手中完全掌握方法大数据的用户画像同盟（理论篇）

简单说来，用户画像是参照用户社会属性、生活习惯和消费行为等信息而抽象概念出的一个标签化的用户模型。最终形成用户画像的核心工作即是给用户贴“标签”，而标签是实际对用户信息讲而来的高度炼话的特征标志。

举例来说，如果没有你经常会购买一些玩偶玩具，那你电商网站再试一下根据玩具定购的情况替你打上标签“有孩子”，甚至还还也可以推测出你孩子大致的年龄，贴上“有5-10岁的孩子”那样极为具体的标签，而这些所有给你贴的标签统在一次，就成了你的用户画像，并且，也也算客户画像就是确定一个人是什么样的人。

除去“标签化”，用户画像还具有的特点是“低十字交叉率”，当两组画像之外权重较小的标签外其余标签简直同一，的话可以将二者扩展，弱化低权重标签的差异。

罗振宇在《时间的朋友》时间的朋友上举了那样的话一个例子：当一个坏商家掌握了你的购买数据，他就是可以据你平常购买商品的偏好来确定是给你发正品肯定假货以能提高利润。且再说是否需要必然这情况，但这也那说明了借用用户画像也可以能够做到“精准销售”，当然了，这是极其出错的用法。

其作用大体不离以上几个方面：

数据收集大概情况可分网络行为数据、服务内行为数据、用户内容偏好数据、用户交易数据这四类。

还得一提的是，储存用户行为数据时最好是同样存贮下发生了什么该行为的场景，希望能够要好地通过数据分析。

该阶段是对上阶段积攒到数据的处理，进行行为建模，以抽象出用户的标签，这个阶段崇尚的应是大概率事件，实际数学算法模型尽肯定地可以排除用户的偶然行为。

正当此时也要应用机器学习，对用户的行为、偏好参与猜测，君不见一个y＝kx＋b的算法，X代表己知信息，Y是用户偏好，通过断的的最精确k和b来精确Y。

在这个阶段，需要要用很多模型来给用户贴标签。

该阶段的确是二阶段的三个踏入，要把用户的基本属性（年龄、性别、地域）、去购买能力、行为特征、兴趣爱好、心理特征、社交网络确切地标签化。

我想知道为什么说是基本是崩散？毕竟用户画像永远也没能100％地具体描述一个人，没有办法能做到不断地去迅速接近一个人，但，用户画像既应参照变化的基础数据不断修正，还得据己知数据来抽象的概念出新的标签使用户画像更加立体。

麻烦问下“标签化”，像是按结构51级标签、28级分类，例如第一级标签是基本信息（姓名、性别），第二级是消费习惯、用户行为；第一级分类有人口属性，人口属性又有基本信息、地理位置等二级分类，地理位置又分工作地址和家庭地址的三级分类。

这是把用户画像完全依靠出声的踏上一步，在此步骤中一般是针对群体的分析，比如说是可以据用户价值来细分出核心用户、评估某一群体的潜在价值空间，以作出针对性的运营。如图：

这里只写了用户画像的最终形成流程和一些原理，下次有时间我会写篇关于大数据平台的实践文章，并说看看一些行为模型的算法原理，有兴趣的朋友是可以参与下。

参考写作：［1］永洪BI:亲自教学教您搞定用户画像［2］易观智库：大数据下的用户总结（PPT）［3］杨步涛：基于用户画像的大数据挖掘实践［4］慕课网：电商大数据应用之用户画像［5］知乎：AlexChu关於用户画像的回答