一文让你读懂“用户画像”（用户画像包括哪些内容）

相信大部分互联网从业者，都听说过“用户画像”这个概念。

今天简单跟大家聊一聊，是什么是“用户画像”。

先上结论：用户画像可以帮助我们更加形象地了解目标用户的行为特征，用作判断用户需求的依据，同时又可以在用户行为中构建标签，不断填充用户的意图（消费意图、使用意图、浏览意图等），从而更好的辅助设计者（运营或者产品设计）。

根据神策数据分析提出，用户画像分为两种。

一种是设计者从大的用户数据样本中提炼出来的用户，也叫原始虚拟用户。

什么意思呢，假设你需要运营或者设计一个产品，你得知道你的目标用户在哪里，大概的属性是什么，需求是什么、使用场景有哪些等等。这时候有个虚拟的用户画像，设计者可以跳离自high，聚焦到较为精准的目标用户上。

随着产品或者运营的不断升级迭代，慢慢积累真实的用户，同时也为之前的目标用户证伪，随着时间的推移及真实用户样本数据的扩大，不断重新调研调整及优化、确定更为精准的目标用户。

第二种用户画像，也叫标签化用户画像。（这个标签化下面会跟大家解释）

根据用户在产品中的行为数据，比如浏览记录、点击记录、用户路径行为分析等，可以描绘出用户的标签。

用户的标签分为静态标签及动态标签。静态标签是属性固定的标签，如性别、出生地居住地等，这些标签只能反应当下的用户画像，不一定能准确的捕捉用户实时的画像。与之对应的是动态标签，如用户最近的浏览记录、最近的观看记录、最近购买的东西这类的动态信息。动静结合，才能确定真实用户的即时反应及需求。

标签化用户画像，还需要考虑两个维度。

一是时效性，因为用户的喜欢偏好可能琢磨不定，而且注意力是稀缺的，人都有好奇心理，很容易改变自己的兴趣偏好，需要抓住时效性，及时快速的更新用户标签。

二是覆盖度，用户今天看了一个关于舞蹈的视频，并不意味者用户可以打在舞蹈爱好者的标签上，也有可能是这次喜欢看，下次不喜欢看。所以我们得丰富颗粒度，将用户多标签化，囊括的标签越多，用户画像的颗粒度越细。

那么如何构建用户画像的标签体系呢？也就是如何对客户进行分层分群分类呢？

有两种方法。

其一是构建结构化的标签体系。

什么是结构化的标签体系？

就是层级层次分明的标签关系，比如大家逛电商平台的商品分类。一般是从大类，到中类，到小类目。结构化的标签体系相对容易一些，可以直接根据用户的行为映射。但同时结构化的标签体系颗粒度也粗些，没有办法精准的衡量用户的兴趣。

那么这时候就需要第二种：构建非结构化的标签体系。

非结构化的标签体系，既互相独立、各自对应的标签体系。其实生活中每个人都是在构建自己生活的非结构化标签体系，比如喜欢喝可口可乐的，可能也喜欢喝云南普洱。

标签体系的运用有两个小原则，一是简单易上手，二是便于区分。

有效的用户标签体系，能自圆其说，反应用户决定买什么，及不买什么的清晰逻辑和事实依据。

用户画像及标签体系的建设，是不断更新、迭代、转化的过程，对应的设计者对于用户的研究、场景的辨识度细化、方向的调整，也是需要不断精进的。

关于用户画像，就给大家介绍到这。

PS：文章多个论点来源于神策数据。

欢迎留言讨论~