现今定位用户有很多的方法，比如用户调研、问卷访谈、数据分析、市场调研等等，海量甚至不可计数。我们针对自身产品的特点和自身的实际情况，更多的使用“用户画像”这种方法，来了解客户，找到目标客户，触达客户，从而迅速、准确定位服务群体，提供高水准的产品设计服务。
用户画像，即用户信息标签化，就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌作是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。
用户画像的焦点工作就是为用户打“标签”，而一个标签通常是人为规定的高度精炼的特征标识，如年龄、性别、地域、用户偏好、购买能力等，最后将用户的所有标签综合来看，就可以勾勒出该用户的立体“画像”了。
这样的分类方式，有助于后续不断枚举并迭代补充遗漏的信息维度。不必担心架构上对每一层分类没有考虑完整，造成维度遗漏留下扩展性隐患。另外，不同的分类方式根据应用场景，业务需求的不同，也许各有道理，按需划分即可。
如何创建用户画像呢？以下面的例子来讲述用户画像的创建过程，希望和大家一起交流经验。在这个项目中我们通过定性研究创建了用户画像。当然如果必要，大家也可以在后期再通过定量研究对得到的用户画像进行验证。然而，即使要创建定量用户画像，前期充分的定性调研也非常重要，在对聚类分析结果的解读或参数的调整中，对用户的充分理解可以帮助我们创建出有意义的用户画像。
用户画像的创建可分为以下几个步骤：和所有研究一样，首先我们要确定被访用户类型、设计研究方案和调研提纲。
首先出现的问题是：我们要找谁进行调研。由于调研的目的是创建用户画像，所以，我们应该尽可能的调研最大范围的不同用户。通过与不同部门的同事进行脑暴找出可能的各种用户类型，我们可能会得到一个条件列表，或者一个如下的用户矩阵，然后就可以根据这些条件去邀约用户了，每种类型调研3个。不过用户的选择应该灵活一点，如果我们在调研过程中发现遗漏了某种类型的用户，那么增加这种类型；又或者我们在调研了20家企业之后，发现没有什么新的信息出现，那么可以取消剩下的调研。
区分不同用户类型的关键点在于用户使用产品的目标和动机、过去/现在/未来的行为，而不是性别、年龄、地区等人口统计学特征。调研提纲是根据不同
亲和图（AffinityDiagram），把大量收集到的事实、意见或构思等定性资料，按其相近性进行归纳整理的一种方法。通过前面阶段的数据收集，我们收集到了大量数据，如何在数据分析的过程中让多人参与，同时又不会遗漏掉数据呢，亲和图此时就非常合适，该方法的优势在于让大量定性信息的分析过程可视化，便于大家协同工作和统一认识，同时，产出的亲和图可以方便地作为下阶段讨论的数据依据。
通过亲和图，我们已经确定了几种企业类型，以及企业中的个人用户类型。接下来我们可以将这些企业和个人的重要特征描述出来，形成用户画像的框架。在这个步骤，我们不需要加入描述性的细节，只需要将重点内容罗列出来；基本信息可以用范围来描述，比如员工数可以写成“20人以下”，具体人数可以在下一步用户画像中进行定义。
这个步骤的目的主要是在最终用户画像输出之前，可以迅速地和团队其他人进行讨论，并收集反馈。优先级排列
接下来要做的，就是和产品、市场、以及各组leader一起来完成用户画像的优先级排序工作。确定用户画像优先级时，我们可以主要从以下几个方面来考虑：
（1）使用频率
（2）市场大小
（3）收益的潜力
（4）竞争优势/策略等用户画像
最后一步，完善用户画像。我们需要做的事情主要是：
（1）结合真实的数据，选择典型特征加入到用户画像中
（2）加入描述性的元素和场景描述，让用户画像更加丰满和真实
（3）将用户画像框架中的范围和抽象的描述具体化，比如，将员工数“20人以下”改成“15人”
（4）让用户画像容易记忆，比如用名字、标志性语言、几条简单的关键特征描述，都可以减轻读者的记忆负担经验和可改进之处由于是企业产品，为了便于大家在宏观上确定什么样的企业是我们主要的目标用户。当时的做法是按企业类型定义了三个企业用户画像，然后每个企业中再定义典型的个人用户画像。但是在进入到细节的设计阶段时，我们更多需要考虑的是具体使用者对这个功能的需求，我们可能发现不同企业用户中的个人用户画像可能会存在相似性，比如我们有企业A和企业B这两个企业用户，企业A中有A1和A2两个个人用户，企业B中有B1、B2和B3三个个人用户，可能A2和B2很相似，这时我们可以对这些个人用户画像进行再整理，根据企业用户画像的优先级，来定义所有个人用户画像的优先级。