标签只是术语，技术只是形式，用户画像到最终还是为了服务于企业关于客户的营销决策。

一、用户画像的来龙去脉

从1991年蒂姆·伯纳·李爵士（Tim Berners-Lee）发明了万维网（即WWW，World Wide Web）开始，经过20多年的发展，海量DT级别的数据出现，让任一个体和任一企业都无法独立消化吸收，互联网走向了一个全新的阶段：大数据时代。

早几年，这个概念曾一度被过度热炒，这几年，人们逐渐冷静下来，大家聚焦于如何真正利用好大数据，去挖掘潜在的商业价值，以及如何在企业中真正应用大数据技术。

在大数据应用的讨论中，个性化营销渐渐成为了其商业化应用中一个非常重要的落地点。相比传统的线下问卷调查等不那么高效的方式，大数据第一次使得企业能够通过互联网便利地获取用户们更为广泛的反馈信息，为进一步精准和快速地分析用户消费习惯等重要商业信息，提供了足够的数据基础。

由此，不可避免的给企业营销和消费者行为带来一系列的双重改变与塑造。其中最大的变化莫过于，消费者的一切行为在企业面前似乎都是“可视化”的。

随着大数据技术进一步的深入研究与应用，企业的专注点日益聚焦于怎样利用大数据来为精准营销服务，进而深入挖掘客户的潜在商业价值。

于是，“用户画像”的概念也就应运而生。

用户画像的目的是尽量全面地抽象出一个用户的信息全貌，为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息，提供了足够的数据基础。

它是对人的深入挖掘，除了基本的人口统计信息和地理位置等客观属性外，像兴趣爱好这类属性，就是主观度很大、变化很快且很难统计的属性。

但是，在很多的商业应用场景，广告主或者需求方恰恰想要的是这类主观度大的属性，还包括一个人的价值观和性格等等。

比如汽车客户，环保类的电动车品牌，最想要触达的那些有着环保意识，同时还喜欢小排量的客户，这里，其实就同时涉及到人的价值观和购车喜好。

而这些用户属性，其实就是“用户的标签”，而要找到这些标签，绝不可能仅仅通过用户行为的直接发现，需要更深入人格的挖掘。

简而言之，通过“用户的标签”，可以让让企业在广告投放的过程中，能够抛开个人的喜好，将焦点关注在目标用户的动机和行为上，以此进营销活动。 因为，为具体的用户画像进行广告设计，效果上要远远优于为脑中虚构的东西做设计，也来得更为容易。

二、用户画像和标签的关系是什么？

用户画像的本质，就是“标签化”的用户行为特征。

用户画像制作的核心就在于给用户“打标签”，如年龄、性别、地域、用户偏好等，每一个标签通常是人为规定的特征标识，用高度精炼的特征描述一类人。

由此，用户画像可以为企业提供足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。

同时，在从真实的用户行为中抽象出典型用户模型后，企业通过收集与分析消费者的社会属性、消费行为和生活习惯等主要行为，完整描述产品和服务的目标用户特征，就能为企业中所有与用户有关的决策过程提供有效信息，指导企业的产品服务研发和市场营销。

用户的标签通常呈现出两个重要特征：语义化和短文本。

• 语义化使得我们能很方便地理解每个标签含义，这也使得用户画像模型具备实际意义，且能够较好的满足业务需求。
• 短文本，即每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。

同时，标签规则是由人来制定的，因此人能够在大量标签里快速读出其中的含义；而机器则高效地去做标签提取、聚合分析。所以，用户画像里的用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。

通常上，标签分两种：一种标签是可以结构化的，一种标签是不能结构化的。

结构化的标签有明确的划分，而且可以穷尽，比如性别、年龄和职业等。

但是，这种标签打上后，往往会有时效性。中长期用户标签包括比较稳定，是用户身上比较不太频繁变化的特征，也称为静态标签；中短期用户标签变化稍快，比如兴趣类标签就是如此，也称为动态标签。

（结构化中长期标签示意）

（结构化中短期标签示意）

非结构化的标签无明确的划分，不固定，而且数量庞大，最要命的是，变化非常快，比如App标签和个性化标签。正是由于这一类标签的存在，才让精准用户画像的描绘难度成倍提高。

（非结构化标签示意）

在我们最终为用户画像打上标签后，还必须打上每个标签的权重。如，红酒 0.8、耐克 0.6。标签，表征了内容，用户对该内容有兴趣、偏好、需求等等。权重，表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度，概率。

通常来说，标签权重=时间（何时）X 位置（何地）X 行为（为什么）

每一次的用户行为，可以详细描述为：什么用户，在什么时间，什么地点，发生了什么事。

举个例子，A用户昨天在苹果官网买了iPhone7，反应出的用户标签就是“果粉 0.9”，而B用户上个月在天猫收藏了iPhone7，反应出的标签就是“果粉 0.498”。

这些不同的用户标签及相应的权重将在后续的营销决策中发挥重要的指导作用。

同时，用户画像里的用户标签和权重，也提供了一种可供计算机进行大数据处理的便捷和高效的方式，使得计算机能够程序化处理与人直接相关的信息，甚至通过一定算法和模型，能够在某种程度上“理解” 人。

当计算机具备了理解用户画像的程度以后，无论是个性化推荐和广告投放等应用领域，都将进一步提升效率和精准度。

三、为什么用户画像在如今的广告营销中，如此重要？

前面提到，用户画像的出现，其实源于其在商业领域的应用，那就是企业对用户认知的需求。在营销活动中，广告商最怕的就是钱打了水漂，而打水漂的大部分原因，就是用户定位不精准。

在营销决策的过程中，企业关心的问题不外乎两个：

1. 如果做出客户更喜欢的产品？
2. 如何把产品卖给对的人？

解决这两个问题离不开对用户需求的洞察，因此决策者不可避免的要考虑两类人：

• 现有客户：我的现有用户是谁？为什么买我的产品？他们有什么偏好？哪些用户价值最高？
• 潜在客户：我的潜在客户在哪儿？他们喜欢什么？哪些渠道能找到他们？获客成本是多少？

精准营销领域，用户画像是不可或缺的，也就意味着，移动营销时代，得用户者得天下。

如今的营销战，早就不是仅仅停留在创意层面了，企业从用户的角度思考越来越深入。不谈精准投放、数据分析和用户画像，企业都不好意思说自己还在做营销。

只有根据产品特点，更加精准地找到目标用户，在用户偏好的渠道上进行内容投放，适时交互促成购买行为，才能实现精准获客。

基于大数据技术而形成的用户画像，为营销行业展开了一幅全新的画卷，让营销人员第一次有机会从一个更高阶的维度接触和分析用户，让他们第一次在用户画像中看到了他们未曾接触过的感到无比兴奋的信息宝藏。

从用户画像中，广告主（店铺、商家，任何需求方）都可以通过里面的标签和权重，挑选和决策他们想要触达的用户和触达的方式。互联网公司比如BAT，依靠天然的优势，他们的很大一部分广告就是通过这种方式来触达用户。

360浸淫广告营销领域多年，广告收入一直是公司的营收大头，从老板到员工人人都很重视，所以更是早早在用户画像、个性化推荐和大书句算法等新技术驱动的企业营销领域进行了布局。

360旗下的产品矩阵中，总共覆盖5亿PC用户和8亿移动用户，这使其在数据的储备上完全足够。同时，其数据的多样性（自身的、客户的和第三方来源的）、跨屏程度（PC、手机和电视）和数据处理的技术能力，都达到了国内顶尖水准。

360 商易就是 360 公司推出的首款智能大数据营销决策平台，它可以精确定位目标受众人群，同时，分析受众人群的自然属性和触网行为，分析行业及品牌的市场现状，真正做到为广告主投放和市场营销提供真实、准确和可靠的决策支持。

比如从斗鱼TV的营销案例中，360商易发现，访问斗鱼的用户多为 19-24 岁的男性学生，并且对数码、美食非常感兴趣。这种对用户的精准定位，对广告主来说十分关键。

如果广告主想更加精准的、ROI 更加高效的广告投放，就可以从360商易的这些分析出发，投放区分度较高的兴趣类目人群。如果广告主想扩大影响力,让更多人群有机会认识自身品牌，可以考虑投放样本覆盖率更高的类目。

与此同时，360 DMP 提供了灵活的组合筛选条件，以实现人群细分管理，从用户的行为轨迹到兴趣偏好等维度，自由组合圈定投放的目标人群。

在投放展示、搜索、品牌、应用下载广告时，能够快速而精准的定向到某一类特征人群，从而帮助广告主获得更高的 ROI，有效降低营销成本。

以周鸿祎投资的花椒直播App为例，在全民直播时代，各路直播产品市场竞争激烈，因此，花椒直播希望在获取更多新客的同时，降低新客户的激活成本。

360 DMP发现，对于直播较为感兴趣的人，经常会访问一些同类直播网站、并搜索相关关键词，以及下载行业相关 App，因此有这些行为的人，都是花椒直播的潜在用户户。

依托 360 本身的精准用户画像，DMP 帮花椒直播完美匹配了那些可能对直播类 App 感兴趣的人，在其进行广告投放后，花椒App的激活率提升近 3 倍！

四、精准用户画像的难度远超想象

但是，机遇和挑战永远是并存的。一份精准的用户画像，能带来可观的广告收入的同时，很有可能遭遇如下几个方面的困难：

1. 用户实体标识：家庭成员经常共用电脑或者iPad，找到电脑或手机背后的那个人，其实没有想中的那么简单；
2. 用户标签的定义：一个个独立的标签本身没有任何作用，它必须串联起来形成整体的用户画像，同时和广告主的实际业务场景相结合，才有意义；
3. 数据处理能力：海量的标签处理，尤其是前面提到过的，非结构化的标签的处理，才是考验大数据技术的时候；
4. 用户画像的挖掘建模：用户标签的准确率，需要不断进行优化，需要结合自然语言处理 技术、机器学习、深度学习等方法不断优化效果，并结合广告主的具体需求进行；
5. 用户标签的认证：有些标签如年龄等，可以用标准的数据集验证标签的准确性，但是有些标签是没有事实标准的，如兴趣、用户忠诚度等，只能在具体的业务上，才能进行效果验证。

归根到底，标签只是术语，技术只是形式，用户画像到最终还是为了服务于企业关于客户的营销决策。

在市场的迷幻大雾之中，用户画像像是一座桥梁，连接起了企业与用户之间的信息和认知鸿沟，通过大数据技术，把用户错综复杂的消费行为和难以捉摸的心理状态，用更加理性的方式，即用户画像，为企业（需求方）呈现出来，让企业在营销决策中真正做到有理有据，决胜千里。

参考文档：

• 《让大数据接地气：用户画像在360商业数据部的应用实践》
• 《发挥大数据价值：精准的用户画像是怎样练成的？》

参考作者：

• 向园，360商业数据部算法工程师，北京航空航天大学模式识别硕士，从事DMP用户画像的挖掘和广告定向的模型与算法。
• 杜冉冉，360商业数据部算法工程师，先后在阿里巴巴、360任职，从事搜索算法、数据挖掘、广告算法等自然语言处理相关的工作。

#专栏作家#

柳胖胖，微信公众号：一个胖子的世界。11年起有过两年O2O创业实战经验，现在互联网金融社区做产品，长期对互联网产品保持观察，对商业模式和实战案例有自己独到的见解。

本文由 @柳胖胖 翻译发布于人人都是产品经理。未经许可，禁止转载。