本文有PMCAFF 原创作者 一条产品狗 原创发布于pmcaff.com

2015上半年，我国网民已达到6.68亿，年底肯定能够顺利突破7亿，其中使用手机上网人群占整体88.9%。不同于传统PC上网，每个家庭共用一台设备，手机上网存在着独特性、唯一性和私密性的特点，每个人的手机都是一套独特的生态系统。因此，将有相同特征的用户抽象成一个代表，可以极大方便开发者研究用户构成和分布，精准定义用户。这也是近些年所谓的大数据、精准营销等概念爆火的原因。

中国在各方面都是很大的长尾市场，互联网很大程度上弥补了信息的不对称，移动互联网又让把信息在精准送达到任意一个用户面前，且不论时间和地点。那么问题来了，如何才能将流量变现，实现产品的商业价值呢？

为了充分发挥「大数据」的真正价值，第一步理应是整理数据。而整理数据的阶段目的是完成目标用户或者是现有用户的「画像」，只有得到了准确的用户画像，才能更好的达到流量变现的目的。

1. 什么是「用户画像」

用户，指的是你的目标用户，或者是构成现有用户的大部分群体的统称。画像，是对一个事物的客观的、准确的、可视化的描述。那么「用户画像」就是能够客观、准确、可视化地描述目标用户的工具或方法。

2. 如何建立「用户画像」

做好「用户画像」有两个重要原则，一是标签化，二是低交叉率。

• 标签化

所谓标签化，是指按产品需要，给不同的用户特征贴上合适的标签。

标签的维度需要按产品和业务需要进行划分，例如「购买力」这个维度在电商产品、教育产品、纯工具产品用户画像中的重要程度是完全不一样的，可能在电商产品中这是个除了基本特征之外最重要的指标，但是在纯工具产品中可能完全不需要统计。

如果画像粒度需要再精细一点的话，可以再进一步对标签进行权重加成。比如同样打上了「购买力高」标签的用户，可以通过浏览记录再分为如奢侈品消费、电子产品消费、居家物品消费等等，进而再根据目标用户属性和产品业务自身发展方向给用户贴上细分后的标签，同时对「购买力高」分配相应的权重。

标签化的目标其实是用电子化的方式将用户属性抽象出来，以方便数据统计的同事们构建数据集市，后续进行数据挖掘和聚合分析。

经过有效的数据挖掘之后的分类结果才是我们真正需要的东西，至于过程是什么，大家可以根据实际情况进行调整。但是切忌不要拍脑门给用户贴标签，比如学生群体一般特征是盲目的、消费能力有限、服装以运动品牌为主、喜欢新奇特的东西，我们的产品恰好是新奇特的东西，所以学生是我们的目标群体。这个结论放佛并没什么问题，但实际是学生群体喜欢东西是有群体意志的，并非盲目，而且不同阶段的学生消费跨度是非常大的，等等。所以一定要根据实际数据对用户进行分类，切忌拍脑门。

• 低交叉率

「用户画像」的目的是，用标签对现实中的用户进行数字化的聚合和描述。

聚合画像时，一定要注意低交叉率的原则。假如两组画像除了教育程度和年龄其余标签几乎一致，那就可以初步理解为目标用户中，不同教育程度或者不同年龄跨度的用户对产品需求是相当一致的，如果没有明显业务区分，可以将二者合并为一个画像，同时弱化教育程度和年龄的差异。

刚才是反向表达此原则，正向的表达方式就是用户画像筛选尽量遵从MECE法则，即完整性和独立性。

完整性保证了我们的「用户画像」囊括了尽可能大的用户群体，独立性又保证了囊括的群体没有重叠，防止盲目夸大市场结构、影响对市场的判断。这两点对于我们分析市场，优化产品业务都有很大作用。

3. 用户标签的维度

虽然不能拍脑门定义目标用户，但是我们又需要根据产品特性定义标签维度。这时，注意一定要客观，千万不要有「得到了XX数据，就能证明XXXX」的心态，这种心态是无法建立正确的用户画像的。通常情况下，建立「用户画像」的标签有以下几个维度：

• 自然特征OR基本属性：

如性别、年龄、体形、地域、职业、星座、教育程度等；

• 消费特征OR购买能力：

如婚否、收入、车、房、孩子、购物类型、品牌偏好、信用水平、购买周期等；

• 社会特征OR行为特征：

如婚姻状况、家庭构成、社交偏好、信息渠道等；

• 兴趣特征OR心理特征：

如兴趣爱好、使用APP行为、浏览收藏内容、互动内容等；

标签的维度没有明确的要求，甚至上面的分类也是没有明确界限的。如何选择合适的标签来描述用户特征，这才是我们需要真正思考的问题。

4. 「用户画像」最终归宿

说了这么多如何建立「用户画像」，那么这东西建立出来之后怎么使用呢？

不同的人有不同的说法，有的认为该做成报告存档、有的认为画成图表方便定性分析、有的认为分别起好名字并介绍给团队成员。我个人更推荐最后一种方式，给每个「用户画像」起一个合适的名字，并让团队中的每个人都能准确的说出他们的标签。只有这样，团队成员才可以强化目标用户，也能够方便沟通问题，考虑需求的时候就直接说「为了满足“小明”的需求」就可以了，直接、有力。

5. 总结

「用户画像」不是万能的、也不是必不可少的，但我们能够明确一点就是正确合理的「用户画像」一定能够对产品的发展起到积极促进的作用，它是产品下一步发展方向的有力证明。

那么如何获得用户标签呢？最常见的方式也就是打点统计、分析用户行为路径了。至于不同的产品如何得到数据、如何打点、产品样本小、特征提取不明显的问题只能交给各个团队自己去解决了。否则大数据为何如此值钱呢？这也给对「用户画像」盲目崇拜的人提个醒，如果再有小公司、小团队和你说他可以依托「大数据」帮你建立「用户画像」，先想想他的平台够不够大、数据够不够多，别再被概念忽悠了。

PS 1：老实说，我没搞过「用户画像」，只是最近业务需要所以研究了一下而已，说的不对的地方希望大家指正；

PS 2：心疼在2015年12月25日看到这篇文章的人们，因为你们和我一样圣诞没人陪，T_T；

PS 3：我理解的「用户画像」是下图酱婶儿的，但是感觉又受到了10000点伤害，心好痛。

伤害10000点的「用户画像」

本文由PMCAFF产品经理社区作者@一条产品狗 原创发布于社区（www.pmcaff.com），未经许可，禁止转载。

↙点击「 阅读原文 」查看更多精彩干货