以下文章作者：apricoter，來源：簡書
1.什麼是使用者畫像
使用者畫像一點也不神秘，它是根據使用者在網絡中留下的種種資料，主動或被動地收集，最後加工成一系列的標籤。比如猜使用者是男是女，哪裡人，工資多少，有沒有談戀愛，喜歡什麼，準備剁手購物嗎？
2.使用者畫像的應用
精準行銷：這是營運最熟悉的玩法，從粗放式到精細化，將使用者群體切割成更細的粒度，輔以簡訊、推送、郵件、活動等手段，驅以關懷、挽回、激勵等策略。
資料應用：使用者畫像是很多資料產品的基礎，諸如耳熟能詳的推薦系統廣告系統。操作過各大廣告投放系統的同學想必都清楚，廣告投放基於一系列人口統計相關的標籤，性別、年齡、學歷、興趣偏好、手機等等。
使用者分析：雖然和Persona不一樣，使用者畫像也是瞭解使用者的必要補充。產品早期，PM們透過使用者調研和訪談的形式瞭解使用者。在產品使用者量擴大後，調研的效用降低，這時候會輔以使用者畫像配合研究。新增的使用者有什麼特徵，核心使用者的屬性是否變化等等。
資料分析：這個就不用多提了，使用者畫像可以理解為業務層面的資料倉庫，各類標籤是多維分析的天然要素。資料查詢平臺會和這些資料打通。
很多使用者畫像初衷是好的，但是淪為了形式主義。問題在於標籤劃分過多，策略執行有難度。
不要想當然的歸納一個齊全完備的體系，卻忽略了畫像的核心價值。使用者畫像首先得是商業目的下的使用者標籤集合。
猜使用者是男是女，哪裡人，工資多少，有沒有談戀愛，喜歡什麼，準備剁手購物嗎？探討這些是沒有意義的。是男是女如何影響消費決策，工資多少影響消費能力，有沒有談戀愛會否帶來新的行銷場景，剁手購物怎麼精準推薦，這些才是使用者畫像背後的邏輯。
不是我有了使用者畫像，便能驅動和提高業務。而是為了驅動和提高業務，才需要使用者畫像。
使用者畫像的標籤一般透過兩種形式獲得，基於已有資料或者一定規則加工，流失標籤和距今天數皆是。另外一種是基於已有的資料計算機率模型，會用到機器學習和資料探勘。
3.使用者畫像的架構
使用者畫像一般按業務屬性劃分多個類別模組。除了常見的人口統計，社會屬性外。還有使用者消費畫像，使用者行為畫像，使用者興趣畫像等。具體的畫像得看產品形態，像金融領域，還會有風險畫像，包括徵信、違約、洗錢、還款能力、保險黑名單等。電商領域會有商品的類目偏好、品類偏好、品牌偏好，不一而足。
上圖是隨手畫的的例子，畫一個架構不難，難得是瞭解每個標籤背後的業務邏輯和落地方式。
上圖列舉了標籤加工和計算的過程，很好理解。最上層的策略標籤，是針對業務的落地，營運人員透過多個標籤的組合形成一個使用者群組，方便執行。
使用者畫像作為平臺級的應用，很多運營策略及工具，都是在其基礎上構建的。
基於行銷和消費相關的標籤，新客、老客、使用者的流失和忠誠、使用者的消費水平和頻率等，都是構成CRM（客戶關係管理）的基礎，可能大家更習慣叫它使用者/會員管理營運平臺。
它的作用在於，將資料化的標籤，轉換成產品營運策略。不同的標籤對應不同的使用者群體，也對應不同的行銷手段。CRM的結構中會包含各類觸達使用者的常用渠道比如簡訊、郵件、推送等。也包含CMS（內容管理系統），執行人員透過其快速配置活動頁、活動通道、優惠券等，靠行銷活動拉動資料。
老王的沙拉業務要是做大，那麼營運平臺就會以圖中的結構搭建。老王在CRM中組合標籤，新客老客流失客的資料藉助BI監控，然後透過CMS系統配置紅包啊優惠券啊等等，再透過短或Push觸達。
4.如何建立使用者畫像
說白了主要是對兩類客戶的認知和判斷：
現存客戶 (Existing Customer)- 我的現存客戶是怎麼樣，喜歡什麼，什麼消費習慣，哪些客戶最值錢等等
潛在客戶 (Prospect Customer)- 潛在使用者又分：認知客戶和競品客戶，我的潛在客戶在哪，他們喜歡什麼，透過什麼渠道獲取，獲客成本是多少等等
定性與定量相結合的研究方法
定性的方法，表現為對產品、行為、使用者個體的性質和特徵作出概括，形成對應的產品標籤、行為標籤、使用者標籤。
定量的方法，則是在定性的基礎上，給每一個標籤打上特定的權重，最後透過數學公式計算得出總的標籤權重，從而形成完整的使用者模型。
定性與定量必須結合在一起，但更重要的是以使用者為中心，而不是以資料為中心。
5.行銷人群的獲得方法
一是自己透過SQL去設定規則然後提取人群並過模型；第二種就是基於已有行為資料給使用者打上標籤後，再用組合標籤的形式圈定出一些人群，最後透過廣告平臺相應店鋪或者商品就被推薦給了相應的人群。
說一下用標籤和SQL去找人群的區別就是：由第二點也知道了，標籤主要是對老客戶和認知客戶進行了打標籤，對競品客戶卻不能打標籤。那麼有一種情況就是：對於一個新的店鋪如何去找到潛在的使用者，去進行拉新和引流，這時競品客戶就顯得很重要了，通常我們會人工去找一些與營運店鋪風格、價位相似的店鋪和競品單品，然後透過SQL去找出部分競品客戶，因為對相似競品感興趣的客戶很大可能對我們店鋪同類型的商品也感興趣。
6.如何建立使用者畫像
本質上看是兩類問題：
對使用者畫像，打上標籤。這是個聚類問題，將同一類使用者透過演算法聚合成一類。
對不同使用者進行精準行銷。這個問題是個預測問題，對使用者行為建模，預測某一類使用者會對什麼更感興趣。
先說第一類問題，聚類。這個成熟的演算法很多，具體選擇哪種就要看你的資料有什麼了。既然叫做資料分析，那邊必然是以你的資料為準基礎的，看你的資料包含什麼，如果能把使用者對映到某一個空間裡面，表示成向量（也就是高維空間的座標），就可以kmeans，DBscan等等方法來進行聚類，如果只能給出兩兩使用者的相似度，那麼就是用基於層次聚類的演算法。再重申一遍，關鍵是資料。
再就是對使用者行為建模，同樣因為不瞭解資料，就只能簡單講一講普通的流程。精準行銷這個問題可以規約為預測使用者對什麼商品感興趣。這個建模流程簡單來說應該包含下面幾個過程：
a、選取特徵，從歷史資料中選擇、構造出一些特徵，假設這些特徵和要預測的值之間的一個關係（這個關係也就是你的模型）。這一步是定性的過程。
b、確定模型中的未知係數，也就是定量的過程。
c、計算模型的置信度，根據測試集資料（從歷史資料中選擇一部分出來，分割方法很多，自行百度交叉驗證）來判斷預測準確性，如果符合要求，就可以用這個模型來預測使用者喜歡什麼，進行精準行銷，如果準確性不滿足要求，那麼就再重複上述過程，構造更復雜的特徵，或者收集更多資料，嘗試其他模型。
7.四種劃分使用者並進行分析或測試的方法
精益資料分析的核心在於如何找到一個有意義的指標，然後透過試驗改善它，直到令你滿意；之後，轉而解決下一個問題，或步入創業的下一個階段。整個週期如圖
8.強資料分析型創業公司所經歷的生命週期
