據(jù)

用戶不斷變化的行為信息，如果存在上帝，每一個(gè)人的行為都在時(shí)刻被上帝那雙無形的眼睛監(jiān)控著，廣義上講，一個(gè)用戶打開網(wǎng)頁，買了一個(gè)杯子；與該用戶 傍晚溜了趟狗，白天取了一次錢，打了一個(gè)哈欠等等一樣都是上帝眼中的用戶行為。當(dāng)行為集中到互聯(lián)網(wǎng)，乃至電商，用戶行為就會(huì)聚焦很多，如上圖所示：瀏覽凡 客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發(fā)表關(guān)于鞋品質(zhì)的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯(lián)網(wǎng)用戶行為。

本篇文章以互聯(lián)網(wǎng)電商用戶，為主要分析對(duì)象，暫不考慮線下用戶行為數(shù)據(jù)（分析方法雷同，只是數(shù)據(jù)獲取途徑，用戶識(shí)別方式有些差異）。

在互聯(lián)網(wǎng)上，用戶行為，可以看作用戶動(dòng)態(tài)信息的唯一數(shù)據(jù)來源。如何對(duì)用戶行為數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，分析出用戶標(biāo)簽，將是本文著重介紹的內(nèi)容。

3.2 目標(biāo)分析

用戶畫像的目標(biāo)是通過分析用戶行為，最終為每個(gè)用戶打上標(biāo)簽，以及該標(biāo)簽的權(quán)重。如，紅酒 0.8、李寧 0.6。

標(biāo)簽，表征了內(nèi)容，用戶對(duì)該內(nèi)容有興趣、偏好、需求等等。

權(quán)重，表征了指數(shù)，用戶的興趣、偏好指數(shù)，也可能表征用戶的需求度，可以簡(jiǎn)單的理解為可信度，概率。

3.3 數(shù)據(jù)建模方法

下面內(nèi)容將詳細(xì)介紹，如何根據(jù)用戶行為，構(gòu)建模型產(chǎn)出標(biāo)簽、權(quán)重。一個(gè)事件模型包括：時(shí)間、地點(diǎn)、人物三個(gè)要素。每一次用戶行為本質(zhì)上是一次隨機(jī)事件，可以詳細(xì)描述為：什么用戶，在什么時(shí)間，什么地點(diǎn)，做了什么事。

什么用戶 ：關(guān)鍵在于對(duì)用戶的標(biāo)識(shí)，用戶標(biāo)識(shí)的目的是為了區(qū)分用戶、單點(diǎn)定位。

以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識(shí)方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標(biāo)識(shí)信息有所差異。

什么時(shí)間 ：時(shí)間包括兩個(gè)重要信息，時(shí)間戳+時(shí)間長(zhǎng)度。時(shí)間 戳，為了標(biāo)識(shí)用戶行為的時(shí)間點(diǎn)，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時(shí)間戳即 可。因?yàn)槲⒚氲臅r(shí)間戳精度并不可靠。瀏覽器時(shí)間精度，準(zhǔn)確度最多也只能到毫秒。時(shí)間長(zhǎng)度，為了標(biāo)識(shí)用戶在某一頁面的停留時(shí)間。

什么地點(diǎn) ：用戶接觸點(diǎn)，Touch Point。對(duì)于每個(gè)用戶接觸點(diǎn)。潛在包含了兩層信息：網(wǎng)址 + 內(nèi)容。網(wǎng)址：每一個(gè)url鏈接（頁面/屏幕），即定位了一個(gè)互聯(lián)網(wǎng)頁面地址，或者某個(gè)產(chǎn)品的特定頁面?？梢允荘C上某電商網(wǎng)站的頁面url，也可以是手機(jī) 上的微博，微信等應(yīng)用某個(gè)功能頁面，某款產(chǎn)品應(yīng)用的特定畫面。如，長(zhǎng)城紅酒單品頁，微信訂閱號(hào)頁面，某游戲的過關(guān)頁。

內(nèi)容 ：每個(gè)url網(wǎng)址（頁面/屏幕）中的內(nèi)容?？梢允菃纹返南嚓P(guān)信息：類別、品牌、描述、屬性、網(wǎng)站信息等等。如，紅酒，長(zhǎng)城，干紅，對(duì)于每個(gè)互聯(lián)網(wǎng)接觸點(diǎn)，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽。

注：接觸點(diǎn)可以是網(wǎng)址，也可以是某個(gè)產(chǎn)品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車 上賣3元，景區(qū)賣5元。商品的售賣價(jià)值，不在于成本，更在于售賣地點(diǎn)。標(biāo)簽均是礦泉水，但接觸點(diǎn)的不同體現(xiàn)出了權(quán)重差異。這里的權(quán)重可以理解為用戶對(duì)于礦 泉水的需求程度不同。即，愿意支付的價(jià)值不同。

標(biāo)簽 權(quán)重

礦泉水 1 // 超市

礦泉水 3 // 火車

礦泉水 5 // 景區(qū)

類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網(wǎng)瀏覽紅酒信息，表現(xiàn)出對(duì)紅酒喜好度也是有差異的。這里的關(guān)注點(diǎn)是不同的網(wǎng)址，存在權(quán)重差異，權(quán)重模型的構(gòu)建，需要根據(jù)各自的業(yè)務(wù)需求構(gòu)建。

所以，網(wǎng)址本身表征了用戶的標(biāo)簽偏好權(quán)重。網(wǎng)址對(duì)應(yīng)的內(nèi)容體現(xiàn)了標(biāo)簽信息。

什么事 ：用戶行為類型，對(duì)于電商有如下典型行為：瀏覽、添加購物車、搜索、評(píng)論、購買、點(diǎn)擊贊、收藏 等等。

不同的行為類型，對(duì)于接觸點(diǎn)的內(nèi)容產(chǎn)生的標(biāo)簽信息，具有不同的權(quán)重。如，購買權(quán)重計(jì)為5，瀏覽計(jì)為1

紅酒 1 // 瀏覽紅酒

紅酒 5 // 購買紅酒

綜合上述分析，用戶畫像的數(shù)據(jù)模型，可以概括為下面的公式：用戶標(biāo)識(shí) + 時(shí)間 + 行為類型 + 接觸點(diǎn)（網(wǎng)址+內(nèi)容），某用戶因?yàn)樵谑裁磿r(shí)間、地點(diǎn)、做了什么事。所以會(huì)打上**標(biāo)簽。

用戶標(biāo)簽的權(quán)重可能隨時(shí)間的增加而衰減，因此定義時(shí)間為衰減因子r，行為類型、網(wǎng)址決定了權(quán)重，內(nèi)容決定了標(biāo)簽，進(jìn)一步轉(zhuǎn)換為公式：

標(biāo)簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重

如：用戶A，昨天在品尚紅酒網(wǎng)瀏覽一瓶?jī)r(jià)值238元的長(zhǎng)城干紅葡萄酒信息。

標(biāo)簽：紅酒，長(zhǎng)城

時(shí)間：因?yàn)槭亲蛱斓男袨?，假設(shè)衰減因子為：r=0.95

行為類型：瀏覽行為記為權(quán)重1

地點(diǎn)：品尚紅酒單品頁的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁的0.7）

假設(shè)用戶對(duì)紅酒出于真的喜歡，才會(huì)去專業(yè)的紅酒網(wǎng)選購，而不再綜合商城選購。

則用戶偏好標(biāo)簽是：紅酒，權(quán)重是0.95*0.7 * 1=0.665，即，用戶A：紅酒 0.665、長(zhǎng)城 0.665。

上述模型權(quán)重值的選取只是舉例參考，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模，這里強(qiáng)調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進(jìn)而能夠逐步細(xì)化模型。

四、總結(jié) ：

本文并未涉及具體算法，更多的是闡述了一種分析思想，在計(jì)劃構(gòu)建用戶畫像時(shí)，能夠給您提供一個(gè)系統(tǒng)性、框架性的思維指導(dǎo)。

核心在于對(duì)用戶接觸點(diǎn)的理解，接觸點(diǎn)內(nèi)容直接決定了標(biāo)簽信息。內(nèi)容地址、行為類型、時(shí)間衰減，決定了權(quán)重模型是關(guān)鍵，權(quán)重值本身的二次建模則是水到渠成的進(jìn)階。模型舉例偏重電商，但其實(shí)，可以根據(jù)產(chǎn)品的不同，重新定義接觸點(diǎn)。

比如影視產(chǎn)品，我看了一部電影《英雄本色》，可能產(chǎn)生的標(biāo)簽是：周潤(rùn)發(fā) 0.6、槍戰(zhàn) 0.5、港臺(tái) 0.3。

最后，接觸點(diǎn)本身并不一定有內(nèi)容，也可以泛化理解為某種閾值，某個(gè)行為超過多少次，達(dá)到多長(zhǎng)時(shí)間等。

比如游戲產(chǎn)品，典型接觸點(diǎn)可能會(huì)是，關(guān)鍵任務(wù)，關(guān)鍵指數(shù)（分?jǐn)?shù)）等等。如，積分超過1萬分，則標(biāo)記為鉆石級(jí)用戶。鉆石用戶 1.0。

百分點(diǎn)現(xiàn)已全面應(yīng)用用戶畫像技術(shù)于推薦引擎中，在對(duì)某電商客戶，針對(duì)活動(dòng)頁新訪客的應(yīng)用中，依靠用戶畫像產(chǎn)生的個(gè)性化效果，對(duì)比熱銷榜，推薦效果有顯著提升：推薦欄點(diǎn)擊率提升27%， 訂單轉(zhuǎn)化率提升34%。

三、Bilibili用戶畫像分析

本文整理自金渡江的一次公開分享，由于數(shù)據(jù)保密原因和時(shí)長(zhǎng)原因，只從一些比較粗的顆粒度來闡述了B站的用戶畫像，以及不同用戶畫像群體在同一個(gè)社區(qū)內(nèi)的沖突。

niconico的用戶年齡組成呈紡錘形，更加穩(wěn)定健康，bilibili呈金字塔型，整個(gè)B站的用戶更加年輕化，也是說明B站是一個(gè)處于用戶發(fā)展早期的網(wǎng)站。

2015年bilibili因?yàn)椤肮硇蟆背龃澹瑢?shí)現(xiàn)了日系文化與中國(guó)文化結(jié)合起來，將B站文化落地到中國(guó)，所以用戶量大幅度增長(zhǎng)，用戶畫像也發(fā)生了變化。

一般網(wǎng)站的年齡會(huì)是相對(duì)固定1的，像B站這樣年齡一直往下走，說明網(wǎng)站仍然存在一定不確定性。

B站最早的用戶是來源PC，大多數(shù)是80/90初的，主要是通過電視+DVD接觸動(dòng)漫的，但是廣電2003年封禁日本漫畫，2004年P(guān)C開始降價(jià)普及，這部分人開始使用互聯(lián)網(wǎng)方式接入動(dòng)漫文化，這部分人動(dòng)手能力強(qiáng)，為B站創(chuàng)造了很多有價(jià)值的新內(nèi)容。

B站的分區(qū)喜好：轉(zhuǎn)向小區(qū)，音MAD，vovaloid，番劇延伸；

最愛的動(dòng)漫：clannad，fate，小圓，lovelive，石頭門；

喜歡的聲優(yōu)：釘宮，香菜，水樹，u‘s；

國(guó)產(chǎn)動(dòng)畫：拒絕。

用戶行為與場(chǎng)景：關(guān)閉彈幕率高，評(píng)論參與度低，網(wǎng)頁端的忠實(shí)客戶，也會(huì)使用手機(jī)端；

B站20歲以下的用戶更多是直接通過網(wǎng)絡(luò)接觸到動(dòng)漫文化，標(biāo)志性事件是2008年迅雷開啟動(dòng)漫頻道；2012年智能手機(jī)在中國(guó)的用戶是2億，2013年是4億，2018年達(dá)到8億，智能手機(jī)的普及的是B站用戶量騰飛的一個(gè)關(guān)鍵原因。

從眾心理比較重，

B站分區(qū)喜好：鬼畜愛好者；

最愛的動(dòng)漫：刀劍神域，fate，夏目，約會(huì)大作戰(zhàn)，lovelive；

喜歡的聲優(yōu)：香菜，釘宮，神谷，u‘s；

對(duì)于國(guó)產(chǎn)動(dòng)畫：擁抱變化。

用戶行為與場(chǎng)景：熱衷于發(fā)送彈幕，樂于討論，網(wǎng)頁端一般不用。

由于兩者用戶畫像不同，所以從2015年開始在社區(qū)里爆發(fā)了一個(gè)“大勢(shì)所趨”的沖突，喜歡音MAD的PC世代用戶與喜歡鬼畜的手機(jī)世代的用戶發(fā)生了大爭(zhēng)論。

女性用戶在B站出現(xiàn)了兩級(jí)分化，一類喜歡動(dòng)漫，其關(guān)鍵詞是：冰上的尤里，一年生，夏目，銀魂，狐妖小紅狼，新年的聲音；另一類則喜歡偶像，與愛奇藝的用戶畫像更為相近，關(guān)鍵詞是張藝興，楊洋，TFboy，SNH48，張繼科，羽生結(jié)弦等。

如張藝興，主要是在《極限挑戰(zhàn)》選擇了與B站合作，在B站上張藝興的人氣很高，順便把粉絲也聚攏在B站。

社群象限模型主要討論的是，對(duì)于內(nèi)容的互動(dòng)性，對(duì)于對(duì)于興趣外內(nèi)容的包容性；

例如看電視劇的用戶，看就安安靜靜的看，不喜歡互動(dòng)，甚至關(guān)掉彈幕，也不愿意看其他用戶群的內(nèi)容，這就是內(nèi)向+孤立社群。對(duì)于時(shí)尚人群，這些人會(huì)在社群內(nèi)頻繁互動(dòng)，但對(duì)于其他用戶不感興趣。喜歡鬼畜、番劇的人群，則是外向而又開放的；內(nèi)向比較開放的，可能是喜歡色色內(nèi)容的一個(gè)群體。

在獲取用戶填寫的數(shù)據(jù)時(shí)，感到安全，感到能夠獲取到利益。同時(shí)可以給一個(gè)設(shè)定，如半年內(nèi)不能更改。

在設(shè)計(jì)調(diào)查問卷時(shí)，設(shè)計(jì)一些重復(fù)確認(rèn)的題目，篩選掉無效問卷。

B站是一年一次。

在大規(guī)模正式的周期性重分析，日常也可以從社區(qū)文化中感受到整站的用戶畫像變化。

四、用戶畫像介紹

用戶畫像是指根據(jù)用戶的屬性、用戶偏好、生活習(xí)慣、用戶行為等信息而抽象出來的標(biāo)簽化用戶模型。

通俗說就是給用戶打標(biāo)簽，而標(biāo)簽是通過對(duì)用戶信息分析而來的高度精煉的特征標(biāo)識(shí)。通過打標(biāo)簽可以利用一些高度概括、容易理解的特征來描述用戶，可以讓人更容易理解用戶，并且可以方便計(jì)算機(jī)處理。

標(biāo)簽的分類方法比較多樣，可以按標(biāo)簽的產(chǎn)出方式分，也可以按實(shí)際業(yè)務(wù)分，也可以組合起來分類。

按產(chǎn)出方式來分的話：

1）事實(shí)統(tǒng)計(jì)類標(biāo)簽 例如近7日活躍時(shí)長(zhǎng)、近7日活躍次數(shù)等等

2）事實(shí)規(guī)則類標(biāo)簽 例如消費(fèi)活躍：近30天交易次數(shù)>=2

3）模型類標(biāo)簽 例如RFM模型，AARRR模型

4）算法類標(biāo)簽 例如根據(jù)用戶購買的商品判斷其購物性別、對(duì)某商品的偏好程度

按實(shí)際業(yè)務(wù)來分的話：

1）用戶屬性標(biāo)簽

2）用戶消費(fèi)標(biāo)簽

3）用戶行為標(biāo)簽

4）風(fēng)險(xiǎn)控制標(biāo)簽

。。。

在互聯(lián)網(wǎng)、電商領(lǐng)域用戶畫像常用來作為精準(zhǔn)營(yíng)銷、推薦系統(tǒng)的基礎(chǔ)性工作，其作用總體包括：

1）精準(zhǔn)營(yíng)銷：根據(jù)歷史用戶特征，分析產(chǎn)品的潛在用戶和用戶的潛在需求，針對(duì)特定群體，利用短信、郵件等方式進(jìn)行營(yíng)銷，提升營(yíng)銷效率和營(yíng)銷效果。

2）用戶統(tǒng)計(jì)：根據(jù)用戶的屬性、行為特征對(duì)用戶進(jìn)行分類后，統(tǒng)計(jì)不同特征下的用戶數(shù)量、分布；分析不同用戶畫像群體的分布特征。

3）數(shù)據(jù)挖掘：以用戶畫像為基礎(chǔ)構(gòu)建推薦系統(tǒng)、搜索引擎、廣告投放系統(tǒng)，提升服務(wù)精準(zhǔn)度。

4）服務(wù)產(chǎn)品：對(duì)產(chǎn)品進(jìn)行用戶畫像，對(duì)產(chǎn)品進(jìn)行受眾分析，更透徹地理解用戶使用產(chǎn)品的心理動(dòng)機(jī)和行為習(xí)慣，完善產(chǎn)品運(yùn)營(yíng)，提升服務(wù)質(zhì)量。

5）行業(yè)報(bào)告&用戶研究：通過用戶畫像分析可以了解行業(yè)動(dòng)態(tài)，比如人群消費(fèi)習(xí)慣、消費(fèi)偏好分析、不同地域品類消費(fèi)差異分析

6）ABtest：用于創(chuàng)建ABtest實(shí)驗(yàn)，和實(shí)驗(yàn)效果分析

用戶畫像必須從實(shí)際業(yè)務(wù)場(chǎng)景出發(fā)，解決實(shí)際的業(yè)務(wù)問題，之所以進(jìn)行用戶畫像，要么是獲取新用戶，要么是提升用戶體驗(yàn)、或者挽回流失用戶等具有明確的業(yè)務(wù)目標(biāo)。

數(shù)據(jù)源的數(shù)據(jù)是標(biāo)簽構(gòu)建的最底層，來源于各個(gè)業(yè)務(wù)端的數(shù)據(jù)，主要有離線和實(shí)時(shí)兩大數(shù)據(jù)來源，一般的大數(shù)據(jù)架構(gòu)會(huì)有流批處理的鏈路分別處理，也有流批一體的架構(gòu)，數(shù)據(jù)產(chǎn)品可不重點(diǎn)關(guān)注。

數(shù)據(jù)層開始數(shù)據(jù)產(chǎn)品會(huì)比較關(guān)注，數(shù)據(jù)產(chǎn)品在設(shè)計(jì)標(biāo)簽時(shí)需要關(guān)注標(biāo)簽的生產(chǎn)在數(shù)據(jù)倉庫的流轉(zhuǎn)口徑，特別是在定義原子標(biāo)簽的時(shí)候，需要深入理解業(yè)務(wù)，了解用戶的來源，狀態(tài)，訂單的渠道，線上線下，訂單狀態(tài)等等。

標(biāo)簽層一般的，會(huì)按照上面說的實(shí)際業(yè)務(wù)分類進(jìn)行標(biāo)簽的建設(shè)，一般構(gòu)建原子標(biāo)簽就足夠了，在服務(wù)層的標(biāo)簽工廠可以個(gè)性化的創(chuàng)建新的派生標(biāo)簽。

服務(wù)層主要包含兩塊，一個(gè)是畫像平臺(tái)的應(yīng)用，一個(gè)是畫像數(shù)據(jù)的統(tǒng)一API服務(wù)，給前臺(tái)的營(yíng)銷系統(tǒng)、廣告系統(tǒng)等提供標(biāo)簽分群數(shù)據(jù)支持。

以上是用戶畫像系統(tǒng)的基礎(chǔ)概念，下一節(jié)我們了解下畫像系統(tǒng)的難點(diǎn)之一：如何構(gòu)建oneid？

以上就是關(guān)于用戶畫像分析相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。

推薦閱讀：

抖音商家能看用戶退款記錄嗎（抖音商家能看用戶退款記錄嗎安全嗎）

sem利用用戶對(duì)搜索引擎的（sem利用用戶對(duì)搜索引擎的需求分析）

如何做好用戶體驗(yàn)（如何做好用戶體驗(yàn)測(cè)試）

微信客服介入能退款嗎

餐飲品牌排行榜（中國(guó)餐飲品牌排行榜）