按事件的发展过程来看，用户画像准确性验证分为事中验证和事后验

一、用户画像分类 基于白条的日常业务，我们将用户画像分为三大类。 第一类为基本信息画像，主要是用户基本信息，如年龄、性别、学历、职业、收入、资产、婚否、是否有房、是否有车等；第二类为用户行为画像（基于互联网业务，此处的用户行为主要指用户的消费行为），如品类偏好、下单预测、分期意愿等；第三类则是宽泛的用户分群画像，此类画像基于统计方法（聚类）将同类型用户划为一类，根据不同业务需求，群体特征也不尽相同。 二、用户画像验证 按事件的发展过程来看， 用户画像准确性验证分为事中和事后，其中事中指用户开发过程中，而事后则是指画像上线运用于业务后。不同阶段的验证方法也有所不同。事中验证：事中验证主要基于画像开发过程中所选模型及统计方法，对于三类画像，有以下三种验证指标： 1. 模型验证指标 常用的模型指标验证主要用户前两类画像的验证，通用的为AUC、KS、ROC、Confusion Matrix等，这些指标的介绍及判断标准已经有比较成熟的理论基础，此处不展开赘述。对于第三类基于聚类的用户画像没有较常用的验证指标。通常情况下，聚类效果图不能很好的说明问题，还需结合业务及每个群体用户覆盖度进行相应调整，最后的验证通常也是基于事后的业务反馈效果。 2. 抽样验证 业务中用户画像通常涉及千万级甚至上亿级用户，不可能一一验证，这种情况下可以采取分层抽样验证或随机抽样验证。当然由于抽样验证的数据量相对较小，因此说服度不高。 3. 交叉验证 交叉验证分画像指标间的交叉验证及外部数据的补充交叉验证。通常情况下，一些画像类的指标间会存在一些相关性，此时可进行交叉验证。例如：收入与资产存在一定的相关性，通常收入越高资产也会越高，此时就可用这两个画像评分进行交叉验证。另外，如果公司购买的第三方机构数据也有相应的画像指标，也可用于参考进行交叉验证。 事后验证：事后验证主要基于随业务发展增加的数据源（真实数据）及应用于业务后的反馈数据。 1． 真实数据验证随着业务发展，一些用户画像信息会从无到有慢慢积累，毋庸置疑的是，将真实数据用于验证画像类指标是最准确的。2． A/B TestA/B Test 是互联网公司最常