用户画像用于解决把数据转化为商业价值的问题，就是从海量数据中来挖金炼银。

一、什么是用户画像？

用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的标签化用户模型。

用户画像核心价值在于了解用户、猜测用户的潜在需求、精细化的定位人群特征、挖掘潜在的用户群体。

结合媒体网站、广告主、企业及广告公司得到的数据深度挖掘群体用户的特征，根据族群的差异化特征和共性特征，帮助客户找到营销机会、运营方向，全面提高客户的核心影响力。

二、用户画像在电商行业的现状

在电商领域中，京东、阿里这些以TB计的高质量、多维度数据记录着用户大量的网络行为，用户画像就是对这些数据的分析而得到的用户基本属性、购买能力、行为特征、社交网络、心理特征和兴趣爱好等方面的标签模型，从而指导并驱动业务场景和运营，发现和把握在海量用户中的巨大商机。

图1 用户画像技术

• 基本属性：即性别、职业、月收入、有无车等标签，通过用户注册信息和多维建模获得；
• 购买能力：即败家指数、潮妈族、消费水平等标签，通过消费金额、下单频度、消费周期等数据分析建模获得；
• 行为特征：即活跃程度、购物类型、起居时间等标签，通过分析浏览、点击、下单等数据获得；
• 社交网络：即社交关系网、公司关系网等标签，通过收货地址、活动地址等信息来判断；
• 心理特征：即促销敏感度、购物忠诚度等标签，通过代金券使用频度、购买单品类的品牌分布等数据判断；
• 兴趣爱好：即运动偏好、品牌偏好、爱打扮、颜色偏好等标签，通过购买的商品、颜色、品牌等信息判断。

三、用户画像在电商行业的应用

用户画像用于解决把数据转化为商业价值的问题，就是从海量数据中来挖金炼银。现在京东和阿里主要把用户画像技术主要应用于广告、推荐、搜索等方向，也致力于用户统计和数据挖掘，为网民展现一场电商大数据的饕餮盛宴，同时给商家和消费者提供了经营和购物参考。其主要应用于以下几点：

图2 电商女性用户画像描述

1、精准营销

精准营销就是完美解决什么时间（when）把什么内容（what）发送给谁（who）。要解决这个问题，其实就得依靠用户画像技术，需要我们去描述用户形象。京东和阿里通常基于用户浏览、点击、咨询、加关注、放购物车等一系列动作为用户打上多维度标签，然后以邮件、短信、push、站内信等方式将适合的信息发送给用户。

我们会通常遇到以下场景：

1. 用户想买的商品刚好没货，用户设置了到货提醒，我们在提醒到货的时候该如何推送？
2. 用户浏览了某类目的商品却迟迟没有购买，为了促成购买，我们该如何推送？

解决这些场景，我们均可以借助用户画像技术；根据用户平时购买的品类、用代金券的情况、购物车的商品分析用户的性格，是否价格敏感、是否理性消费等标签进行推送；或者在提醒到货的时候加上通过浏览、跳出、收藏、加入购物车等行为组合分析得到的推荐商品。适当的推送不仅会让用户产生点击和成交，也会因为帮助用户节省时间、获得更优的产品体验，从而增加好感并产生依赖。

2、用户统计

用户统计就是根据大量的用户行为数据，进行行业或人群现象的描述。比如通过购买口罩、空气净化器等类目的订单表和用户表可以得到不同星座的雾霾防范指数，这些行业分析报告就是为网民提供描绘电商大数据的成果，迎合相应的IP热点和社会效应可以加强品牌影响力的传播。

其中京东指数和阿里指数就是基于大量的数据而生成的洞察统计类产品，这些数据包括用户信息、行为数据、媒体标签、合作mapping数据等，帮助品牌、店铺更了解自己产品的受众人群，明确在行业中的竞争关系和优劣势。

3、数据挖掘

根据用户的数据挖掘出一些有用的规律进行决策，数据挖掘就是通过属性筛选、聚类算法、关联分析、回归算法等方法，去发现人群与人群、人群与商品、商品与商品、商品与品牌等之间的差异与联系，从而发现并挖掘更大的商机。

图3 数据挖掘算法

数据挖掘往往能解决“喜欢什么东西的人往往还会喜欢什么” 、“或者做了这件事的人往往还会做什么”这些场景。我们可以看到，京东、淘宝在38妇女节不仅对女性类目的商品进行活动，还会附带男性的商品进行促销或者组合活动。男性商品跟女性节日看起来没有什么关系，其中却蕴藏着大道理。就好似我们熟悉的啤酒和尿布营销案例：沃尔玛超市通过大量的数据调查，发现周五下班点后会有一类人群（奶爸）购买两类商品——啤酒和尿布，于是对这两类商品组合促销并收获了令人满意的结果。啤酒和尿布本身并没有联系，却通过用户画像技术，使得这两个商品结合产生了更大的效益。

另外数据挖掘还可以为用户进行恰当的推荐，这个场景也就是我们在京东、淘宝首页上能看到的 “为你推荐”“有好货”等推荐栏目了，这些栏目会根据用户画像为用户私人定制相关的推荐商品、商铺和文章。

4、效果评估，分析高质量用户

用户画像另一重要作用就是分析某类目、商店或者品牌的用户群体特征，找出高质量用户，然后更有目标和效果地进行精准广告投放，从而让真正对该品类有兴趣的用户产生更多的点击和成交。

比如在618前夕京东范产品的数据接口服务将用户画像模型充分应用到产品当中。根据族群的差异化特征，帮助各类目业务部门找到营销机会、运营方向，全面提高产品的核心影响力，增强产品用户体验。应用模型包括：年龄、性格、购物偏好、购买力等用户特征，诠释勾勒出用户在京东上的体貌特征，赋予一定的潮流“范儿”的概念，贴近用户。正所谓知己知彼，方能百战不殆，用户画像就是让京东更了解自己和电商行业的工具。

5、优化搜索和其他产品

用户画像提供统一数据服务接口供搜索、人工智能等其他产品调用，来提高与用户间的沟通效果，优化用户体验。比如提供给推荐搜索调用，针对不同用户属性特征、性格特点或行为习惯在他搜索或点击时展示符合该用户特点和偏好的商品，给用户以友好舒适的购买体验，能很大程度上提高用户的购买转化率甚至重复购买，对提高用户忠诚度和用户粘性有很大帮助；比如数据接口提供给网站智能机器人JIMI，可以基于用户画像的用户量身定做咨询应答策略，比如快速理解用户意图、针对性商品评测或商品推荐、个性化关怀等，大幅提升JIMI智能水平和服务力度，赢得用户欢迎和肯定。

四、电商用户画像的未来发展

用户画像的核心就是让我们比用户本身更了解用户，从而为用户提供更好的服务。针对电商行业用户画像技术的发展，我主要从如何完善用户画像和画像技术的其他应用两方面进行讨论。

1、完善用户画像

数据是形成用户画像的根本，要想完善用户画像，就必须拥有更多维度的数据。只有这样才能更加精准地定位市场，分析行业。

就电商现有的画像数据而言，基本只覆盖用户信息、用户访问行为和媒体标签。这些数据很全很大，但是缺了线下数据。如何补充这部分数据，就需要通过产品手段让用户反填信息进行补充。我们可以通过问卷／月账单统计等方式让用户主动填写消费数据。通过月账单这类产品一方面可以帮助用户记录每月开支，帮助月光族解决不知花费去向的痛点，另一方面还能让电商产业了解用户的线下开销大小、开销流向以及开销场景，结合线上数据进行更深度的数据挖掘。

另一种完善数据的方式就是打通多方数据，进行跨界数据mapping，从而增加画像维度，比如补充金融行业数据，可以加深用户的信用描述和其他商业描述。就京东和阿里而言，都会有金融或者其他行业的数据，这块对完善画像也是一个重要的支持。

2、画像技术的其他应用

用户画像的应用除了本文之前介绍的几点，还可以与实时场景结合，进行消费引导。针对高质量用户而言，当通过共享单车、滴滴、地图导航等方式进行搜索或到达目的地时，电商app实时进行推送同该线下商场品牌店铺的线上商城品牌店铺的促销活动，不仅拦截部分线下消费促成线上消费，还能带给消费者更友好的体验。

五、用户画像技术在其他行业的应用

要说用户画像在其他行业的应用，作为一位还没毕业就进入汽车行业数据领域的产品经理而言，当然首谈汽车行业的用户画像。就我所知，阿里是有自己的汽车电商部门，京东那边接的是易车网的旗舰店，两个电商平台都是有一定的汽车数据，可以跟电商行业的数据发生关联创造更大的价值。

1、如何描述汽车用户画像

对车而言，我们会描绘出某个品牌、厂商、车型或者车款的画像群体，帮助各厂商、经销商明确产品定位，帮助他们进行更好的营销；对用户而言，我们会通过cookie ID、device ID、账号、手机号等方式关联，来标识唯一用户，从基本属性（性别、年龄等）、购买能力（购车意愿、购车紧迫度、购买偏好等）、行为特征（购买用户、消费偏好）等方面进行描述。

图4.汽车行业的用户画像

2、汽车用户画像的应用

其实跟电商一样，用户画像技术会主要应用于广告、推荐和搜索、用户统计等这些场景中，来提供精准投放、个性化文章或车型推荐、优化搜索、优化网站内容和运营等方面的支持。

通过用户画像，我们能给不同的用户带去不同的体验，比如给非购车用户推送热门和他感兴趣的资讯和车型，提高用户黏度；给购车用户推荐他适合的车型，提供购买决策导向，来提高交易转化。

或者通过对用户的分析，我们可以知道哪些地区什么车型关注和销量最高，什么月份汽车关注和销量最高，我们可以根据这些分析，厂商或各地经销商可以进行有效的竞品车型拦截、营销投放、线下活动等。

除此之外，用户画像技术也会支持其他部门的工作。比如将画像数据接入cc系统，能让电话销售与客户进行电话沟通前就能提前了解到客户的喜好，从而提供更具针对性的推荐和服务，来提高成交量。

本文由 @Rain 原创发布于人人都是产品经理。未经许可，禁止转载。