用户画像（UserPersona）的概念最早由交互设计之父AlanCooper提出，是建立在一系列属性数据之上的目标用户模型。一般是产品设计、运营人员从用户群体中抽象出来的典型用户，本质是一个用以描述用户需求的工具。
Personasareaconcreterepresentationoftargetusers.
真实用户的虚拟代表
——交互设计之父AlanCooper
但随着互联网的发展，现在我们说的用户画像（UserProfile）又包含了新的内涵：根据用户人口学特征、网络浏览内容、网络社交活动和消费行为等信息而抽象出的一个标签化的用户模型。
它的核心工作主要是利用存储在服务器上的海量日志和数据库里的大量数据进行分析和挖掘，给用户贴“标签”，而“标签”是能表示用户某一维度特征的标识，主要用于业务的运营和数据分析。（如图所示）
用户在企业发展的过程中有举足轻重的作用，主要的应用有：
1、精准营销：这是运营最熟悉的玩法，在从粗放式到精细化运营过程中，将用户群体切割成更细的粒度，辅以短信、推送、邮件、活动等手段，驱以关怀、挽回、激励等策略。
2、用户分析：用户画像也是了解用户的必要补充。产品早期，产品经理们通过用户调研和访谈的形式了解用户。在产品用户量扩大后，调研的效用降低，这时候就可以辅以用户画像配合研究。方向包括新增的用户有什么特征，核心用户的属性是否变化等等。
4、数据分析：用户画像可以理解为业务层面的数据仓库，各类标签是多维分析的天然要素。数据查询平台会和这些数据打通，最后辅助业务决策。
用户画像一般按业务属性划分多个类别模块。除了常见的人口统计，社会属性外，还有用户消费画像、用户行为画像，用户兴趣画像等。
人口属性和行为特征是大部分互联网公司做用户画像时会包含的：人口属性主要指用户的年龄、性别、所在的省份和城市、教育程度、婚姻情况、生育情况、工作所在的行业和职业等。行为特征主要包含活跃度、忠诚度等指标。
①以内容为主的媒体或阅读类网站、搜索引擎，或通用导航类网站，往往会提取用户对浏览内容的兴趣特征，比如体育类、娱乐类、美食类、理财类、旅游类、房产类、汽车类等等。
②社交网站的用户画像，也会提取用户的社交网络，从中可以发现关系紧密的用户群和在社群中起到意见领袖作用的明星节点。
③电商购物网站的用户画像，一般会提取用户的网购兴趣和消费能力等指标。网购兴趣主要指用户在网购时的类目偏好，比如服饰类、箱包类、居家类、母婴类、洗护类、饮食类等。消费能力指用户的购买力，如果做得足够细致，可以把用户的实际消费水平和在每个类目的心理消费水平区分开，分别建立特征纬度。
④像金融领域，还会有风险画像，包括征信、违约、洗钱、还款能力、保险黑名单等。
业内有很多关于创建用户画像的方法，比如AlenCooper的“七步人物角色法”，LeneNielsen的“十步人物角色法”等，这些都是非常好并且非常专业的用户画像方法，值得我们借鉴和学习。
事实上，当我们了解了这些方法之后，就会发现这些方法从流程上可以分为3个步骤：获取和研究用户信息、细分用户群、建立和丰富用户画像。在这3大步骤中，最主要的区别在于对用户信息的获取和分析，从这个维度上讲主要有以下三种方法：
好的用户画像是理解用户的决策，考虑业务场景和业务形态的。这里我们介绍一种简单的构建用户画像方法。
静态数据：用户的人口属性、商业属性、消费特征、生活形态、CRM五大维度，其获取方式存在多种，数据挖掘是最为常见也是较为精准的一种方式，如果数据有限，则需要定性与定量结合补充。定性方法如小组座谈会、用户深访、日志法、Laddering阶梯法、透射法等，主要是通过开放性的问题潜入用户真实的心理需求，具象用户特征；定量更多是通过定量问卷调研的方式进行，关键在于后期定量数据的建模与分析，目的是通过封闭性问题一方面对定性假设进行验证，另一方面获取市场的用户分布规律。
动态数据：用户不断变化的行为信息，一个用户打开网页，买了一个杯子；与该用户傍晚溜了趟狗，白天取了一次钱，打了一个哈欠等等一样都是用户行为。随着互联网的发展，各种动态的行为数据都可以被记录下来。
用户画像的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。标签，表征了内容，用户对该内容有兴趣、偏好、需求等等。权重，表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度，概率。
①用户：关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。
为什么会出现如此截然相反的反馈呢？原来是这些人把「典型用户」跟「用户画像」的概念搞混了。因为以上描述典型用户这些特点，只是把用户特征抽象出来，组合在一起，事实上典型用户是虚构的，并不真实存在。而用户画像是把用户以标签的形式表现出来，每一个真实存在的用户都有对应的用户画像。
这也是50%以上的人都可能存在的错误认知，即把用户画像简单理解成由用户标签构成。用户标签是用来概括用户特征的，比如说姓名、性别、职业、收入、养猫、喜欢美剧等等。这些标签表面上看没有什么问题，但是实际上组成用户画像的标签要跟业务/产品结合。
举个夸张的例子，海底捞要做用户画像，最后列出来小明是一个大学生、高富帅、独生子、四川人，爱玩游戏、爱看动漫等用户标签。而事实上，对于海底捞而言，用户帅不帅、是否爱玩游戏真的没有关系。
如果你能够建立真正有效的用户画像标签，才算正确理解从而提升运营效果。这就涉及到构建用户画像最大的难点了。
比如某知识付费团队要卖课，那么建立用户画像最核心的诉求就是：提高课程购买数量。如果能通过用户画像了解用户购买课程的意愿，然后采取相应的运营策略，效率便会大幅度提高。而这个购买课程意愿度，就是我们最需要放在用户画像里的标签。
比如我们建立用户画像之后，计算出来甲购买课程的意愿是40%，乙购买课程的意愿是90%。为了进一步提高购买量，我们会对购买意愿在40%的用户（甲）发放优惠券。如果没有建立这样一个用户画像标签，我们就会对甲和乙发放同样的优惠券。而乙类用户原本是不需要用优惠券进行激励的，这么一发，便会增加很多成本。这也就是电商利用用户画像标签实现的大数据杀熟。
1.我们进入了一个用户精细化运营阶段。在这个阶段中，我们不得不使用一个工具——用户“画像”标签体系；
2.用户画像是根据用户人口学特征、网络浏览内容、网络社交活动和消费行为等信息而抽象出的一个标签化的用户模型；
3.用户在企业发展的过程中有举足轻重的作用，主要应用有：精准营销、用户分析、数据应用、数据分析；
5.好的用户画像是理解用户的决策，考虑业务场景和业务形态的。