全面解析用户画像：从概念到建立流程，一文读懂

无论你是营销人、运营人、市场人员、产品经理，一定对“用户画像”不陌生。

但是很多人对于用户画像的理解往往比较片面，今天我就给大家详细的介绍一下。

这篇文章很长，但是内容很有用，值得保存下来慢慢看~

1.什么是用户画像？

2、用户画像有多重要？

3、用户画像的价值在哪里？

4.如何创建用户画像？

5、构建用户画像的基本流程是什么？

1.什么是用户画像？

用户画像这个概念最早由交互设计之父Alan Cooper提出：“Personas是目标用户的具体表征。”它是指现实用户的虚拟表征，是基于一系列属性数据建立的目标用户模型。

随着互联网的发展，现在我们所说的用户画像有了新的内涵——通常用户画像是根据用户人口统计特征、网页浏览内容、在线社交活动和消费行为等信息抽象出来的标签化用户模型。

构建用户画像的核心工作，是利用服务器上存储的海量日志和数据库中的大量数据进行分析挖掘，给用户贴上“标签”。标签是能代表用户某一维度特征的标识。

用户画像的内容并不是完全固定的，不同行业、不同产品，所关注的特征也各有不同。

对于大部分互联网公司来说，用户画像包括人口属性和行为特征两部分。人口属性主要指用户的年龄、性别、所在省市、受教育程度、婚姻状况、生育状况、行业职业等。行为特征主要包括活跃度、忠诚度等指标。

除了以上比较常见的特征外，不同类型的网站提取的用户画像有不同的侧重点。

内容型媒体或阅读网站，以及搜索引擎或一般的导航网站，往往会提取用户在浏览内容时的兴趣特征，比如体育、娱乐、美食、金融、旅游、房产、汽车等。

社交网站的用户画像还会提取用户的社交网络，从中可以发现紧密相关的用户群体，以及充当社区意见领袖的明星节点。

电商购物网站的用户画像一般会提取用户网购兴趣、消费能力等指标，网购兴趣主要指用户在网上购物时的品类偏好，比如服饰、箱包、家居、母婴、清洁护理、食品等。

消费能力指的是用户的购买能力，如果做得足够细致，可以在每个品类中将用户的实际消费水平与心理消费水平区分开来，分别建立特征维度。

此外还可以添加用户的环境属性，比如当前时间、所访问地点的LBS特性、当地天气、节假日等。

当然，对于具体的网站或APP来说，肯定存在需要特别关注的用户维度，因此这些维度需要进一步细化，以便为用户提供更加精准的个性化服务和内容。

2、用户画像有多重要？

为什么90%的职位都需要分析用户画像？因为它很重要！

用户画像的目的是精准识别你的目标人群和特征，为你以后的工作提供方向，从制定营销推广策略，到选择内容平台，再到如何撰写文章、如何回复他们的信息。

比如，喜欢二次元的人和喜欢历史的人，是有很大区别的，2000后和70后也是不同的群体。但同时，用户画像也没有那么神秘，只要你有心，有方法，你就会越来越了解你的用户是什么样的群体。

用户画像并不是简单的消费者分类，而是一个具体的用户形象，这意味着我们不会用年龄段等抽象的特征来描述它，而是用具体的年龄或其他具体的特征来刻画这个形象。

我们工作时总是受到时间和金钱的限制。80/20 法则告诉我们，80% 的工作产出通常来自 20% 的工作投入。在用户体验的语境中，让产品的功能和特性成功满足用户 80% 的需求，比努力让产品满足用户 100% 的需求更容易让用户感到满意。

用户画像可以帮助我们了解用户最重要的80%需求，以及用户不太关心的20%需求。

通过创建用户画像，即真实用户的形象，我们可以与消费者产生共情，站在他们的立场去思考他们的需求。另外，在与利益相关方沟通时，我们也可以通过这样的真实用户形象，确保我们更容易达成共识。

它的价值非常重要，所以我们在开发和营销中一定要解决用户需求问题，明确回答“用户是谁-用户需要/喜欢什么-哪些渠道可以触达用户-我们的种子用户是谁”，更懂你，是为了更好地服务你！

3、用户画像的价值在哪里？

可以说，正是我们对用户认知的渴望，才催生了用户画像。用户画像是真实用户的缩影，可以带来很多好处，我总结为4点：

第一是引导产品开发，优化用户体验

在过去传统的生产模式下，企业始终坚持“生产什么就卖给用户”的原则，这种闭门造车的产品开发模式，往往导致“生产什么，用户不买账”。

如今，“用户需要什么，企业就生产什么”已经成为主流，很多企业都把用户的真正需求放在最重要的位置。

以用户需求为导向的产品开发，企业获取大量目标用户数据，经过分析、加工、整合，初步构建用户画像，统计用户偏好、功能需求，从而设计和制造出更符合核心需求的新产品，为用户提供更好的体验和服务。

二是实现精准营销

这是我们营销人最看重的一个环节，精准营销针对性强，是企业和用户点对点的互动，不仅可以让营销更加高效，还可以为企业节省成本。

以活动为例，商家在举办活动时，会放弃自己的用户资源，选择外部渠道，也就是放弃自己的精准种子用户，选择对品牌一无所知的活动对象，这样获取新用户的成本就超出了预算的几倍。

这就是不精准造成的资源浪费，包括我刚才提到的网购后的商品推荐，品牌的定时定点节假日营销，都是精准营销的成功例子。

要实现精准营销，数据是最不可缺少的存在，基于数据可以构建用户画像，利用标签，让系统进行智能分组，得到不同类型的目标用户群体，并针对每一组进行针对性营销的策划和推送。

三是做好相关分类统计

简单来说，借助用户画像的信息标签，可以计算出“有多少人喜欢某一类东西”、“25-30岁之间的女性用户有多少”等信息。

四是促进相关数据挖掘

基于用户画像数据，通过关联规则计算，将A与B关联起来。

如果你不懂用户画像，你会经常听到这些话，“这个方案不通过！”“用户转化率极低！”“用户不喜欢你的活动！”这些话对于营销人员来说简直就是深渊的底部……

如果你不懂用户，你怎么做营销？用户不会主动告诉你他们想要什么。

弗朗西斯·培根说：“人们喜欢习惯，因为他们是习惯的创造者。”用户使用产品时，大多遵循过去的经验。他们知道如何使用，如何不使用，以及将哪些东西与某些标志联系起来。所有这些都基于过去的经验。

然而，今天当我们买了一台新电视或者用了一部智能手机，已经没有人会再仔细看说明书了。这是为什么呢？

这就好比你学会了拼音打字，就不会再学五笔了。因为我们已经有足够的固有经验，不再需要靠学习来掌握如何使用，而我们的“习惯”又使我们很难吸收新的东西。

这些深度懒惰、不喜欢改变、喜欢维持现有的、熟悉的行为模式和习惯的人大大增加了营销的难度。

所以在做营销之前，我们要思考：我们的用户是谁？他们真正的需求是什么？

为什么某品牌的保温瓶可以保温18个小时，但用户却喝不到美味的水？

为什么孩子玩了 10 分钟泰迪熊就会厌倦呢？

为什么牛奶在冰箱里已经过期了，我还是忘记喝了？

哪个浴室面盆的排水管设计在中间，以减少储物柜面积？

其实，用户真正的需求是喝美味的水；孩子需要的是10分钟的陪伴；买牛奶其实是买健康；浴室面盆下方的空间可以用来存放杂物，需求就是这么简单。

也许我们自己就拉大了产品与用户的距离，所以产品被用户抛弃的核心原因就是企业或者营销人员没有理解用户真正的诉求。

那么，我们能和用户来一场“恋爱”，拉近彼此的距离吗？

把用户当成自己的爱人，了解用户的方方面面，星座、血型、生日、喜欢的颜色、偶像、追的剧、今天的心情、消费的品牌、喜欢的包包、身边的朋友、用什么面膜等等，这才是洞察用户最高效的方式。

我们在充分了解用户的喜好、满足点、文化、消费观念、价值观和生活方式的基础上进行营销，用点、线、面的美塑造身边的每一处美。

当你能够很好的了解用户，绘制出几个典型的用户画像，并针对这些用户进行个性化的营销，你的KPI完成率一定很好，升职加薪也是分分钟的事情！

纵观成功的案例，我们可以看到，他们服务的目标用户通常非常明确，且特点鲜明，体现在营销上就是专注、精致，能够解决用户最核心的痛点、愉悦点。

比如苹果，一直服务有态度、追求品质、独立的人士，在用户中赢得了良好的口碑和市场份额。

再比如豆瓣，十几年专注文艺，只服务文艺青年，用户粘性非常高，文艺青年能在这里找到志同道合的人、找到家。

因此，为特定群体提供有针对性的服务比为广大民众提供低标准的服务更接近成功。

其次，用户画像可以在一定程度上避免营销人员草率地塑造用户。

替用户说话是营销中常见的现象。有时我们常常不自觉地认为用户的期望和我们的一致，总是打着“为用户服务”的旗号。其后果往往是用户不买账，甚至认为我们精心设计的营销活动很糟糕。

最后，用户画像还能提高决策效率。

在当前的营销计划制定中，各个环节的参与方众多，分歧总是在所难免，决策效率无疑影响着项目的进度。

用户画像来源于对目标用户的研究，当项目所有参与人员都以一致的用户为中心进行讨论和决策时，很容易约束各方朝着一个大方向发展，提高决策效率。

4.如何创建用户画像？

既然用户画像如此重要，那我们该如何创建呢？我们先从一个故事开始，来创建用户画像。

小鹏是一家互联网创业公司的核心成员，主营产品是绿色健康沙拉，公司上线了一款销售多种沙拉的APP，现在需要建立用户画像来指导运营。

在目前的业务层面，公司更加注重营销和销售：如何更好地销售沙拉。

这里简单概括一下操作过程：

小彭根据顾客之前是否购买过沙拉，将顾客分为潜在客户和新顾客。

潜在客户是已经注册APP，但还未下单的顾客，新顾客是只购买过一次沙拉的顾客，此外还有老顾客，即消费过两次及以上的人。

为什么要创建单独的新客户标签？

因为沙拉有新顾客红包给非消费者引导消费，所以万事开头难，这也带来新顾客吃过一次就不会再消费的问题，所以需要划分潜在客户、新顾客、老顾客。

作为一个有志向的营销者，光把老客户分群是不够的，这里我们继续对用户进行细分，传统的细分用的是RFM的三个维度，沙拉的客均价比较固定，所以F和M一个就够了。

肖鹏现在在计算不同消费层级下用户留存的差异，比如某段时间内消费了XX元的用户，未来是否会继续消费。沙拉等食物属于高频消费，所以XX应该选择一个较窄的时间窗口。365天之内的消费统计意义不大。

另外需要注意的是，沙拉的销量在不同的季节是有差异的，冬天肯定没有夏天卖得好，需要综合考虑消费分布，这里我们定义VIP用户为30天内消费200元以上，如果小彭的生意特别好，可以继续归为超级VIP。

这种标签往往与商业结合使用，比如VIP有享受免费饮品、优先送餐等权利。

非VIP人士也需要激励才能发展成为VIP。

小鹏依靠用户在订单上填写的收件人姓名来确定肖像画的人口统计属性。

产地和年份对沙拉业务没有特别大的帮助。我们是否应该为四川用户增加辣沙拉的数量？

通过设置配送地点的规则可以确定用户的地址，比如某个地址出现了X次，则可以认为是常用地址，然后根据配送地点是写字楼还是学校，可以推断出用户是白领还是学生。

针对不同属性的人，小鹏采取了特殊的运营策略。

比如针对学生群体，小鹏提前预测校园区域销量会下滑，因为7、8月是暑假，等到9月开学季，可以召回返校的学生。白领相关的群体更在意消费体验，价格敏感度是次要的。如果平台女性用户消费占比高，小鹏会主推有减肥功能的沙拉，以包月套餐的形式提升销量。

对于一家沙拉店来说，小彭的用户画像还算不错，但他还是有些担心，因为用户流失率开始上升。用户流失的原因有很多种：竞争对手的竞争、沙拉的味道、用户觉得性价比不高、小彭不够帅等等。

用户流失是一个很难预测的问题。小鹏将用户流失定义为30天没有购买过的用户。要做出准确的预测，我们必须尝试机器学习建模。这里我就不谈技术层面了。

所谓建模，就是找到用户开始停止消费之前的关键因素，可以是行为，也可以是属性。

用户在历史窗口内的消费金额较小，存在亏损的可能；

用户在历史窗口内消费频次较低，存在流失可能性；

用户在历史记录窗口打开APP的次数较少，可能会造成丢失；

给出差评的用户可能会流失；

用户需要等待很长时间才能吃到饭，这可能会导致他们流失；

用户之间的性别差异可能导致用户流失；

饮酒的季节性因素可能会消失……

小鹏根据业务选取了可能对业务有影响的特征提交给数据组尝试预测流失率，需要注意的是，这些用户行为并不能反映真实的情况。

你可能会想一下，流失用户的行为是一个动态变化的过程吗？

以前消费很多次，但突然厌倦了，就减少消费次数，然后就不怎么消费了，最后流失了客户。单位时间段内的消费者忠诚度是梯度下降的。为了更好地描述变化过程，将时间窗口细分为多个等距段。前30到20天，前20到10天，前10天比前30天更能表达下降趋势，也更能预测流失。

在小鹏看来，所谓的流失，可以通过用户行为的细节来预测，机器学习建模虽然依赖统计方法，但也离不开商业洞察。

这再次证明，用户画像是建立在商业模式之上的，流失概率解决了小彭的担忧，通过早期发现，可以减少流失用户。

过了一段时间，小彭发现，流失用户虽然减少了，但是成本却增加了，因为重新拉回用户是要花钱的。他赔不起钱，于是他想出了一个办法，他只想拉回有价值的用户，那些领了红包才消费的用户不要！小彭要的是真粉丝。

于是他根据用户的消费水平，对用户进行了区别对待。虽然流失用户数量控制得不好，但利润却增加了。上面的用户画像中，没有一个标签是与业务脱节的。

基于业务场景，我们还可以想象出很多种用户画像的玩法。

沙拉的口味有很多种，有蔬菜、水果、鸡肉、海鲜等。用户的口味偏好可以用矩阵分解、模糊聚类或者多分类问题来计算，偏好程度也是用0~1之间的数字来表示。同样，还有价格偏好，也就是价格敏感度。

我们再深入思考一下这个业务场景，如果某个办公地点每天有五六个订单，来自不同的客户，不同的时间段，那么配送员就得配送五六次，这是多么巨大的人力成本浪费啊。

运营可以在后台分析相关数据，以团购或者拼单的形式合并订单。销售的利润可能会减少，但外卖的人工成本也省了。这也是用画像做数据分析的基础。小彭的营销故事讲完了，现在你有一套关于用户画像建立的思路了。

5、构建用户画像的基本流程是什么？

我这里分为三个步骤。

第一步是数据收集和处理

数据采集​​大致分为四类：网络行为数据、使用中行为数据、用户内容偏好数据、用户交易数据。

网络行为数据：活跃用户数、页面浏览量、访问时长、激活率、外部接触点、社交数据等。

在线行为数据：浏览路径、页面停留时间、访问深度、独立页面访问量等。

用户内容数据：浏览/收藏内容、评论内容、互动内容、生活习惯、品牌偏好等。

用户交易数据（交易服务）：贡献率、平均订单价值、关联率、退货率、流失率等。

当然，收集到的数据不会100%准确，全是不确定性，需要后期建模来做进一步的判断。比如用户在性别一栏填写的是“男”，那么通过用户的行为偏好判断其性别为“女”的概率是80%。

第二步，给用户贴标签

给用户贴标签是用户画像的核心，所谓“标签”就是一系列具有特定含义的词语，经过浓缩提炼，用来描述真实用户的属性，方便企业做数据统计分析。

不同的标签往往针对不同的受众、不同的公司、不同的目的，需要具体情况具体分析，但有些标签是适用于所有情况的，需要理解和掌握。

我把常见的标签分为两类：相对静态的用户标签和变化的用户标签。对应的，静态标签形成的画像是2D的用户画像；静态标签+动态标签形成的画像是3D的用户画像。另外值得一提的是，在存储用户行为数据的时候，最好同时存储行为发生的场景，这样才能更好的进行数据分析。

1、静态用户信息标签及2D用户画像：

人口属性标签是用户最基础的信息元素，通常都是自成体系的标签，不需要企业进行过多的建模，构成了用户画像的基本框架。

人口属性包括人的自然属性和社会属性：姓名、性别、年龄、身高、体重、职业、地域、受教育程度、婚姻状况、星座、血型……

自然属性是先天的，一旦形成就比较稳定，比如性别、地域、血型等；社会属性是后天获得的，比较稳定，比如职业、婚姻等。心理现象包括心理和性格两大类，也分先天和后天。

对于企业来说，研究用户的心理现象，特别是需求、动机、价值观三个方面，可以洞察用户在注册、使用、购买产品时的深层动机；了解用户对产品有什么样的功能和服务需求；识别目标用户拥有哪些价值标签、属于哪一类群体。

由于人口属性与心理现象具有先天性，且一般具有稳定性，它们共同构成了用户画像最表层和最内层的信息素，从而形成了稳定的二维用户画像。

2、动态用户信息标签及3D用户画像：

网站行为属性，这里主要讨论用户在网站内外进行的一系列操作。常见的行为有：搜索、浏览、注册、评论、点赞、收藏、评分、加入购物车、购买、使用优惠券……在不同的时间、不同的场景下，这些行为都是不断变化的，都是动态的信息。

通过捕捉用户行为数据（阅读次数、是否进行深度评论），企业可以对用户进行深度分类，区分活跃用户和非活跃用户。社交网络行为是指用户在虚拟社交软件平台（微博、微信、论坛、社区、贴吧、Twitter、Instagram）上发生的一系列行为，包括基础访问行为（搜索、注册、登录等）、社交行为（邀请/添加/取消关注好友、加入群组、创建新群组等）、信息发布行为（添加、发布、删除、留言、分享、收藏等）。

通过给用户打上不同的行为标签，我们可以获得大量的网络行为数据、网站行为数据、用户内容偏好数据、用户交易数据，这些数据进一步填充了用户信息，与静态标签一起构成了完整的三维用户画像，也就是所谓的3D用户画像。

第三步，绘制用户画像

这里需要结合两种分析方法。

1.定性与定量相结合的研究方法：

定性研究方法是确定事物的本质特征，具有描述性；定量研究方法是确定对象的数量特征、数量关系和数量变化，具有量化性。

一般来说，定性方法在用户画像中表现为总结产品、行为以及单个用户的属性和特征，形成相应的产品标签、行为标签和用户标签。

量化方法是在定性分析的基础上为每个标签赋予特定的权重，最后通过数学公式计算出总的标签权重，形成完整的用户模型。

因此用户画像的数据建模是定性和定量相结合的方法。

2.数据建模-给标签添加权重：

给用户行为标签赋予权重。用户行为可以用4W来表示：WHO（谁）；WHEN（何时）；WHERE（在哪里）；WHAT（做了什么）。具体分析如下：

WHO：定义用户，明确我们的研究对象。主要用于对用户进行分类，划分用户群体。互联网上的用户标识包括但不限于用户注册ID、昵称、手机号、邮箱、身份证、微信、微博账号等。

WHEN（时间）：这里的时间包括两个方面：时间跨度和时间长度。“时间跨度”是以天计算的时间长度，指距离某个行为发生已经过了多长时间；“时间长度”用来标识用户在某个页面停留了多长时间。行为标签发生的时间越早，权重越小，行为发生的时间越近，权重越大。这就是所谓的“时间衰减因子”。

WHERE（哪里）：指用户行动的接触点，内容包括内容+URL。内容指用户行动的对象标签，如小米手机；URL指用户行为发生的具体位置，如小米官网。在URL标签上增加权重。比如你买一部小米手机，在小米官网买的权重是1，在京东买的权重是0.8，在淘宝买的权重是0.7。

WHAT（做了什么）：指用户的行为，根据行为的深度增加权重。比如用户购买了，权重为1，如果用户收藏了，权重为0.85，如果用户只是浏览了，权重为0.7。

确定每个标签的权重后，就可以计算出用户标签的总体权重，标签权重公式为：标签权重=时间衰减因子×行为权重×URL权重

例如：

用户A今天在小米官网购买了小米手机；用户B七天前在京东浏览过小米手机。得出每个用户的标签权重，并标注“忠诚度”

通过这种方式对多用户的数据进行建模，可以覆盖更广泛的目标用户群体，把这些用户全部打上标签，然后按照标签进行分类：总权重超过0.9的，就属于忠实用户，他们都购买了该产品……这样，企业和商家就可以根据相关信息进行更精准的营销推广和个性化推荐。

我们的用户画像已经构建好了，互联网大数据时代，谁得了用户，谁就得了天下。

依托庞大的用户数据，构建一套完整的用户画像，借助其标签化、信息化、可视化的属性，是企业实现个性化推荐、精准营销的有力前提。可见，深刻理解用户画像的含义、掌握构建用户画像的方法尤为重要。

刺猬大学帮助年轻人实现自己的职业梦想，以实现更多令人兴奋的内容，请遵循“刺猬大学”的标题帐户，该帐户定期分享工作场所的技巧，技能学习和能力。