在介紹畫像構(gòu)建時(shí)，我們把工作分為兩步。

第一步：介紹從0到1的構(gòu)建思路。

第二步：介紹從1到100的構(gòu)建思路。

用戶畫像從0到1的構(gòu)建思路

一個(gè)比較成熟的畫像系統(tǒng)會(huì)有成百上千的標(biāo)簽，這些標(biāo)簽的生產(chǎn)不是一次完成的，而是隨著業(yè)務(wù)的發(fā)展需要，逐步補(bǔ)充完善，最終呈現(xiàn)在大家眼前的就是一棵龐大的標(biāo)簽樹。

跟自然界的樹木一樣，標(biāo)簽樹要想長(zhǎng)得茁壯參天，也必須有一個(gè)穩(wěn)定的根基和合理的結(jié)構(gòu)。在用戶畫像的構(gòu)建前期，最重要的是搭好畫像骨架，確保后續(xù)的發(fā)展過程中，依然保持清晰的結(jié)構(gòu)和高延展性。相反，如果一開始為了搶時(shí)間，將大量標(biāo)簽無序地堆在線上，后期管理和使用的難度會(huì)迅速凸顯出來，重構(gòu)的代價(jià)巨大。

上面說到，一個(gè)好的標(biāo)簽樹結(jié)構(gòu)要滿足兩個(gè)條件：高概括性和強(qiáng)延展性。高概括性意味著結(jié)構(gòu)體系能夠很好地包含一個(gè)用戶的基本屬性和產(chǎn)品交互的相關(guān)行為，同時(shí)對(duì)于業(yè)務(wù)重點(diǎn)單獨(dú)強(qiáng)調(diào)，沒有遺漏；強(qiáng)延展性意味著結(jié)構(gòu)全面的同時(shí)也有一定的抽象概括能力，保證新增的標(biāo)簽可以很好地找到對(duì)應(yīng)的分類，整個(gè)體系不會(huì)過于收斂局限。

按照這個(gè)原則，畫像通常從8個(gè)維度組織標(biāo)簽，分別為基本屬性、平臺(tái)屬性、行為屬性、產(chǎn)品偏好、興趣偏好、敏感度、消費(fèi)屬性、用戶生命周期及用戶價(jià)值。

圖11-2所示為用戶畫像整體架構(gòu)示例，下面來具體介紹。

基本屬性

基本屬性是指一個(gè)用戶的基本社會(huì)屬性和變更頻率低的平臺(tái)特征，例如真實(shí)社會(huì)年齡、性別、婚姻狀況、昵稱、號(hào)碼、賬號(hào)、IBS等標(biāo)簽。這些標(biāo)簽類型多為直采型，可從用戶基本信息表中直接獲取，不需要統(tǒng)計(jì)或者算法挖掘。

示例：社會(huì)性別_女。

平臺(tái)屬性

平臺(tái)屬性是用戶在平臺(tái)上表現(xiàn)出的基本屬性特征，是利用用戶行為進(jìn)行算法挖掘，標(biāo)識(shí)用戶真實(shí)屬性的標(biāo)簽。

典型的平臺(tái)屬性標(biāo)簽有平臺(tái)年齡標(biāo)簽，這里你可能有個(gè)疑問，為什么在用戶的基礎(chǔ)屬性中已經(jīng)有年齡標(biāo)簽，但在平臺(tái)屬性中又有一個(gè)呢？這就涉及兩者之間的差別。設(shè)想一個(gè)真實(shí)的場(chǎng)景，一個(gè)用戶的社會(huì)年齡為20歲，但他喜歡中年人的穿衣風(fēng)格，在使用App購物的時(shí)候，表現(xiàn)出的真實(shí)偏好是30~40歲的。對(duì)于這類使用產(chǎn)品時(shí)表現(xiàn)出的用戶心智和真實(shí)年齡不相符合的用戶，如果只采用用戶上傳的基本屬性來為其推薦產(chǎn)品，是不是很難命中個(gè)體用戶的興趣呢？

兩種不同的標(biāo)簽，本質(zhì)上是用戶自己上傳信息的隨意性和挖掘信息的權(quán)威性差異，是用戶社會(huì)屬性和真實(shí)屬性差異。

我們仔細(xì)分析一下兩者在數(shù)據(jù)源、計(jì)算邏輯、標(biāo)簽格式、標(biāo)簽值和應(yīng)用場(chǎng)景等方面的差異，如下。

（1）數(shù)據(jù)源與計(jì)算邏輯方面

基本屬性直接利用用戶自行上傳的、存儲(chǔ)在用戶基本信息表里的數(shù)據(jù)，平臺(tái)屬性則利用客戶端或者服務(wù)端埋點(diǎn)上報(bào)采集的用戶行為數(shù)據(jù)進(jìn)行挖掘計(jì)算生成?；緦傩允堑湫偷闹辈尚蜆?biāo)簽，平臺(tái)屬性是典型的算法挖掘型標(biāo)簽。

（2）末級(jí)標(biāo)簽和輸出標(biāo)簽值方面

以性別為例，基本屬性代表用戶真實(shí)的社會(huì)身份，是確定的事實(shí)，典型標(biāo)簽形式為“性別_女”，而平臺(tái)屬性則代表用戶在性別維度的偏好概率，典型形式為“性別_女_0.80”，其中“女”為末級(jí)標(biāo)簽，“0.80”則代表用戶在平臺(tái)的女性身份上表現(xiàn)出的傾向程度。

（3）應(yīng)用場(chǎng)景方面

平臺(tái)屬性通過用戶行為進(jìn)行挖掘，更能代表用戶的真實(shí)傾向，輸出結(jié)果比基本屬性準(zhǔn)確率高，在定向營(yíng)銷和算法里，年齡、性別等通常采用平臺(tái)屬性。而社會(huì)屬性中電話、身份證、賬號(hào)、昵稱等使用較多。

行為屬性

行為屬性記錄的是用戶的全部單點(diǎn)行為。用戶的單點(diǎn)行為有很多，包括啟動(dòng)、登錄、瀏覽、點(diǎn)擊、加車、下單等，而且結(jié)合不同的產(chǎn)品、不同的模塊交互、不同的時(shí)間窗選取，行為就更加復(fù)雜了，要想全面梳理，可以按照“產(chǎn)品×功能模塊×用戶單點(diǎn)行為×?xí)r間”四大要素來組織。

這里“產(chǎn)品×功能模塊×用戶單點(diǎn)行為×?xí)r間”的意思是，一個(gè)完整的行為應(yīng)該包含“哪個(gè)產(chǎn)品”“哪個(gè)功能模塊”“哪個(gè)行為”“哪些時(shí)間要求”四大要素，例如某瀏覽器體育頻道最近一次訪問時(shí)間。按照這四大要素組織行為，不容易發(fā)生遺漏。

示例：初次登錄產(chǎn)品時(shí)間，最后一次啟動(dòng)距今時(shí)間，30天內(nèi)搜索行為頻次，一個(gè)月內(nèi)閃屏訪問次數(shù)等。

產(chǎn)品偏好

產(chǎn)品偏好是對(duì)用戶使用某些產(chǎn)品、產(chǎn)品核心功能或者其他渠道的偏好程度的刻畫，屬于挖掘型標(biāo)簽，其中產(chǎn)品的選取可以包括自家產(chǎn)品、競(jìng)品；功能和渠道既包括站內(nèi)產(chǎn)品功能，也包括push、短信、開屏、彈窗等幾大運(yùn)營(yíng)和產(chǎn)品法寶。

示例：搜索模塊偏好、直接競(jìng)品_京東偏好、短信偏好。

興趣偏好

興趣偏好是用戶畫像內(nèi)非常重要的維度，以電商產(chǎn)品為例，用戶對(duì)商品的喜愛程度是用戶最終的信息之一，興趣偏好是對(duì)用戶和物品之間的關(guān)系進(jìn)行深度刻畫的重要標(biāo)簽，其中最典型的是品牌偏好、類目偏好和標(biāo)簽偏好。

示例：品牌偏好_優(yōu)衣庫_0.91、類目偏好_美妝_0.80、標(biāo)簽偏好_紅色_0.70。

敏感度

在做營(yíng)銷活動(dòng)時(shí)，我們留意到有些用戶不需要優(yōu)惠也會(huì)下單，而有些用戶一定要有優(yōu)惠券刺激才會(huì)下單，而且優(yōu)惠券的額度會(huì)影響其下單的金額。這種情況下，如何識(shí)別出對(duì)優(yōu)惠敏感的用戶并為其發(fā)放合理券額的優(yōu)惠券，保證優(yōu)惠券不浪費(fèi)，從而使促銷活動(dòng)的ROI最大？其中一個(gè)很重要的標(biāo)簽就是用戶的敏感度標(biāo)簽。敏感度代表用戶對(duì)平臺(tái)活動(dòng)或者優(yōu)惠的敏感程度，也是典型的挖掘類標(biāo)簽。

示例：熱點(diǎn)敏感度、折扣敏感度。

消費(fèi)屬性

無論是電商、內(nèi)容還是其他領(lǐng)域，公司的目標(biāo)最終都是收益，所以消費(fèi)屬性往往作為一個(gè)單獨(dú)的維度重點(diǎn)刻畫。消費(fèi)屬性既包括統(tǒng)計(jì)型標(biāo)簽—消費(fèi)頻次、消費(fèi)金額、最近一次消費(fèi)時(shí)間等，也包括挖掘型標(biāo)簽—消費(fèi)能力和消費(fèi)意愿，還包括敏感度標(biāo)簽—優(yōu)惠促銷敏感度、活動(dòng)敏感度、新品敏感度、爆款敏感度等。

用戶生命周期及用戶價(jià)值

用戶生命周期是用戶運(yùn)營(yíng)的重要法典，一個(gè)用戶從進(jìn)入產(chǎn)品到離開，通常會(huì)經(jīng)歷“新手”“成長(zhǎng)”“成熟”“衰退”“流失”這5個(gè)典型階段，每個(gè)階段對(duì)用戶的運(yùn)營(yíng)都存在策略差異，畫像在其中的作用是明確標(biāo)記用戶所處生命周期的階段，便于后續(xù)業(yè)務(wù)人員落地。

用戶價(jià)值是體現(xiàn)用戶為產(chǎn)品貢獻(xiàn)價(jià)值高低的標(biāo)簽，最經(jīng)典的是通過RFM模型獲得交易維度標(biāo)簽，此外，也應(yīng)該看到用戶的其他價(jià)值，例如為產(chǎn)品貢獻(xiàn)活躍度，通過裂變拉來新用戶，這些都可設(shè)計(jì)相應(yīng)的標(biāo)簽。

示例：新手、成長(zhǎng)、成熟、衰退、流失、高價(jià)值用戶、VIP等級(jí)等。

用戶畫像從1到100的構(gòu)建思路

前面我們介紹了如何搭建用戶畫像的基礎(chǔ)框架，這一節(jié)討論一下，有了基礎(chǔ)框架，到底應(yīng)該如何著手一步步完善畫像標(biāo)簽樹，如何從一個(gè)基于業(yè)務(wù)的需求落地為標(biāo)簽的設(shè)計(jì)，如何將標(biāo)簽應(yīng)用到具體的業(yè)務(wù)中。

要解決“如何做”和“如何用”這兩大問題，要從問題的根本開始思考，也就是我們?yōu)槭裁匆鲇脩舢嬒瘢脩舢嬒竦淖饔檬鞘裁?。了解了這些問題，便能水到渠成，根據(jù)用途合理地設(shè)計(jì)方案。

用戶畫像的主要目的有以下3個(gè)：

用于用戶信息的統(tǒng)計(jì)，建立對(duì)產(chǎn)品、對(duì)用戶的基本認(rèn)知；
用于用戶定向營(yíng)銷，利用人群圈選投放物料；
用于算法，沉淀用戶特征，供模型使用。

標(biāo)簽的完善也可以按照這3個(gè)維度不斷豐富，以下分別舉例說明標(biāo)簽建設(shè)的思路。

用于統(tǒng)計(jì)，對(duì)產(chǎn)品、用戶的基本認(rèn)知

每個(gè)產(chǎn)品功能策略的完善，都需要建立在對(duì)產(chǎn)品、對(duì)用戶的充分認(rèn)知基礎(chǔ)上，也就是說，用戶是誰，有何特點(diǎn)，基本情況如何，這些是用戶畫像需要回答的重要問題。

思路拆解：既然要了解用戶的基礎(chǔ)信息，就需要將用戶基本屬性進(jìn)行拆解，包括年齡、性別、居住城市（幾線）、家庭結(jié)構(gòu)（婚否、孩否）等。為了盈利考慮，還需要了解基本的收入水平、消費(fèi)能力等。將拆解的維度抽象，構(gòu)建對(duì)應(yīng)標(biāo)簽，然后進(jìn)行分布統(tǒng)計(jì)，便能生成一份基本的用戶認(rèn)知報(bào)告。

標(biāo)簽結(jié)果：年齡、性別等。

用于定向營(yíng)銷和精細(xì)化運(yùn)營(yíng)

運(yùn)營(yíng)人員作為畫像的重要業(yè)務(wù)使用方，每天都會(huì)通過標(biāo)簽圈選人群，做定向的用戶、活動(dòng)、內(nèi)容精細(xì)化運(yùn)營(yíng)，以及各App每天都在進(jìn)行的促銷活動(dòng)。這些運(yùn)營(yíng)和活動(dòng)的場(chǎng)景分布在產(chǎn)品的各個(gè)渠道和各個(gè)資源位，對(duì)場(chǎng)景和人群的精細(xì)程度要求都很高。

舉一個(gè)日常工作中最常見的需求，通過一次數(shù)據(jù)分析發(fā)現(xiàn)，產(chǎn)品的流失用戶占比提升，經(jīng)過討論，大家認(rèn)為一次結(jié)合利益點(diǎn)的push推送是召回流失用戶的有效且快速的手段；同時(shí)push作為各個(gè)業(yè)務(wù)都在爭(zhēng)取的有限資源，希望可以提高使用效率，確保push這個(gè)資源渠道的整體ROI。以上需求希望畫像可以支持。

思路拆解：從這個(gè)需求背景中，我們做一次關(guān)鍵詞提取，不難發(fā)現(xiàn)，關(guān)鍵詞是“流失用戶”“利益點(diǎn)”“push”“效率”。其中“流失用戶”是用戶身份識(shí)別，“利益點(diǎn)”是用戶優(yōu)惠敏感度，“push”是產(chǎn)品渠道資源，“效率”意味著要盡可能確保全選人群精準(zhǔn)，不能為了覆蓋率犧牲準(zhǔn)確率。

思路拆解完畢，具體落地就簡(jiǎn)單多了，參考步驟如下。

第一步，確定流失用戶的口徑和標(biāo)簽。這里需要用到用戶生命周期的劃分，從中識(shí)別并標(biāo)識(shí)出流失用戶。

第二步，分析對(duì)流失用戶拉回效果最好的利益點(diǎn)，例如優(yōu)惠券、折扣、禮品或其他內(nèi)容。這一步需要運(yùn)營(yíng)和數(shù)據(jù)開發(fā)人員根據(jù)日常經(jīng)驗(yàn)和數(shù)據(jù)分析完成，對(duì)于畫像的要求是基于分析結(jié)論，挖掘不同用戶對(duì)于優(yōu)惠折扣的敏感程度，這一點(diǎn)在前面介紹敏感度標(biāo)簽時(shí)有論述，最終目的是確保將每一分錢都花在刀刃上。

第三步，確定拉回的明確目標(biāo)，是拉回規(guī)模還是準(zhǔn)確率。通過需求分析可以確定，本次拉回在資源有限的情況下，需要提升人群識(shí)別的準(zhǔn)確率。畫像實(shí)現(xiàn)準(zhǔn)確率的方法有兩個(gè)，一是提升畫像算法的準(zhǔn)確率，這部分主要依賴算法本身，無法一蹴而就，因此這里選擇第二個(gè)方法，即增加人群全選的條件，也就是新增標(biāo)簽，供圈選求交。

根據(jù)背景分析，我們可以增加流失用戶關(guān)于push渠道打開意愿的標(biāo)簽，提高push資源的使用效率。

經(jīng)過上述分析，需要生產(chǎn)的標(biāo)簽如下。

用戶生命周期_流失。
用戶折扣優(yōu)惠敏感度。
push使用標(biāo)簽。這里可用統(tǒng)計(jì)型標(biāo)簽，例如push最近一次訪問時(shí)間，在使用時(shí)設(shè)置

條件為“最近3天，最近7天”；也可用綜合的算法挖掘型標(biāo)簽，即push渠道偏好。

通過以上需求分析和思路拆解，畫像的建設(shè)過程應(yīng)該比較明確了，這里再留一個(gè)思考的案例，可以嘗試分析如何落地：平臺(tái)新上一款商品，初期需要在某模塊展示給目標(biāo)用戶做推廣，同時(shí)盡量不打擾非目標(biāo)用戶，且不降低該資源位的整體轉(zhuǎn)化效率。

思路拆解：商品的目標(biāo)用戶—商品可以按照哪些維度拆分關(guān)鍵信息？模塊位置—用戶的模塊功能使用偏好是什么？準(zhǔn)確率的要求—如何提升畫像應(yīng)用的準(zhǔn)確率？

回答好以上問題，這個(gè)需求的標(biāo)簽便能順利獲得。

用于算法

用于算法，主要應(yīng)用于搜索推薦、風(fēng)控廣告等策略方向。

標(biāo)簽除了用于基本的用戶群體描述、定向營(yíng)銷和精細(xì)化運(yùn)營(yíng)，還有一個(gè)相對(duì)來說新穎又廣泛的用途：用于各算法的各個(gè)環(huán)節(jié)。在召回和排序兩大經(jīng)典策略流程中，都可以用到用戶畫像，這里我們舉一個(gè)畫像在推薦系統(tǒng)召回層的應(yīng)用案例。

需求背景：推薦系統(tǒng)的本質(zhì)是從海量信息中計(jì)算用戶最感興趣的部分，對(duì)應(yīng)推薦系統(tǒng)的“召回—粗排—精排”，是一個(gè)“層層精選”的過程。其中召回層是精選的第一道流程，為后續(xù)計(jì)算打分準(zhǔn)備初步的興趣候選集，這里候選集的生成方法之一就是用戶畫像法。下面仍然以電商業(yè)務(wù)為例，講述如何用用戶畫像做興趣召回。

思路拆解：召回的作用是粗篩，幫助推薦系統(tǒng)計(jì)算第一道用戶興趣池。這里用戶對(duì)物品的興趣可拆解為對(duì)商品品牌、類目和商品標(biāo)簽的興趣，這就轉(zhuǎn)化為前面介紹的內(nèi)容了，用戶標(biāo)簽中有品牌偏好標(biāo)簽、類目偏好標(biāo)簽和標(biāo)簽偏好標(biāo)簽，只需要在所有品牌、類目、標(biāo)簽下維護(hù)一個(gè)按照商品質(zhì)量或者熱度降序排列的列表，這樣只要獲取到用戶標(biāo)識(shí)，便能從用戶畫像中獲取偏好的品牌、類目和標(biāo)簽。再從品牌、類目和標(biāo)簽下的商品列表中召回相應(yīng)的商品，根據(jù)候選集大小的設(shè)計(jì)，做top k截?cái)嗾倩亍＿@樣，這部分商品就完成初步的召回，為進(jìn)入下一個(gè)流程進(jìn)行粗排和精排做好了準(zhǔn)備。

文章來源：《數(shù)據(jù)產(chǎn)品經(jīng)理：實(shí)戰(zhàn)進(jìn)階》機(jī)械工業(yè)出版社 2020年9月出版