用户画像到底是什么意思

用户画像，是每一个电商朋友们都需要了解的一个方面，但是，九头蛇电商最近发现还是有好多的朋友都没有搞清楚用户画像到底是个什么东西，对于用户画像的一些概念，九头蛇电商在该文中好好的跟大家讲清楚。

临近双十一，好多朋友都来向我咨询与增长业务相关的问题，各行各业的都有，但我本人确实没有实操过这么多行业，所以每次有人问我，如何实现项目增长，我都会先反问他们一个问题：你们的用户画像是怎样的?

久而久之我发现一个问题，很多公司其实都没有一个明确的用户画像也就是说，他们自己都不知道自己的用户是谁。

更有甚者，连什么是用户画像都不清楚。

比如：下面这位朋友，我让他发下他们业务的用户画像，兄台居然让我自己去查?然后，发给我一份行业数据报告。

我：????

其实做运营的同学和产品经理对用户画像”四个字应该并不陌生，听了没有一千也有八百遍，但好像很少有人真正去了解什么是用户画像，以及用户画像是怎么产生的。

下面我就来仔细说下用户画像的概念、作用以及如何建立正确的用户画像，中间会用到几个小例子帮助大家理解，请收好。

1、什么是用户画像?

用户画像又叫用户标签，是基于用户在互联网上留下的种种行为数据，将这些数据主动或被动的收集后，通过数据加工分析，产生的一个个标签。

比如：男性、90后、白领、喜欢购买电子产品、月工资15000等等。

用户画像的内容可以很宽泛，只要是对用户的认知，都可以叫做用户画像。

但你所去认知的这批人必须是你的典型用户，他们会用相似的方式使用你的产品，服务或消费你的品牌。

2、用户画像的作用

关于用户画像的作用，我认为主要有以下三点：

1)精准营销

我相信这是很多运营同学为什么来看这篇文章的原因，从简单粗暴式操作到精细化的运营，将用户人群进行分层，再用短信、push、推文等手段，刺激用户对产品的使用、下单，或对用户进行召回等。

2)广告投放

品牌处于业务高速发展期时，需要大量对外曝光。

由于推广预算有限，在渠道的选择上，就要求能有更多自己典型的用户进行推广，这时就需要用户画像的配合了。

3)数据分析

这个可以理解为建立数据仓库，利用各个标签将各个数据系统打通，比如之前的文章《微信公众号高阶运营策略，建议你和产品经理一起来看看》，讲的是利用公众号进行定向推送，那么把用户在公众号上的行为和电商APP上的行为均建立行为标签并打通，继而建立数据仓库，然后制作出用户画像，那么精细化的推送策略才是完美的。

3、如何建立正确的用户画像?

接下来来到了很多人最关心的部分：如何建立正确的用户画像?

首先，需要明确一点，所有的用户画像都是基于业务模型的，很多同学连自己的业务模型都没有搞清楚，连业务场景和形态都没弄明白就开始做用户画像，基本上就是在做无用功。

下面我用一个小故事，来帮助大家理解：如何更好地建立正确的用户画像?

小明开始创业了，开发了一个APP售卖各类零食，经营半年后，效益非常不错。但是，现在发现业绩增长乏力，加大推广投入后仍不见起色。于是找到我，希望我为他们建立一套精细化运营的策略来提升业绩。

当我跟小明进行深度沟通后发现，小明的团队一直都是粗暴式的运营，根本没有运用数据来驱动业务增长。

于是，我准备先帮小明梳理清楚他的用户画像，再来做下面的运营动作。

潜在用户(注册了APP但未下单)

新用户(购买过一次)

老用户(购买过2次及以上的用户)

VIP用户(90天内消费超过200元)

流失用户(90天内未来消费)

这里分享一个神奇的数据，用户只要产生了一次复购，即一定时间内购买过2次，则此人的留存率将提升30%。

针对潜在用户，给予新人礼包，促使产生第一次购买;针对新用户，则需刺激他尽快产生一次复购，比如给他定向推送上一次购买品类的其他产品，并用红包刺激下单;用户则希望利用vip用户的权益来刺激他们成为老用户，比如VIP用户可享受优先发货，赠送赠品，参与试吃等活动。

这样用户画像就出来几个了

之后，再通过用户的自身属性来增加用户标签。

我让小明把所有用户的订单全部导出来，以订单地址为依据来做判断。

比如：一个用户多次使用同一个地址收货，那么就判定此地址为常用地址，然后根据常用地址是公司写字楼还是学校，来判定此用户是白领还是学生。

对于学生和白领用户的运营策略，将会是完全不同的。

对于学生来说，性价比可能是优先考虑的因素，可以重点推荐他们一些相对便宜的零食。

或者做一些裂变活动的时候，可以优先PUSH到他们。还得考虑到学生7-8月和过年期间的假期和开学时间段，通常来说，开学期间的消费需求会比较高一些

对于白领来说，可能性价比就不一定是优先考虑的因素，消费体验可能更重要，那就推荐一些口感比较好的进口零食，或者不易胖的低脂零食。

消费场景在公司的话，还要考虑到拆包裹，吃零食的场景，考虑到客户拆包时若被其他同事看到，有可能产生分享心理，那么就可以设置团购的优惠，或者推荐包装比较大的分享装。

到这里，用户标签又丰富了几个

最后，我们通过用户在APP端的行为来预测流失用户。

我们从数据中发现：增长减缓的主要原因，是用户流失率开始上升。流失的原因会有很多，最重要的是找到用户不消费时间节点之前的关键因素。

比如：

用户一段时间打开APP的次数少了，那么就可能会流失(此时流失的关键因素是APP打开次数的减少)

用户给过差评，那么就可能流失(此时流失的关键因素是差评客户未及时维护);

用户下单至收货之间的物流时间超过7天，可能流失;

用户十几天都没再登入APP，可能流失;

用户第一次下单的金额特别少，就可能流失。

原因特别多，把尽可能想到的原因都列出来，然后利用机器学习建模进行预判。(技术的问题这里就不分享了)

需要注意的是，所有这些都是动态的，所以我将用户的回购或再浏览周期定为7天(拍脑袋想的，买了一次零食后，7天内一定会吃完)。

根据不同的业务情况，尽可能的将时间周期切分的更细一点，更容易分析。接着就按照数据情况，通过用户行为的细节进行预判。

有了这些判断，就可以在不同阶段有针对性的进行召回。

根据用户购买零食的偏好来分：零食分为肉类、膨化食品、休闲零食、代餐类、减脂类等等，小明根据用户购买的品类偏好来分，可分为：喜好吃肉、喜好膨化食品等等。

此外，还可以用RFM模型(衡量客户价值和客户创造力能力的公交)来分(不了解RFM模型可以自行百度)，这个就相对比较复杂一点，后面单独出一篇文章来讲。

看完这个案例，我相信你一定有点感觉了。

然后，再来看这一套底层的生产思路：

第一步，确定业务目标;

第二步，跑出数据，生产标签;

第三步，分析数据，洞察用户。洞察并不是最终目的，因为洞察只是得到一个结论或者方向;

第四步，开始应用。应用后又带来新的数据，从而形成数据的闭环。

第一步，确定业务目标

以应用来驱动需求。

很多同学都会犯都一个错误，他在做用户画像多时候，一次性能搞出几千个标签。其实这并没有什么用，因为你根本用不了这么多标签，你还会被这么多标签搞得不知道怎么办。

第二步，跑出数据，生产标签

数据是一切的核心，没有数据说要建很多标签是没有用的，如果你手里没有数据，或者数据不多，你第一个工作不是建后面的标签体系，而是要赶紧找数据。

数据主要来源是用户在注册时填写的，还有在平台上的行为，无论是互动行为、浏览点击行为还是消费行为。然后，通过这些行为来建立标签体系，当然有些标签是客观存在的，有些标签是根据逻辑预测出来的。

比如：填了性别的，或者通过微信的unionid获取的，这就是客观存在的。但是，如果这些信息都没有，那就根据用户的名字进行预测，像王小红基本就是女性，王小虎基本就是男性了。当然，预测一定是会有误差的。

一般我们会通过用户属性和行为数据，建立基础的用户标签体系。

通常有这4大类：

第一类：人口属性。比如说性别、年龄、常驻地、籍贯，甚至是身高、血型，这些东西叫做人口属性。

第二类：社会属性。因为我们每个人在社会里都不是一个单独的个体，一定有关联关系的，如婚恋状态、受教育程度、资产情况、收入情况、职业等。

第三类，兴趣偏好。摄影、运动、吃货、爱美、服饰、旅游、教育等，这部分是最常见的，也是最庞大的，难以一一列举完。

第四类，用户行为。3、7、15、30日内登录时长、登录次数、登录时间段、浏览深度、价格偏好、购买偏好等等。

第三步，分析数据，洞察用户

利用原始数据进行加工，建立模型标签。比如上文说到的我针对流失率提升，建立的预测模型，当你能洞察到某一类用户的某一些行为，就可以预判到这一类用户可能即将流失时，你就能用各种策略进行挽回了。

所以，基于营销和消费相关的标签，新客、老客、用户的流失和忠诚、用户的消费水平和频率等，都是构成CRM(客户关系管理)的基础，可能大家更习惯叫它用户/会员管理运营平台。

第四步，应用标签

光有用户管理平台不行，还得转换成产品运营策略。

不同的标签对应不同的用户群体，也对应不同的营销手段。CRM的结构中会包含各类触达用户的常用渠道比如短信、邮件、推送等。也包含CMS(内容管理系统)，执行人员通过其快速配置活动页、活动通道、优惠券等，靠营销活动拉动数据。让数据跑起来产生闭环后，就可以让用户画像原来越清晰，标签越来越精准。

九头蛇电商最后提醒大家注意：不要拘泥于技术细节。用简单的方法快速走通整个流程，然后再去看哪些环节需要优化去深入，比如上面流失预测，可以把时间维度切分为一天甚至一小时，但是根本没必要。快速跑完整个环节才是核心。