时间: 2021-07-30 11:02:58 人气: 17 评论: 0
编辑导语：用户画像，是基于用户在互联网上留下的种种行为数据，将这些数据主动或被动的收集后，通过数据加工分析，产生的一个个标签。用好用户画像，能够快速找到目标用户，利于产品设计。本文作者从用户画像的概念出发，对用户画像怎么做才能更有价值这个问题进行了分析解答，一起来看看~
这次想跟大家分享这个主题是基于以下2个原因：
希望这次分享让有需要的小伙伴们不仅知道用户画像的概念，还能清晰为什么要做用户画像，并能基于实际的案例去做相关分析。
我大学刚毕业时，初到一家互联网公司做数据运营，某天领导突然给我一个任务：做一个APP用户画像报告。当时我有点懵，一是我以前确实没接触过用户画像，概念不太清楚；二是接到领导的任务后我只知道要做一个用户画像，至于这个用户画像到底用来做什么我并不清楚。
在这个情况下，我查阅各种资料，问同学、问朋友，还找了一些高大上作图工具，最后总算是完成了任务，得到了公司认可。但用户画像报告到底给公司带来了什么价值、给运营决策起到了什么作用并不清楚，这其实就是典型的为了做而做。
百度词条描述的用户画像是虚拟的用户模型，基于个人运营经验及搜索相关资料，一般我们提到用户画像时通常包括两个层面：
其一是虚拟的用户群体画像：是基于目标用户群体特征提炼的，包括基础属性、行为偏好、消费习惯等，基于不同需求提炼不同属性。一般使用场景包括产品设计、活动内容策划、品牌宣导（流量置换）等，如拼多多的用户画像。
其二是真实的用户个人数据画像：是用户个人信息的标签化，同样包括基础属性、行为偏好、消费特征等。一般使用场景为用户精准运营，如基于用户标签系统做千人千面的内容推荐。因此我们搜索用户画像时，很多文章都在说如何做用户标签系统。
基于前面提到两类用户画像的一般使用场景，规整提炼了用户画像报告的三个主要目的:
1）品牌宣导：用于对外发布报告，让行业了解你的产品，便于合作（比如广告投放、流量置换等）。对于这类目的的用户画像，不需要太细，基本上是一些用户基本属性的统计，比如用户性别、年龄、地区、教育水平、收入水平等，因对外发布需要，这类画像应该做的高大上，整体来说做的思路比较简单。
2）产品设计、运营决策提供依据：与前一个目的不同，前者相对大而粗，而决策依据的用户画像不一定覆盖全面，但一定是具体的。对于这类目的的画像，在画像前一定要弄清楚，我们需要解决的问题是什么，且该问题一定是可以被驱动和衡量的。该类目的的画像分析相对复杂，因业务目标的不同分析方法也**不同，但背后的逻辑思路是相通的（本文重点拆解）。
3）用户精准运营：这是目前一个大的趋势，涉及的内容也比较多，包括标签系统、用户分群系统、内容推荐系统，光看到这几个系统就已经觉得很复杂了，确实也很复杂。
之前负责的一个产品，初期都是免费服务，包括工具服务和内容服务，随着产品成熟引入付费知识服务模块，于是我们进行了一次用户画像分析，以此实战作为案例从以下四个步骤拆解：
数据提取的关键是：
基于我们目标梳理清楚我们需要哪些数据，然后针对性的捞取数据：
这一步需要一定的数据分析能力，所以很多时候数据分析都**由专门的数据运营人员来完成。在这里多说几句废话（肺腑之言）：作为运营人员，建议人人都**一些数据分析，最起码excel工具应该熟练掌握，且一般情况excel可以解决90%以上的运营数据分析问题，我自己一般**在数据量太大时才**用到R语言或python。
1）数据处理与分析：像上面捞取的数据，只要我们思路清晰了，其实大部分都可以用excel做统计就可以完成，但内容分析（分词）、路径分析稍微复杂一点，这里作为用户画像思路的拆解就不对两块内容展开赘述了，如有可能后期我再单独整理这块内容。
（宝宝树内容分析）
2）报告输出：结论先行+数据支持。用户画像需要输出一份可视化的报告，因看报告的并不清楚数据分析思路，因此在报告呈现时一定要结论先行提高可读性，而不是单纯的摆数据。比如：晚上22-24点触达用户效果最佳（解决when的问题），下面再配上用户活跃时间段分布数据。
3）基于业务目标的策略输出：在输出报告的最后应该给出一套相对完整的策略方案总结。
这里特别强调2点：
经过这四步的拆解，不仅有了一份完整的画像分析报告，还能跟进其在业务目标上的价值，当然需要实践操作才能慢慢熟悉。
到这里这次分享就结束了，下回见~
本文由 @运营小羊 原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自pexels，基于CC0协议
