用户研究：如何做用户画像分析？

小提示：您能找到这篇{用户研究：如何做用户画像分析？}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的用户研究：如何做用户画像分析？内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

本文从三个方面讲了如何做用户画像分析——收集数据、行为建模、构建画像。

用户画像就是根据用户特征、业务场景和用户行为等信息，构建一个标签化的用户模型。简而言之，用户画像就是将典型用户信息标签化。

在金融领域，构建用户画像变得很重要。比如金融公司会借助用户画像，采取垂直或精准营销的方式，来了解客户、挖掘潜在客户、找到目标客户、转化用户。

以某P2P公司智投产品搞的投资返现活动为例，通过建立用户画像，来避免大量烧钱的运营行为。经过分析得知，出借人A的复投意愿概率为45%，出借人B的复投意愿概率为88%。为了提高平台成交量，在没有建立用户画像前，我们可能会对出借人A和B实行同样的投资返现奖励，但分析结果是，只需激励出借人A进行投资，从而节约了运营成本。此外，我们在设计产品时，也可以根据用户差异化分析去做针对性的改进。

对产品经理而言，掌握用户画像的搭建方法，信息流投放即了解用户画像架构，是做用户研究前必须要做的事情。

一、收集数据

收集数据是用户画像中十分重要的一环。用户数据来源于网络，而如何提取有效数据，比如打通平台产品信息，引流渠道用户信息，收集用户实时数据等，这也是产品经理需要思考的问题。

用户数据分为静态信息数据和动态信息数据。对于一般公司而言，更多是根据系统自身的需求和用户的关于公关危机的论文需要收集相关的数据。

数据收集主要包括用户行为数据、用户偏好数据、用户交易数据。

以某跨境电商平台为例，收集用户行为数据：比如活跃人数、页面浏览量PV、访问时长、浏览路径等；收集用户偏好数据：比如登录方式、浏览内容、评论内容、互动内容、品牌偏好等；收集用户交易数据：比如客单价、回头率、流失率、转化率和促活率等。收集这些指标性的数据，方便对用户进行有针对性、目的性的运营。

我们可对收集的数据做分析，让用户信息形成标签化。比如搭建用户账户体系，可自建立数据仓库，实现平台数据共享，或打通用户数据。

二、行为建模

行为建模就是根据用户行为数据进行建模。通过对用户行为数据进行分析和计算，为用户打上标签，可得到用户画像的标签建模，即搭建用户画像标签体系。

标签建模主要是基于原始数据进行统计、分析和预测，从而得到事实标签、模型标签与预测标签。

标签建模的方法来源于阿里巴巴用户画像体系，广泛应用于搜索引擎、推荐引擎、广告投放和智能营销等各种应用领域。

以今日头条的文章推荐机制为例，通过机器分析提取你的关键词，按关键词贴标签，给文章打上标签，给受众打标签。接着内容投递冷启动，通过智能算法推荐，将内容标签跟观众标签相匹配，把文章推送给对应的人，实现内容的精准分发。

三、构建画像

用户画像包含的内容并不完全固定，不同企业对于用户画像有着不同对理解和需求。根据行业和产品的不同，所关注的特征也有不同，但主要还是体现在基本特征、社会特征、偏好特征、行为特征等。

用户画像的核心是为用户打标签。即将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。

以李二狗的户画像为例，我们将其年龄、性别、婚否、职位、收入、资产标签化，通过场景描述，挖掘用户痛点，从而了解用户动机。其中将21~30岁最为一个年龄段，薪资20~25K作为一个收入范围，利用数据分析得到数据标签结果，最终满足业务需求，从而让构建用户画像形成一个闭环。

用户画像作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，被应用在精准营销、用户分析、数据挖掘、数据分析等。

总而言之，用户画像根本目的就是寻找目标客户、优化产品设计，指导运营策略，分析业务场景和完善业务形态。

本文由 @朱学敏 于，未经作者许可，。

，基于CC0协议。