用户画像这么重要！那用户画像的流程、方法是怎样的？

比如腾讯，比如百度，比如阿里巴巴，这三个公司被称为 BAT 。BAT 最核心的能力，我认为就是大数据的用户画像能力。再跟大家说个段子，大家都知道腾讯，腾讯做产品很强，如果你做了一个产品被腾讯盯上了，腾讯也做个产品，腾讯能很快超越你，为什么呢？因为腾讯有一个非常强大的用户的挖掘能力。

举个例子，腾讯的技术分为 T1、T2、T3、T4、T5 。T5 相当于首席科学家，基本上就一两个人，T4 在腾讯有不少人，几十个人，什么叫 T4？腾讯叫 T4 专家组，就是能在腾讯进入 T4 的，一般都是经过上亿次用户运营的这种技术高手。腾讯公司遇到问题，就上 T4 专家组，就让这帮擅长用户画像的 T4 专家组......

用户画像是建立在一系列真实数据之上的目标群体的用户模型，即根据用户的属性及行为特征，抽象出相应的标签，拟合而成的虚拟的形象，主要包含基本属性、社会属性、行为属性及心理属性。

需要注意的是，用户画像是将一类有共同特征的用户聚类分析后得出的，因而并非针对某个具像的特定个人。

用户标签集合

（1）明确画像目的

确认画像目的是非常基础也是关键的一步。要了解构建用户画像期望达到什么样的运营或营销效果，从而在标签体系构建时对数据深度、广度及时效性方面作出规划，确保底层设计科学合理。

（2）数据采集

只有建立在客观真实的数据基础上，生成的画像才有效。在采集数据时，需要考虑多种维度，比如行业数据、全用户总体数据、用户属性数据、用户行为数据、用户成长数据等等，并通过行业调研、用户访谈、用户信息填写及问卷、平台前台后台数据收集等方式获得。

（3）数据清洗

就自身采集到的数据而言，可能存在非目标数据、无效数据及虚假数据，因而需要过滤原始数据。

（4）特征工程

特征工程能够将原始数据转化为特征，是一些转化与结构化的工作。在这个步骤中，需要剔除数据中的异常值（如电商APP中，用户可能用秒杀的手段以几分钱价格获得一部手机，但用户日常购物货单价都在千元以上）并将数据标准化（如消费者购物所使用的货币包括人民币与美元，需要将货币统一）和判断的标签标准化。

画像构建中用到的技术有数据统计、机器学习和自然语言处理技术（NLP）等，如图所示。具体的画像构建方法会在本章后面的部分详细介绍。

用户画像的构建技术

（5）数据标签化

在这一步将得到的数据映射到构建的标签中，并将用户的多种特征组合到一起。标签的选择直接影响最终画像的丰富度与准确度，因而数据标签化时需要与APP自身的功能与特点相结合。如电商类APP需要对价格敏感度相关标签细化，而资讯类则需要尽可能多视角地用标签去描述内容的特征。

优先级排序方法主要依据构建的难易程度和各类标签的依存关系，优先级如图所示。

各类标签的构建优先级

（6）构建用户画像

把标签分为三类：

第一类是人口属性

人口属性包括年龄、性别、学历、人生阶段、收入水平、消费水平、所属行业等

人口标签

第二类是兴趣属性

第三类是地理属性

常驻地的挖掘基于用户的IP地址信息，对用户的IP地址进行解析，对应到相应的城市，对用户IP出现的城市进行统计就可以得到常驻城市标签。

用户的常驻城市标签，不仅可以用来统计各个地域的用户分布，还可以根据用户在各个城市之间的出行轨迹识别出差人群、旅游人群等，如图所示是人群出行轨迹的一个示例。

人群出行轨迹

北京的实时路况图

（7）生成画像