用户画像（User Profile）的实质是用户需求描绘，一种描写用户需求的模型。
用户画像在引荐体系、广告体系、商业剖析、数据剖析、用户增加、用户研讨、产品设计、数据运营、精准营销、量化风控等范畴得到广泛使用。
本文体系地构建了用户画像的常识体系。首要，介绍了用户画像的概念、要素、联系、含义等用户画像的根底常识；接着，介绍了用户画像的办法、分层标签、AARRR 用户分层模型、分群标签、RFM 用户分群模型、个性化标签、人工打标签、机器打标签、混合打标签、用户画像的准则、用户画像的查验等用户画像原理；然后，介绍百度的用户画像、微博的用户画像、今天头条的用户画像；终究，指出用户画像在引荐体系中的使用，以及用户画像的实质和用户画像面对的应战。本文目录如下：
1. 用户画像根底1.1. 用户1.2. 用户画像的概念1.3. 用户画像的要素1.4. 用户画像的联系1.5. 用户画像的含义2. 用户画像原理2.1. 用户画像的办法2.2. 分层标签2.2.1. AARRR 用户分层模型2.3. 分群标签2.3.1. RFM 用户分群模型2.4. 个性化标签2.4.1. 人工打标签2.4.2. 机器打标签2.4.3. 混合打标签2.5. 用户画像的准则2.6. 用户画像的查验3. 用户画像使用3.1. 百度的用户画像3.2. 微博的用户画像3.3. 今天头条的用户画像4. 用户画像总结4.1. 引荐体系的用户画像4.2. 用户画像的实质4.3. 用户画像的应战
接下来，让我一同走进用户画像的国际。
用户画像的根底、原理、办法论（模型）和使用
1. 用户画像根底
1.1. 用户
要想搞清楚用户画像，首要得搞清楚用户。比方：
你的用户的特征是什么？怎样描绘用户需求？不同阶段的用户特征又是什么？
用户关于用户还有用户要害途径、用户旅程（customer journey map）、用户决议计划进程等等。
1.2. 用户画像的概念
怎样区别User Portrait（用户肖像）、Customer Segment（用户细分）、User Persona（用户人物）、User Profile（用户画像）？
用户画像的概念用户肖像、用户细分、用户人物和用户画像的比照方下表所示：
高层、产品、开发、商场、运营眼中的用户画像是什么？
用户画像是描写用户需求的模型。
用户画像是一种公共言语，串联互联网商业的高层、产品、开发、商场、运营等，进步交流功率。
1.3. 用户画像的要素
用户画像的三要素：人、物、环境。
用户画像的要素1.4. 用户画像的联系
用户画像描绘的是用户与物品的联系。
用户画像的联系1.5. 用户画像的含义
用户画像广泛使用在引荐体系、广告体系、商业剖析、数据剖析、用户增加、数据运营、精准营销、量化风控等范畴。
用户画像的含义
2. 用户画像原理
用户画像原理的目录2.1. 用户画像的办法
用户画像的干流办法：用户标签化。
用户画像的办法标签是用户特点、爱好、行为等特征的笼统与描绘。
从分层标签、分群标报到个性化标签，正是一个由粗到细的进程。
2.2. 分层标签
将整体中各个用户按某种特征分红若干个互不堆叠的几部分，每一部分叫做层。
分层标签是指依据分层规矩，对用户进行分层而打的标签。
用户分层是指依据分层标签描绘用户。
分层标签2.2.1. AARRR 用户分层模型
举个用户分层的比方：AARRR 用户分层模型。
AARRR 模型是由Acquisition（获取）、Activation（激活）、Retention（留存）、Referral（引荐）、Revenue（变现）等五个部分组成，构成一个用户流量漏斗。
按“从获取的用户到终究引荐的用户的演进道路”进行分层如下：
将同一层内的用户持续切分以满意个性化需求。
所以还需要持续切分，获取分群标签。
2.3. 分群标签
依照指定规矩，将整体中若干个用户合并为组，这样的组称为群。
分群标签是指依据分群规矩，对用户进行分群而打的标签。
用户分群是指依据分群标签描绘用户。
分群标签2.3.1. RFM 用户分群模型
举个用户分层的比方：RFM 用户分群模型（Recency、Frequency、Monetary ）。
RFM是依据用户活泼程度、买卖金额的奉献，对用户价值进行分群的一种办法。
RFM 的 8 个象限别离表明 8 类用户如下：
将同一群内的用户持续切分以满意精细化需求。
所以还需要持续切分，获取个性化标签。
2.4. 个性化标签
全面、完好、详尽地标签化用户个性化特征。
一般把用户的个性化标签近似称为用户画像。
个性化标签生成首要三种方法：人工打标签、机器打标签、混合打标签（人工+机器）。
个性化标签2.4.1. 人工打标签
人工打标签，即手动打标签，能够打上自若特点标签、社会特点标签、联系特点标签等。
2.4.2. 机器打标签
机器打标签，也称主动打标签，是指依据用户消费过的文本、图片、视频等数据，机器主动学习出用户爱好、喜爱等标签。
比方，对文本进行机器打标签，其标签类型有：要害词标签、实体标签、类别标签、聚合标签、主题标签、Embedding标签等。
2.4.3. 混合打标签
首要，先人工打分层标签、分群标签等粗粒度标签；
然后，再用机器打细粒度标签。
2.5. 用户画像的准则
实在性：实在的用户数据，而不是幻想的伪需求画像。
一致性：用户标签与物品标签要一致，双向匹配。
用户画像的准则2.6. 用户画像的查验
经过事务目标、离线目标、线上目标查验用户画像的准确率和覆盖率。
其实画像有点数、画像有点率等目标也依靠A/B测验（也称A/B实验），其间A/B测验的原理和使用可参阅：
刘启林：A/B测验(A/B实验)的概述、原理、公式推导、Python完成和使用zhuanlan.zhihu.com
用户画像的查验
3. 用户画像使用
用户画像使用的目录3.1. 百度的用户画像
百度的用户画像结构如下：
百度的用户画像结构3.2. 微博的用户画像
微博的用户画像结构如下：
微博的用户画像结构3.3. 今天头条的用户画像
今天头条的用户画像结构如下：
今天头条的用户画像结构百度、微博、今天头条的用户画像比照方下：
4. 用户画像总结
用户画像总结的目录4.1. 引荐体系的用户画像
引荐体系中，用户画像是给机器看得，不是给人看的。
引荐体系的用户画像用户画像在引荐体系中的使用：
召回阶段：用户画像用于物品过滤排序阶段：用户画像用于物品排序
4.2. 用户画像的实质
用户画像是描写用户需求的模型，所以用户画像的实质是用户需求。
用户画像的实质4.3. 用户画像的应战
用户画像其实是用曩昔猜测现在，但用户需求改变很快。
用户画像若只描写自己喜爱的东西，简略堕入信息茧房。
用户画像的应战结束语：
用户画像的实质是用户需求，用户需求是商业的起点。那么，
你能用一句话描绘你的用户是谁吗？
你的用户的立体特征是什么？
能够具体地描绘你的用户需求？
扩展阅览：
有了实在的用户需求，接着供给对应的产品或许服务，然后会面对一个新的应战：用户增加。
《用户增加的根底、原理和办法论（模型）》可参阅：
刘启林：用户增加的根底、原理和办法论（模型）zhuanlan.zhihu.com
参阅文献：
用户画像的参阅文献
才能和水平有限，我的可能是错的。
才能和水平有限，我的可能是错的
上一年今天运营文章2022:实体店私域流量运营攻略.ppt(0)2022:关于用户体会常用的3大目标(0)2020:福布斯：2020年我国科技女人榜(0)2020:2020结业生就业大数据：IT职业均匀薪资7839元(0)2020:《学会写作》｜写作这件难事本来也会这么简略(0)
微信扫一扫 
支付宝扫一扫 
