用户画像“踩坑”集锦
来源：数师兄
作者：数师兄
正值招聘旺季，发现美团快手等一线大厂都在招用户画像相关的岗位。今天就借着这个机会和大家伙儿聊聊用户画像中的坑。
1
用户画像目的、作用
首先来说说用户画像的目的和作用。用户画像，一定是基于某个业务场景来做。如果业务方或者某个合作方上来就叫咱们做用户画像，而没有告知用户画像的具体目标，使用场景，那就是耍流氓。
我们要勇于把这类需求打回去，叫他们想清楚再来提需求。当然，为了“保命”，我们也可以坐下来，和业务方一起梳理及确定用户画像的目标和业务场景。
我们可以从大方向上，基于用户的生命周期，将用户画像的使用场景大致分为三大模块：渠道拉新的营销宣传、活跃用户的消费提升 以及 流失用户的召回拉活。
01
渠道拉新营销宣传
产品一定是基于我们认为的可以满足用户的需求。相应的，我们就有对应的目标用户。
通过目标用户的了解，我们可以更精准的知道我们该投放哪些渠道，做什么样的推广，提高用户拉新的效率。
这个阶段，我们需要建设的用户画像是关于目标用户的一些人群属性。比如我们的目标用户是20-22岁的大学生群体，那么我们需要的标签之一是年龄；如果我们的目标用户是女性，那我们的画像维度还需要性别。
02
活跃用户的消费提升
用户来了之后，我们需要通过各种手段触达引导用户。比如弹窗，浮层，push等。
但是这些节点的选择，也是基于用户的历史行为聚合。比如我们认为用户得在3天内浏览7次内容，用户留存会有较大提升，那么我们需要在3天内，针对未达到7次的用户不断触达引导用户完成这个节点。
这个阶段，我们需要的是用户行为的标签，对用户的历史行为，做一个抽象处理。整合成一些我们所需要的业务场景。当然，我们也需要用户的基础属性。
03
流失用户的召回拉活
同样，召回拉活阶段的标签，也是基于用户的历史数据。
这里，我们需要统计抽象的是流失原因。比如用户是没有满足需求而流失，还是由于不了解产品核心功能流失，或者是已经满足了用户需求而流失。
这些，我们都可以聚合成用户的流失原因标签，从而有针对性的触达用户，更有效的召回拉活。
2
用户画像建设流程
其次来说说用户画像的建设流程。
01
数据底层构建
画像的聚合通常有2种大的方法：用户信息填写 & 算法规则聚合。
用户信息填写很容易理解，通常是在用户刚刚注册登陆时，引导用户填写。比如兴趣爱好，年龄性别等基础信息。但是随着登陆流程越来越简化，一般这种方法不会在用户注册登陆时引导，而会在后期用户使用了一段时间后再让用户填写。
算法规则聚合也很好理解，就是通过一些规则的抽象，或者算法的聚合，得到相应的用户标签。
比如我们经常刷的抖音快手，就没有用户的信息填写引导，但是肯定底层会有非常多的标签，比如某一类用户偏好吃播，某一类用户偏好旅行，某一类用户偏好美女。这个就是由算法规则统计抽象而来。
具体的算法或者规则，大家可以自行网上搜索查询，已经有非常多的资料，师兄就不细说了。
02
数据服务透出
标签通过底层数据处理好，我们肯定需要将数据存储起来。那会有两种方式调用：一种是线上直接读取离线计算的数据库，但是这种方法的调用效率就比较低，因为需要调试程序去读取相应的目标画像标签。
另一种方式是将这些不同场景下的标签，封装成一个数据服务平台，通过接口调用。这样无论任何程序任何功能，都直接使用画像的一个平台化服务，维护成本和接入成本都会小很多。
3
需要注意的问题
最后说说用户画像要注意的问题。
01
用户群体选择
有个故事是这样的：二战的时候，美国很多飞机被击落。军方找了很多专家来商讨飞机哪个部位该加固。很多专家都说机翼，因为飞回来的飞机大多数弹孔都在机翼上。但是其中一个专家问了一个问题：我们看到的飞回来的飞机，弹孔都在机翼上，但是那些没有飞回来的呢？
说这个故事，师兄是想告诉大家，我们在建设用户画像时，最好是以全量用户为基础用户。比如我们电话回访了一批用户，或者问卷调研了一批用户，我们都不能将这批用户作为数据统计基础。就算是用，也得抽样的样本量足够大。
02
用户ID映射
这个也是为了保证用户的一致性。比如我们有一个主APP，还有一个小程序。这时候，用户A在主APP使用了，也在小程序使用了。如果没有一个ID体系，可能他就被分成了两个用户，且标签也就会不准。
所以对于这种情况，我们需要的是ID映射。即一个用户在我们的产品上，无论是哪个平台，都只有一个ID。这样不但能更全域的知道和了解用户，还能建立起ID映射体系，统计用户的全部场景信息。
以上，就是今天我想告诉大家的建立用户画像需要注意的问题和一些小技巧。希望对大家有帮助。
后面，大家想聊聊哪个方向的内容，欢迎给我留言！
关注我即刻了解更多数据分析知识
更多数据分析内容
扫描二维码即可了解
