用户画像
一、 用户画像是什么？
用户画像是一个下限跟上限都非常广的的系统，可以是描绘性别、年龄、地域位置，也可以是描述用户的流失概率、偏好品类等复杂的、预测性的画像。一个定义精准的、扩展性强的用户画像系统，实际上是将业务部门对于用户的理解以及用户的历史调研的成果沉淀下来，提供给部门内部统一使用的数据平台。
用户画像是一个标签树的结构，这个标签是树状多层次，多维度组织的。设计的时候，将末级标签作为最细粒度的刻画维度，末级标签对应的标签池就是用户在维度下的属性标签，可以通过采集挖掘等方式计算生成。
用户调研之上，可以通过用户画像系统将调研能力赋予所有的运营产品团队，支持产品部加强对市场和用户的洞察，从而提升用户体验，扩大市场规模，也可以支持推荐，广告推送等营销类场景，提升流量的变现效率。
二、用户画像的四种类型：
大多数情况下，只有数据产品经理，才需要从生产角度了解用户标签的不同类型，其他类型产品同学只是用户标签的使用方或者需求方，以下内容可以做个了解，作为我们给数据产品经理提数据需求的背景知识。
-
直采型，顾名思义就是直接采集的用户标签，可以直接从用户基础数据内获取到的用户信息，不需要统计跟计算，比如用户主动填写的姓名年龄性别等。
-
统计型，利用用户日志数据进行加工，按照一定的规则进行简单统计的标签，这样的标签纸需要需求和规则确定，加工速度非常快。例如频次，总次数等
-
挖掘型的标签属于算法标签，利用用户行为数据和文本数据和业务规则进行算法加工，输出对应的属性值或分值，如有必要需要对分子进行归一化的处理，比如偏好类的标签就是典型代表，包括产品偏好、具体功能偏好、内容兴趣偏好、以及敏感度标签，包括优惠敏感度、低价敏感度、活动敏感度。
-
预测型标签也是算法标签的一种，区别在于预测行重点应用于典型的预测场景，例如用户的流失概率。除了输出常规的标签外，还需要和一定的预警和自动策略结合，利用用户的生命周期相关特征预测用户流失概率，对于高风险用户及时采取召回策略。
三、标签生产与应用实例：
同样一个问题在不同的年代提出来，解决方式也不一样。比如要确定用户对某个品类的偏好，在数据不成熟的时候，要通过跟用户的访谈或者用户的问卷来确定。随之技术发展，对用户的行为收集逐渐完善，可以通过对产品指标或者算法模型的预测来确定用户的偏好。
很难说有一力破万法的解决思路，核心还是这个标签跟业务结合，标签也是产品功能设计的一个对象， 可以对比到我们熟悉
剩余60%内容，订阅专栏后可继续查看/也可单篇购买
产品经理校招8大必考技能修炼 文章被收录于专栏
本专刊由牛客官方团队打造，主要讲解产品岗位基础技能的提升，在求职过程中脱颖而出。 目前内容为成体系的且全的，但是后面还会不断更新和完善，现在订阅的可以享受后期更新。大家有相关需求的也可以在本专刊下方留言，我们会根据大家的需求补充相关内容。 期待大家都能在本专刊中有所收获。 本专刊购买后即可解锁所有章节，故不可以退换哦~
