「」从0到100，用户画像的构建思路，值得学习参考！

本文插图

来源：DataFunTalk
本文约6700字，建议阅读9分钟
跟自然界的树木一样，要想长得茁壮参天，必须有一个稳定的根基和合理的结构。

本文插图

标签：用户画像
[ 导读 ]用户画像作为当下描述分析用户、运营营销的重要工具，被全部互联网人熟知，用户画像的定义并不复杂，是系统通过用户自行上传或埋点上报收集记录了用户大量信息，为便于各业务应用，将这些信息进行沉淀、加工和抽象，形成一个以用户标志为主key的标签树，用于全面刻画用户的属性和行为信息，这就是用户画像。
画像这种结构化的用户信息加工方式，极大程度上做到了完整、全面且直观地刻画用户。画像是用户在产品的档案，便于人工使用、机器输入和算法理解。简而言之：画像是由标签树及末级标签的标签值构成的，全面定量刻画用户的结构化信息产品。画像是标签的总成，用户标签是具体刻画用户的结构化信息，以下简称标签。
本文将介绍用户画像的构建思路，在画像构建的过程中，我们把工作分为两步：

第一步：介绍从0到1的构建思路；
第二步：介绍从1到100的构建思路。

第一步：画像从0到1的构建思路
一个比较成熟的画像系统，会有成千上百的标签，这些标签的生产不是一次完成的，而是随着业务的发展需要，逐步补充完善，最终呈现在大家眼前的就是一棵庞大的标签树。
跟自然界的树木一样，要想长得茁壮参天，必须有一个稳定的根基和合理的结构，用户画像的构建也是一样的，前期最重要的仍然是搭好画像骨架，确保后续的发展过程中，依然保持清晰的结构和高延展性。相反的，如果一开始为了抢时间，将大量标签无序的堆在线上，后期管理和使用的难度会迅速凸显出来，重构的代价巨大。
上面说到，一个好的标签树结构要满足两个条件， “高概括性”和“强延展性” ，高概括性意味着结构体系能够很好的包含一个用户的基本属性和产品交互的相关行为，同时对于业务重点单独强调，没有遗漏；“强延展性”意味着结构全面的同时也有一定的抽象概括能力，保证新增的标签可以很好的找到对应的分类，整个体系不会过于收敛局限。
按照这个原则，画像通常从八个维度组织标签，分别为：

基本属性；
平台属性；
行为属性；
产品偏好；
兴趣偏好；
敏感度；
消费属性、用户生命周期及用户价值。

下图所示为用户整体架构示例：

本文插图

用户画像整体架构示例
① 基本属性
基本属性是指一个用户的基本社会属性和变更频率低的平台特征，例如真实社会年龄、性别、婚姻状况、昵称、号码、账号、lbs等标签。这些标签类型多为直采型，可从用户基本信息表中直接获取，不需要统计或者算法挖掘。
示例：社会性别_女
② 平台属性
平台属性是用户在平台上表现出的基本属性特征，是利用用户行为进行算法挖掘，标识用户真实属性的标签。
最典型的平台属性标签例如平台年龄标签，这里就有一个疑问，为什么在用户的基础属性中已经有年龄标签，但在平台属性中重复又有一个呢，这里就涉及两者之间的差别。设想一个真实的场景：一个用户社会身份为20岁，但他喜欢中年人的穿衣风格，在使用app购物的时候，表现出的真实偏好为30-40岁，对于这样使用产品时表现出的用户心智和真实年龄不相符合的用户，如果只采用上传的基本属性，给他推荐年轻人喜欢的物品，是不是很难命中个体用户的兴趣呢？