陈海飞博客海外翻墙免费加速器：[入口]
用户画像就是与该用户相关联的数据的可视化展现，一言以蔽之：用户信息标签化。通过精确的用户画像，能更加深入地了解客户，解决用户痛点，从而让产品更加具有生命力。本文结合案例详细讲解什么是用户画像，以及用户画像的方法论，让读者在实际用户画像过程中懂得举一反三，工作如虎添翼。
一、什么是用户画像
用户画像又称用户角色，作为一种勾画目标用户的有效工具，在各个领域得到了广泛应用。在实际勾画用户画像的过程中，往往会以最浅显和贴近生活的词语将用户属性、行为与数据转化连接起来。作为实际用户的虚拟代表，用户画像所形成的用户角色需要有代表性，能代表产品的主要受众和目标群体。
在大数据时代背景下，用户信息充斥在网络的各个角落，将用户的具体信息抽象成标签，利用标签将用户形象、用户特点具体化，从而为用户提供具有针对性的服务。用户画像最初在电商领域应用，目前已在各个领域得到广泛应用。
例如，如果我们对数据加以分析，去哪儿网的简单用户画像如下。
1）高学历，一、二线城市，已婚用户居多。
2）男性用户居多。
3）25～34岁用户占比高，平均年龄29.3岁。
4）常驻TOP5城市：深圳、北京、上海、广州、重庆。
已经初步给出了学历、婚否、城市、性别和年龄情况，但是，无法精准地对去哪儿网的用户进行画像。利用大数据进行“画像”是企业经营的基础，同时也是大数据在企业应用最有价值场景之一，用数据量化是用户画像的常用好办法。例如图1所示来源于“艾瑞智云大数据画像平台”中去哪儿网的用户画像，就能很好地对产品经理后续产品规划和设计工作给出指导。
图1： 去哪儿网用户画像（艾瑞智云大数据画像平台）
在图1中，对学历、婚否、年龄、性别、常驻城市、职业分布、个人月收入、家庭月收入、使用地图导航类App情况、日常出行方式、长途交通出行偏好、国内游TOP3目的地和出境游TOP3目的地等标签进行了用户画像。
二、用户画像的价值
用户画像可以让产品经理聚焦产品的服务对象。在日常工作中，产品经理总有这样不切实际的幻想：想要用一个产品打“通关”，期望目标用户能涵盖所有人，男人、女人，老人、中青年、少年、小孩，专家、小白，文青等。通常这种想迎合所有人的产品很快会走向消亡，因为每一个产品都是为特定目标群的共同标准而服务，目标群的基数越大，标准就会越低。如果某个产品适合所有人，那么它的服务标准会降到很低的程度。
进行精准的用户画像的价值主要体现在如下几个方面。
1. 解决核心问题
纵观市面上成功的产品，例如美团外卖、滴滴出行、知乎等，这些产品服务的目标用户通常都非常清晰，并且具有明显特征，体现在产品上，就是专注、极致地解决某些核心问题。例如苹果公司的计算机和手机产品，一直都为有态度、追求极致品质、特立独行、对价格不太敏感的人群服务。例如豆瓣，专注于为文艺青年服务，用户黏性非常高，文艺青年在这里能更快地找到知音。给特定群体提供专注的服务，远比给广泛人群提供低标准的服务更容易接近成功。微信和QQ等腾讯公司的产品，虽然目标人群范围比较宽广，但是，因其专注在社交领域，也能开花结果。
2. 助力产品设计
用户画像能帮助产品经理透过客户行为表象看到客户深层的动机和心理，在一定程度上避免产品设计人员草率地将自己代表用户。产品经理常常自作聪明地打着“为用户服务”的旗号，将自己当作用户，而往往我们和用户的一些特征如学历、对手机和计算机的熟悉程度或经济情况都不一样，这样的后果往往是：我们精心设计的服务，用户并不买账，甚至觉得设计很糟糕。
3. 提高决策效率
在互联网产品的规划和设计流程中，各个环节的参与者非常多，分歧在所难免，决策效率也会对项目进度造成很大影响。而用户画像来自对目标用户的研究，而且往往基于客观数据开展研究过程，屏蔽了一些主观性因素。当所有参与的人都基于一致的用户画像进行讨论和决策，就很容易约束各方坚持大方向，提高决策效率。
4. 精准营销
针对用户画像体现的潜在信息对平台各类客户进行更精准的营销，这部分也是广告部门最注重的工作内容，当产品经理给产品的各类用户打上各种“标签”之后，广告主（店铺、商家）就可以通过标签圈定想要的进行精准广告投放的用户，另外，对用户也可以提供精准的付费内容推送，例如优酷向偏爱某类视频的客户推送该类别的付费电视剧或电影，例如抖音购买DOU+进行短视频定向投放时，可选择“自定义定向推荐”，可选择性别、年龄段（多选）、地域（单选）和兴趣标签等进行投放。
三、 用户画像的要素
用户画像是基于真实的人群具体化、标签化后形成的，它并不是一个具体的人，可以理解为用户角色。
经提炼的用户画像的PERSONAL八要素如下。
1）P（Primary）：代表基本性，指是否基于对真实用户的情景访谈。
2）E（Empathy）：代表同理性，指是否包含姓名、照片和产品相关的描述。
3）R（Realistic）：代表真实性，指对那些每天与客户打交道的人来说，该用户角色是否看起来像真实人物。
4）S（Singular）：代表独特性，每个用户是否独特，彼此很少有相似性。
5）O（Objectives）：代表目标性，该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标。
6）N（Number）：代表数量性，用户角色的数量是否足够少，以便设计团队能记住每个人物角色的姓名，以及其中的一个主要用户角色。
7）A（Applicable）：代表应用性，设计团队是否能使用用户角色作为一种实用工具进行设计决策。
8）L（Long）：代表长久性，用户标签的长久性。
我们可以通过需求调研了解用户，根据用户的目标、行为和观点方面的差异，将他们区分为不同的用户角色类型，抽取每一种类型的多个典型特征，例如：个人基本信息，如性别、年龄、学历、城市、婚否、个人月收入、家庭月收入和兴趣等，以及家庭、工作、生活环境的描述，并为体现真实性，可为其赋予名字、照片和场景等描述，这样就形成了一个具体化的典型用户画像。
用户角色一般会包含与产品使用相关的具体场景和情境，以及产品使用行为描述等。为了让用户画像更容易记忆，可以更加具体化，例如将用户具化为具体名字，如张明等，还可以使用该类用户采用的标志性语言和关键特征进行描述。一个产品通常会覆盖3～6个用户群体。
四、 用户画像的方法
进行用户画像的方法通常使用如下3种。
1. 定量分析
绘制用户画像经常通过客观性的数据对海量用户进行初步了解，定量分析数据通常来源于对平台用户相关数据提取分析，以及问卷调研两种方式，进行定量分析的数据维度，可以参考如下维度。
1）人口属性：文化程度、年龄、性别和城市等。
2）商业属性：用户所属行业、职业、个人收入情况、家庭收入情况、消费金额和消费习惯等
3）消费意向：购买护肤品、服饰箱包、汽车、房产、快消品、电子产品、图书等的消费意向。
4）生活形态：用户的生活习性（例如熬夜党、早起党等）、娱乐爱好（电影、电视剧、音乐和综艺等）和社交爱好（社交达人、喜欢独处等）等。
5）产品行为：产品类别、用户活跃频率、产品喜好、产品驱动、使用习惯（使用时间、使用配套、使用功能）和产品消费等。
2. 定性分析
这里先说一个概念：PERSONAL。Alan Cooper提出了PERSONAL这个概念，《赢在用户》这本书将其翻译为“人物角色”，是在定量分析基础上，进行具象化得到一个的虚拟用户。
在定性分析具象化某个客户时，为更具有场景感，可具象化到用户的姓名、工作单位、性别、年龄、生活环境、照片等信息，模拟该用户在产品的各种场景的相关反应，就好像他们是真实存在于我们身边的人一样。
3. 数据建模和产品应用
在目前的产品应用中，最常见的数据建模方法包括用户分类和客户流失模型等。在进行用户分类时，可按照“因子”进行分类，例如网易云音乐的特色推荐模块，就是根据“对产品的熟悉程度”这个因子将用户分为新用户、普通用户和深度用户3类用户来进行有针对性的推荐。
1）私人FM：主要针对普通用户，多样性强，偏实时，会根据用户当前收听的歌曲行为实时带来推荐歌曲变化，为优化推荐，用户可点击“喜欢”和“屏蔽”按钮进行推荐结果优化，以此来判断用户对推荐结果的喜好程度。在网易云音乐App中，私人FM不在首页，而是在“我的”菜单黄金位置。
2）每日推荐：主要针对新用户和普通用户，多样性弱，每天定时更新30首热门歌曲。每日推荐歌曲也会根据近期听歌习惯每24小时生成一次，每日推荐对增强用户黏性来说相对重要。
3）推荐歌曲：主要针对深度用户，用户有收听歌曲行为后可实时带来推荐变化。歌单将个性化和社交进行结合，个性化歌单推荐也反映了个人风格。
可以使用Python分析并处理客户流失数据集，选用逻辑斯蒂回归（logistic regression）简单建模，最后使用拟合模型来进行客户流失预测。
五、 用户画像实践案例
按照“用户画像的方法”章节提供的方法，分析一下如何进行用户画像，例如想做一款手机阅读工具，首先可以分析目标用户的文化程度、年龄、性别、城市、用户所属行业、职业、个人收入情况、家庭收入情况、消费金额、消费习惯、消费意向、用户的生活习性、娱乐爱好、社交爱好、产品类别、用户活跃频率、产品喜好、产品驱动、使用习惯和产品消费等，还可以具体化到某个例如28岁白领目标客户的姓名、工作单位、性别、年龄、生活环境、照片等信息。
在制订初步的用户画像时，还可以通过易观数据或艾瑞数据等数据分析平台获取如微信读书App等竞品的数据信息，给产品的用户画像提供基础。
根据易观数据显示，微信读书App的用户群体具有如下特点。
1）性别分布：男性用户占比高于女性，男性用户占比55.4%，女性用户占比44.6%。
2）年龄分布：24～35岁用户占比超50%。
3）消费水平：中高消费群体占比高达47%。
4）城市分布：主要集中在一、二线高消费城市。
5）用户活跃度：较高的时段分别集中在上班时间段（9:00～10:00）、午餐时间段（12:00～13:00）、午休过后时间段（14:00～15:00）以及睡前（22:00～24:00）。
需要注意的是，在为自己的产品进行用户画像时，可以采取先粗后细的方法，先有初步的用户画像，有些方面可以根据平台上线后的运营数据不断细化，通过产品的迭代升级不断为目标用户提供更优质的服务。
六、知名互联网产品的用户画像案例
接下来以滴滴专车、小红书、抖音、优酷和京东为例，一起来看看这些优秀产品的用户画像。
1、 滴滴专车的用户画像案例
可从性别分布、年龄分布、职业分布、收入情况和学历情况等方面对滴滴专车用户进行精准用户画像（数据来源于网络）。
1）性别分布：男性用户居多，占比68.5%，女性占比31.5%。
2）年龄分布：年龄集中在26～35岁，占比58.6%，其次是36～45岁，占比22.6%。
3）职业分布：私企、外企和合资企业职员占比25.5%，专业人士如律师、教师等，占比16.3%。
4）收入情况：用户个人收入10000元以上占比较高，为29.1%。
5）学历情况：整体学历偏高，本科学历占比66.4%。
6）性格属性：性格偏成熟，“有责任感的”用户占比42.1%，“务实可靠的”用户占比40.1%。
7）使用场景：用户选择专车主要因为临时出行需求以及加班晚归需求，分别为68.7%和51.6%。
2、小红书用户画像案例
小红书是一个生活方式平台和消费决策入口。在小红书社区，用户通过分享文字、图片和视频笔记，记录正能量和美好生活，小红书通过机器学习对海量信息和人进行精准、高效匹配。小红书和其他电商平台不同，它是从社区起家。刚开始时，用户注重于在社区里分享海外购物经验，到后来，除了美妆、个人护理，小红书上内容更加多样化，扩展到运动、家居、旅行、酒店和餐馆等的信息分享，触及消费经验和生活方式的方方面面。如今，社区已经成为小红书的壁垒，也是其他电商平台难以复制的原因。截至2019年7月，小红书用户数已超过3亿，其中70%用户是90后。
接下来看一下MobData研究院通过小红书的运营数据为小红书用户建立的用户画像，如图2所示。
图2 小红书用户画像（来源于MobData研究院）
从图2中可以得出以下信息。
1）性别：小红书女性用户居多，高达82.6%。
2）婚否：一半以上是未婚用户，占比53.1%。
3）年龄：用户年龄集中在35岁以下，其中24岁以下用户占比最大，高达49.9%，25～34岁用户占比40.7%。
4）学历：学历主要集中在专科、本科和硕士及以上，本科及以上学历占比48.6%，本科占比35.1%。
5）月收入：占比最高的范围是5000～10000元，为32.4%。
3、抖音用户画像案例
抖音是一款可以拍摄短视频的音乐创意短视频社交软件，是一款专注年轻人音乐的短视频社区平台。由今日头条孵化，于2016年9月上线。用户可以通过它选择歌曲，拍摄音乐短视频，形成自己的作品，很多用户甚至通过它将自己打造为音乐、美食和职场IP主。抖音平台的主要用户偏年轻化，配乐以电音、舞曲为主，视频分为两派：舞蹈派、创意派。
分析公开数据，得到抖音用户画像参考如下所示。
1）用户性别：女性用户偏多，占比60%以上。
2）用户年龄：90后用户占比很高，30岁以下的用户总占比80.7%，其中20岁以下占比20%，20～24岁占比32.8%，25～29岁占比27.9%。
3）用户学历：集中在本科或以上，占比40%以上。
4）城市分布：超过40%用户在一、二线城市，其中，一线城市占比8.23%，二线城市占比34.39%，三线城市占比21.51%，四线及以下占比35.87%。
5）消费能力：集中在中等、中高等消费者。
6）消费偏好：网购、生活服务、出行、高端商旅。
7）用户标签：喜欢美食和旅游。
8）消费场景：教育学习、汽车、财经和经营类信息有明显的偏好。
9）人均使用次数：5.21次/日。
10）人均使用时长：31.23分钟/天。
11）使用高峰时段：中午12点或晚上6点前后。
12）手机设备：苹果、华为和三星。
4、优酷用户画像案例
优酷现为阿里巴巴旗下的视频平台，其内容体系由剧集、综艺、电影、动漫四大头部内容矩阵，以及资讯、纪实、文化财经、时尚生活、音乐、体育、游戏和自频道八大垂直内容群构成，拥有国内最大内容库。
分析公开数据，得到优酷用户画像参考如下所示。
1）用户年龄：集中在20～34岁，占比70%以上。其中，20～24岁用户占比30.5%，25～29岁用户占比26.6%，30～34岁用户占比17.7%。
2）用户性别：男性用户居多，男性占比59%，女性占比41%。
3）安卓机型喜好：OPPO和VIVO占比最大。
4）兴趣特征指数TOP10：依次为体育赛事、汽车、时尚美妆、休闲生活、泛娱乐、3C电子、旅游、求职、教育、游戏。
5）购物兴趣特征指数TOP10：依次为数码—游戏设备、图书音像—贺卡/年历、图书音像—护肤彩妆书籍、图书音像—计算机/网络书籍、礼品—贺卡/卡片、护肤彩妆—香水、图书音像—漫画/动漫小说、图书音像—摄影书籍、图书音像—服饰书籍和图书音像—自然科学。
6）App喜好：用户喜欢的App包括手机淘宝、爱奇艺、支付宝、新浪微博和腾讯视频。
7）网站偏好特征指数TOP5：弹幕视频、门户网站、直播平台、电商购物和资源下载。
5、京东用户画像案例
京东是我国自营式电商企业，旗下设有京东商城、京东金融、拍拍网、京东智能、O2O及海外事业部等。2013年正式获得虚拟运营商牌照。
分析公开数据，得到京东电商平台的用户画像参考如下所示。
1）用户性别：男性占比59%，女性占比41%。
2）用户年龄：24岁以下占比17.38%，24～35岁占比42.39%，35岁以上占比40.23%。
3）地域分布：主要集中在一线、新一线、二线和三线城市，其中，一线城市占比40.83%，新一线、二线和三线城市占比51.23%。
4）消费能力：中高消费占比22.11%，中等消费占比29.11%，中低消费占比24.5%。
5）用户职业：集中在白领、学生、中高级工薪阶层。
6）访问时段：午餐后、下班后、休闲时间和晚上在家时间。
7）访问设备：PC端和移动端。
文章总结
用户画像又称用户角色，作为一种勾画目标用户的有效工具，在各个领域得到了广泛应用。文章对什么是用户画像、用户画像的价值、用户画像的八要素和用户价值的方法进行详细讲解，最后以滴滴专车、小红书、抖音、优酷和京东5个用户画像为例，讲解其典型用户的用户画像，让读者对什么是用户画像，以及如何对用户进行画像有深入的了解。