第159期：用时约2分1046字
【画像原理】用户画像的原理解析
用户画像是根据用户的社会属性、消费习惯、使用行为等方面抽象出的标签化的用户模型，核心工作就是给用户“贴标签”。
用户画像是根据用户特征、业务场景和用户行为等信息，将典型用户标签化：用户画像就是构建标签，一个用户画像由多个标签构成能够帮助企业了解用户，做精准营销。
Persona指用户角色，是一类人群的典型代表：是根据用户的特点和行为构建的虚拟人物是一种设计调研的方法，帮助设计师梳理产品设计思路通常由用户基本特征、喜好、与产品相关的属性描述和图片构成。
用户画像的构建方法
经历4个步骤：原始数据收集，提炼事实标签，搭建算法模型&预测标签，输出策略标签：
Step1.收集原始数据
静态信息数据：用户相对稳定的信息数据，如用户的人口属性、社会属性、商业属性等基础信息。这类信息往往自成标签。
动态信息数据：用户不断变化的行为信息，包括用户使用产品时产生的行为数据、偏好数据和交易数据等几个方面。
Step2.提炼事实标签
数据清洗和整理：用于解决数据空缺、虚假、重复、错误等问题，为了保证后期挖掘的准确性，避免对结果造成影响。
事实标签：是指用户的明显特征和既定事实提炼出来作为初步的标签，用于找到合适的算法模型，从而产生更准确的用户标签。
Step3.算法模型&预测标签
产品经理和设计师需要根据已得到的事实标签和产品需求，向算法工程师提出想要获取到的用户分群，以此为目的建立算法模型，用算法输出的标签就是预测标签：
算法模型：算法模型用于产出用户标签，常见的算法模型有“随机森林”、“K-Means”等等。
预测标签：是事实标签和产品需求经过算法模型运算后得出的用户标签，这类标签就是用户画像的雏形，也就是也是你想要获取到的用户分群的特征。不同产品依据业务属性或目标所得到的标签各不相同，一般会包括“活跃度”、“忠诚度”、“内容偏好”等方面的描述。
Step4.输出策略标签
策略标签不一定是标签，也可能是一个方法或者设计方案，通常从用户的兴趣点、关注点、潜在需求、签字啊流失风险等几个方面归纳标签，并以此对用户进行精准营销。
用户画像的构建原则
1.数据真实用户画像需要构建在真实的用户数据之上，重复的、虚假的数据在构建用户模型之前就需要去除，非真实用户和真实用户的数据也要根据情况加以区分。
2.标签语义明确标签的语意和内容传达明确，名称简短精炼，针对产品的特性定义标签，不同的产品用户标签各不相同。
3.低交叉率用户画像中的每一个标签尽可能完整、独立。含义相同的标签要归类、合并。
4.排列优先级最终用于业务应用的用户画像不要太多，通常最多为三个，产品功能和迭代要以首要用户画像的用户群体为主。
Powered by Froala Editor
