如何搭建用户画像？

什么是用户画像？

用户画像系统是一个以用户为分析对象，通过各种方法将用户信息进行展示，提供给分析人员全面、准确并具有指导意义的信息，从而优化运营的策略，提高服务效率，最终提高用户满意度。
画像系统最为核心的三个能力，分别是：

• 信息的加工生产能力
• 信息的分析展示能力
• 信息的传递能力

如何搭建画像系统？

内容产生

通过埋点及与业务系统数据集成的方式，我们需要将用户在产品中的行为进行记录上报。尽可能准确、全面的采集核心链路的数据。

画像分析

分析模型是画像系统中的精髓所在。从分析的体量划分，分为群体和单体；从分析的状态划分，分为静态和动态；从分析的路径划分，分为探索分析和目标倒推。

graph LR
A(用户画像)-->B1(分析的体量)
B1-->B11(群体:用户群画像)
B1-->B12(单体:单个用户画像)
A-->B2(分析的状态)
B2-->B21(静态:当前状态)
B2-->B22(动态:时间演进)
A-->B3(分析的路径)
B3-->B31(探索分析:正向推导)
B3-->B32(目标倒推:智能预测)

对外输出

在我们生成了用户画像后，接下来落地的场景就是我们需要去应用这个人群或者特征了。这里主要有两个场景，第一个是使用人群包
，第二个是使用人群的特征。

如何搭建自己的标签体系？

自上而下的需求梳理

自上而下的需求梳理，可以拆解为几个步骤：运营的目标、运营的方案、人群的拆解。
通过运营目标推导运营方案，通过运营方案进行指标的拆解，当我们把指标进行拆解后，我们自然就知道了需要做哪些事情了，同时我们将场景带入，也就知道需要对哪些人做哪些运营干预。

自下而上的体系构建

第一步 事实标签的搭建：
事实标签只会描述「什么时间」「做了几次」这类真实反映事实的情况。用户的属性、用户的行为指标这些归类为事实标签。

第二步 模型标签的搭建：
模型标签是基于自己的业务判断，或者大数据分析，综合多个维度产生的标签。举个业内最通用的例子，应该就是 RFM 模型的标签了。最近一次消费时间 Recency，消费频率Frequency，消费金额 Monetary，这三个指标都可以使用事实标签进行描述。

第三步 用户群标签的搭建：
有了事实标签和模型标签后，其实已经可以开始进行精细化运营了。但是对于某些特定的场景，我们可以固化下来一些有特征的用户群，比如：高价值流失客群（使用「消费能力」「最近一次访问时间」「消费意愿」……构成）。