有一句话是，千万人撩你，不如一人懂你，这句话在互联网圈可以说成是——真正地了解用户，才能得到用户。用户画像的重要性不言而喻。
用户画像产生背景
在互联网逐渐步入大数据时代后，不可避免的给企业及用户的行为带来一系列改变与重塑。最大的变化，用户的所有行为在企业面前几乎都是可视的。随着大数据技术的深入研究与应用，企业的专注点日益聚焦于怎样利用大数据来为精准营销服务，进而深入挖掘潜在的商业价值。于是，“用户画像”的概念也就应运而生。
什么是用户画像
简而言之，用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。比如这样：
用户画像不等于用户标签
画虎不全反类汪，想要用好它，首先得深入理解用户画像。
用户画像不等于用户标签，用户标签比如新用户、活跃用户、流失用户等，但这些标签真的是好标签吗？答案是否定的，比如流失用户，这些是滞后的，那么此时设立预防性的减少用户流失概率比用户流失标签更重要，所以用户画像得是商业目标下的用户标签集合，而不是所有的用户标签都叫做用户画像
用户标签获得的两种形式
第一种通过已有数据或者一定规则加工比如流失标签。第二种基于已有数据计算概率模型，通过机器学习或者数据挖掘得到更有价值的数据标签，比如用户流失概率。
如何建立正确的用户画像
用户画像首先是基于业务模型的，为了便于理解给大家讲一个老王的故事。
老王是一家互联网创业公司的核心人员，产品主营绿色健康沙拉，老王和绿色比较搭嘛。这家公司推出了APP专卖各式各样的沙拉，现在需要建立用户画像指导运营。下图是老王简单梳理的运营流程。
老王将顾客按是否购买过沙拉，划分成潜在用户和新客。潜在用户是注册过APP但还没有下单，新客是只购买过一次沙拉的用户，除此以外还有老客，即消费了两次及以上的人群。
为什么独立出新客标签因为老王的沙拉针对未消费用户会有新人红包引导消费，万事开头难。这也带来新客一次后不再消费的问题，所以需要潜在、新客、老客的划分。
作为一个有追求的运营人员，划分老客也是不够，这里继续用户分层。
老王考虑消费分布定义，30天内消费200元以上为VIP用户。老王的生意如果特别好，也可以继续划分超级VIP。这种标签往往配合业务，譬如VIP有赠送饮料，优先配送的权益。非VIP人群，也需要激励往VIP发展。
以一家沙拉店来看，老王的用户画像已经不错了，但他还是焦头烂额，因为用户流失率开始上升。用户流失有各种各样的原因：对手老李沙拉的竞争、沙拉的口味、用户觉得性价比不高、老王不够帅等。
流失是一个老大难的预测问题。老王对流失用户的定义是30天没有消费。想要准确预测，这里得尝试用机器学习建模，技术方面先这里略过。
老王依据业务，挑选了可能影响业务的特征，提交给数据组尝试预测流失。需要注意的是，这些用户行为不能反应真实的情况。大家不妨想一下，流失用户的行为，是不是一个动态的变化过程
从老王的思路看，所谓流失，可以通过用户行为的细节预判。机器学习的建模虽然依赖统计手段，也离不开业务洞察。这里再次证明，用户画像建立在业务模型上。
推荐阅读
律师解读《个人信息保护法》：面对用户画像、大…
经济观察网记者沈怡然《中华人民共和国个人信息保护法》（下称“《个人信息保护法》”）将于11月1日实施。作为中国首部指向个人数据保护的立法，该法对普通个人和…
221
用户角色|用户如何自定义引出用户列表中的想要…
一、问题描述用户在【查询用户】列表页面中，想要自定义引出列表中用户的信息，但是，点击【选项】中的【引出】，却是一个包含很多内容的引出模板Excel。怎样才能只…