一、用户画像

參考：http://www.36dsj.com/archives/16090

1、为什么要做用户画像？

一方面是海量信息的汇集。比如京东是一家大型全品类综合电商。海量商品和消费者产生了从站点前端浏览、搜索、评价、交易到站点后端支付、收货、客服等多维度全覆盖的数据体系，还有一方面日益复杂的业务场景和逻辑使得信息的处理挖掘日益重要。也就是说，京东已经形成一个储量丰富、品位上乘且增量巨大的数据金矿，可是在相当长一段时间，非常多业务童鞋常常面对宝山空回的局面，比方我们的数据“疯析狮”和“攻城狮”被业务童鞋重复追问。为什么我的促销活动做了这么久，力度也挺大，就是没有带来预期用户的增长呢？从用户画像分析来看，非常可能是在错误的时间错误的地点对错误的人做了错误的促销活动。

用户画像就是在解决把数据转化为商业价值的问题。就是从海量数据中来挖金炼银。这些以TB计的高质量多维数据记录着用户长期大量的网络行为。用户画像据此来还原用户的属性特征、社会背景、兴趣喜好，甚至还能揭示内心需求、性格特点、社交人群等潜在属性。

了解了用户各种消费行为和需求，精准刻画人群特征。并针对特定业务场景进行用户特征不同维度的聚合。就能够把原本冷冰冰的数据复原成栩栩如生的用户形象，从而指导和驱动业务场景和运营，发现和把握蕴藏在细分海量用户中的巨大商机。

2、什么是用户画像？

在互联网逐渐步入大数据时代后，不可避免的给企业及消费者行为带来一系列改变与重塑。

当中最大的变化莫过于。消费者的一切行为在企业面前似乎都将是“可视化”的。

随着大数据技术的深入研究与应用，企业的专注点日益聚焦于如何利用大数据来为精准营销服务。进而深入挖掘潜在的商业价值。

于是，“用户画像”的概念也就应运而生。

用户画像（UserProfile），作为大数据的根基，它完美地抽象出一个用户的信息全貌，为进一步精准、高速地分析用户行为习惯、消费习惯等重要信息，提供了足够的数据基础，奠定了大数据时代的基石。

用户画像。即用户信息标签化。就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌是企业应用大数据技术的基本方式。

用户画像为企业提供了足够的信息基础，可以帮助企业高速找到精准用户群体以及用户需求等更为广泛的反馈信息。

为用户画像的焦点工作就是为用户打“标签”，而一个标签一般是人为规定的高度精炼的特征标识，如年龄、性别、地域、用户偏好等，最后将用户的全部标签综合来看。基本就能够勾勒出该用户的立体“画像”了。

3、用户画像的四阶段

1）、用户画像的四个阶段

? 战略解读：企业选择构建用户画像平台，能够实现不同的战略目的，如提升产品服务质量、精准营销等。依据战略目的的不同，用户画像的构建也有所差别。因此首先须要明白用户画像平台的战略意义、平台建设目标和效果预期，进而有针对性的开展实施工作。

? 建模体系：对用户画像进行数据建模。结合客户实际的需求，找出相关的数据实体，以数据实体为中心规约数据维度类型和关联关系。形成符合客户实际情况的建模体系。

? 维度分解：以用户、商品、渠道三类数据实体为中心。进行数据维度分解和列举。依据相关性原则，选取和战略目的相关的数据维度。避免产生过多无用数据干扰分析过程。

? 应用流程：针对不同角色人员的需求（如市场、销售、研发等），设计各角色人员在用户画像工具中的使用功能和应用/操作流程。

2）、建立用户“画像”的过程

第一。收集到用户全部的相关数据并将用户数据划分为静态信息数据、动态信息数据两大类，静态数据就是用户相对稳定的信息，如性别、地域、职业、消费等级等，动态数据就是用户不停变化的行为信息，如浏览网页、搜索商品、发表评论、接触渠道等。

第二。通过剖析数据为用户贴上对应的标签及指数，标签代表用户对该内容有兴趣、偏好、需求等，指数代表用户的兴趣程度、需求程度、购买概率等；

第三。用标签为用户建模，包含时间、地点、人物三个要素，简单来说就是什么用户在什么时间什么地点做了什么事。

3）、用户画像怎么做：

从详细的业务场景出发，结合数据表现，归纳学习出基准的规则或方法。然后通过重复迭代的学习过程。生成符合既定约束条件的最优化方案。然后把此方案泛化推广到类似的场景中去。

非常多时候用户画像都是从一个详细品类的业务场景或需求出发。有一些业务童鞋运营经验非常丰富，结合对他们经验和需求的訪谈，攻城狮会把业务语言抽象出来，结合数据语言转化成通用的技术语言，然后用他们奇妙的大脑和给力的大数据平台生产出符合需求预期的结果，经过业务童鞋重复验证有效后，这个画像就宣告成功，然后。攻城狮童鞋会再次驱动其奇妙的大脑，将此画像推广到京东全站应用中去，这样的从群众中来到群众中去的方法因为其敏捷高效高速迭代的长处，产生了一大批性能优良的产品。

当然，对于一些对用户画像基本属性，因为其对全部品类或场景的通用型较强，攻城狮会跳过单品类測试，直接针对全站用户建模，效果也很好。

用户画像应用服务支持京东集团全业务需求，其下游面向不同类型不同需求的人群，他们需求各不同样。从技术方案到用法也千差万别，因此有必要採取体系化多层次服务平台进行支持。对于公司内部，针对研发、採销、市场、客服、物流等各体系不同需求分别採取统一数据仓库、数据接口服务、产品化平台多种服务方式提供支持。针对各业务线需求场景不同，人员经验也不尽同样，用户画像的平台化给内部使用人员打造切合自身业务场景和使用经验的操作：对经验丰富的使用者提供更深入、综合參考并可自主订制或二次开发；给经验较浅的用户提供数据之外还培养其分析意识；对小白用户则可建立数据化分析运营的意识与习惯。对外部用户的支持力度也在逐步放开、加大，比方POP商家，能够满足商家针对自身店铺的个性化订制需求，并结合各种营销方式提供一站式服务解决方式。

在京东用户行为日志中，每天记录着数以亿计的用户来訪及海量行为。我们通过对用户行为数据进行分析和挖掘，发掘用户的偏好。逐步勾勒出用户的画像。

用户画像通常通过业务经验和建立模型相结合的方法来实现，但有主次之分。有些画像更偏重于业务经验的推断，有些画像更偏重于建立模型。

业务经验结合大数据分析为主勾画的人群。此类画像因为跟业务紧密相关，很多其它的是通过业务人员提供的经验来描写叙述用户偏好。

举个样例，比方：依据业务人员的经验。基于客户对金额、利润、信用等方面的贡献，建立多层综合指标体系，从而对用户的价值进行分级，生成用户价值的画像。一方面我们的产品经理能够依据用户价值的不同採取针对性的营销策略。还有一方面通过分析我们的不同价值等级用户的占比，从而思考怎样将低价值的用户发展成高价值的用户。

再比方。通过用户在下单前的浏览情况，业务人员能够区分用户的购物性格。有些用户总是在短时间内比較了少量的商品就下单，那么他的购物性格便是冲动型。有些用户总是在重复不停的比較少量同类商品最后才下单，那么他的购物性格便是理性型；有些用户总是长时间大量的浏览了非常多商品最后才下单，那么他的购物性格便是犹豫型。

对于不同购物性格的用户，我们能够推荐不同类型的商品，针对冲动型用户，我们直接推荐给他/她最畅销的同类商品，而理性型用户我们推荐给他/她口碑最好的商品。而且针对每个用户，我们依据其购物性格定制了个性化的营销手段。

以建立模型为主勾画的人群，我们不能觉得买过母婴类用品的用户家里就一定有小孩，由于这次购买非常有可能是替别人代买或者送礼物。

所以我们要推断这个用户所购买的母婴类商品是否是给自己买。

依据用户下单前浏览情况、收货地址、对商品的评价等多种信息建立模型，终于推断出用户家庭是否有小孩。再依据购买的商品标签，比方奶粉的段数。童书适应年龄段等信息，建立孩子成长模型，在孩子所处不同的阶段进行精准营销。

京东拥有最全的品类。各品类间用户转化成为我们业务的一个重点。

挖掘一个品类的潜在用户，首先要找出此品类已有的用户。然后通过这些用户的行为、偏好、画像等信息对用户细分。挖掘其独有的特征，最后通过这些特征建立模型定位出该品类的潜在用户。

这一阶段主要是为了验证我们为用户描绘的画像是否准确。比方一个用户的画像是：性别男、年龄在36岁~45岁之间、家里有小孩、未婚、有车一族、购买等级高。我们能够非常快发现家里有小孩且未婚这一矛盾的结果。

首先，我们能够推断对这个用户的画像肯定有问题的。

接下来我们看这个用户的画像，似乎仅仅有未婚这一条与其它画像格格不入。

通过模型之间的验证，我们发现一些错误案例并分析原因，进而改进我们的模型。

4、用户画像的使用

首先，对用户画像的结果进行标准化加工，同步至企业统一的JDW平台。解决数据孤岛，方便研发底层调用；同一时候，按主题建立多维分析的数据CUBE，直接面向疯析狮和攻城狮；另外，还进一步打通上下游关联数据和产品，尤其是大营销平台(BMP)，这个主要针对产品经理和一线採销人员，他们能够在CUBE筛选出预定人群后直接调用营销平台进行发券、EDM等操作，降低了诸多中间环节，实现高效运营和精准营销，大大提升人效。当中，多维分析CUBE是用户画像产品化的出色应用之中的一个。其用户画像的诸多维度和订单、商品、流量等指标的组合能够高速实现智能分析。并可依据数据对照分析提供专业有效的建议，将数据转化成知识和决策供大家使用。

用户画像提供统一数据服务接口供站点其它产品调用，提高与用户间的沟通效率、提升用户体验。比方提供给推荐搜索调用，针对不同用户属性特征、性格特点或行为习惯在他搜索或点击时展示符合该用户特点和偏好的商品，给用户以友好舒适的购买体验，能非常大程度上提高用户的购买转化率甚至反复购买，对提高用户忠诚度和用户粘性有非常大帮助；比方数据接口提供给站点智能机器人JIMI。能够基于用户画像的用户量身定做咨询应答策略。比方高速理解用户意图、针对性商品评測或商品推荐、个性化关怀等，大幅提升JIMI智能水平和服务力度，赢得用户欢迎和肯定。

今年618前夕京东范产品的数据接口服务，将用户画像模型充分应用到产品其中，依据族群的差异化特征，帮助业务部门找到营销机会、运营方向，全面提高产品的核心影响力。增强产品用户体验。

应用模型包含：年龄、性格、购物偏好、购买力等用户特征，诠释勾勒出用户在京东上的体貌特征，赋予一定的潮流“范儿”的概念。贴近用户。

5、用户画像的意义

完好产品运营。提升用户体验：改变以往闭门造车的生产模式，通过事先调研用户需求，设计制造更适合用户的产品。提升用户体验。

对外服务，提升盈利：依据产品特点。找到目标用户，在用户偏好的渠道上与其交互。促成购买。实现精准运营和营销。

“用户画像”对精准营销作用

消费方式的改变促使用户迫切希望尽快获取自己想要了解的信息，所以说。基于用户画像上的精准营销无论对企业还是对用户来说。都是有需求的，这会给两方交易带来极大便捷。也为两方平等沟通搭建了一个畅通台。

详细包含：

1、分析原实用户属性，找出忠实用户、核心用户、目标用户与潜在用户；

2、利用数据管理平台进行用户行为数据收集，搭建并完好用户画像模型。

3、寻找迫切需求信息的匹配人群，精准推送对应的营销广告或服务信息。

4、营销信息投放一段时间后，剖析用户反馈行为数据。使营销更加精准；

5、不断丰富与优化用户画像模型，从而终于达到个性化营销与服务推送。

6、用户画像构建的难度

主要表现为下面四个方面：

为了精准地描写叙述用户特征。能够參考以下的思路。从用户微观画像的建立→用户画像的标签建模→用户画像的数据架构。我们由微观到宏观，逐层分析。

首先我们从微观来看，怎样给用户的微观画像进行分级呢？例如以下图所看到的。

总原则：基于一级分类上述分类逐级进行细分。

? 第一分类：人口属性、资产特征、营销特性、兴趣爱好、购物爱好、需求特征

? 第二分类...

? 第三分类...

? .......

?

完毕了对客户微观画像分析后，就能够考虑为用户画像的标签建模了。

从原始数据进行统计分析。得到事实标签，再进行建模分析，得到模型标签，再进行模型预測，得到预測标签。

最后从宏观层面总结，就是得到用户画像的数据架构。