有一句话是，千万人撩你，不如一人懂你，这句话在互联网圈可以说成是，真正的了解用户，才能得到用户，所以，用户画像的重要性不言而喻。

什么是用户画像?

用户画像可以简单理解成是海量数据的标签，根据用户的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型 (personas)。

企业在进行营销时会遇到的问题：

1. 如何进行产品的定位
2. 如何去优化用户的体验
3. 如何进行广告的精准投放
4. 衡量我们的用户价值的大小等等

这类问题的解决需要结合受众群体的需求特性以及行为组合，去优化自身产品的调整策略。

然而用户画像才是解决问题的基础，用户画像能帮助广告主找到对的人

了解广告营销的人都知道，确定目标受众是营销的第一步，如果说传统线下广告还可以根据不同场合大概确定一个人的社会背景，然而，在互联网这个虚拟世界中，隐藏在幕后的用户拥有太多可能性，因此在互联网营销逐渐占据主流的时代，互联网产品或服务的人群画像愈加重要。

Step1：准确识别用户

微博/微信/QQ等第三方登录成企业识别用户的折中选择

用户识别的目的是为了区分用户、单点定位。用户识别的方式有很多种，如cookie、注册ID、邮箱、微信/微博/QQ等第三方登录、手机号等，这些都是互联网用户相对于传统线下渠道所特有的身份标识，其中手机号是目前移动端最为准确的用户标识，但随着用户的注册意愿越来越低，微博/微信/QQ等第三方登录成为越来越多企业的折中选择。

Step2：动态跟踪用户行为轨迹

三大维度：场景+媒体+路径

动态行为数据可以确认用户不同场景下的不同访问轨迹，助力广告主跨端控频营销。

用户网络行为动态跟踪主要包括三个维度：场景+媒体+路径，应用到互联网中，场景主要包括访问设备、访问时段，媒体指某一时段下用户具体访问的媒体，如资讯类、视频类、游戏类、社交类等。

路径指用户进入和离开某媒体的路径，可以简单理解为用户的站内与站外行为，如是通过搜索导航进入还是直接打开该APP，离开时是站内跳转到其他网页还是直接关闭，一方面有助于媒体自身优化流量运营，另一方面帮助广告主有效控制不同页面的投放频次，避免产生用户倦怠。

Step3：结合静态数据评估用户价值

五大维度：人口属性+商业属性+消费特征+生活形态+CRM

静态数据获取后，需要对人群进行因子和聚类分析，不同的目的分类依据不同：如对于产品设计来说，按照使用动机或使用行为划分是最为常见的方式，而对于营销类媒体来说，依据消费形态来区分人群是最为直接的分类方式。

静态数据主要包括用户的人口属性、商业属性、消费特征、生活形态、CRM五大维度，其获取方式存在多种，数据挖掘是最为常见也是较为精准的一种方式，如果数据有限，则需要定性与定量结合补充，定性方法如小组座谈会、用户深访、日志法、Laddering 阶梯法、透射法等。

通过开放性的问题潜入用户真实的心理需求，具象用户特征，定量更多是通过定量问卷调研的方式进行，关键在于后期定量数据的建模与分析，目的是通过封闭性问题一方面对定性假设进行验证，另一方面获取市场的用户分布规律。

Step4：用户标签定义与权重

从繁杂的数据中抽取共同的特征值

根据特征值对群体进行定义，有助于广告主一目了然掌握该群体的特性，如“时尚小咖”，可以快速的联想到针对这类人，时尚感至关重要，即产品的设计感、外观等，并且小咖两字表明该类人并不盲目追求潮流，他们有自己的审美观，并且能够影响身边的人。

同时，一个群体会有多个标签，不同的群体之间也会有标签的重合，此时标签的权重反映了不同群体的核心特征。如“时尚小咖”和“科技先锋”两类人群中都有女性标签，此时需要比较女性在不同人群中的标签权重，以决定将该标签解读给哪类群体。通常，一个好的用户画像，不同人群之间的标签重合度较小，只有在那些权重较小的标签上会有些许重合。

Step5：不同人群优先级排列

根据企业自身情况排列不同组合

目前，大部分画像只完成上述4步就结束了，然而最后一步决定了最终效果的落地，对于广告主来说可以理解为媒介的组合策略。组合策略可以按照频率的高低、市场的大小、收益的潜力、竞争优势等，根据企业自身情况排列不同组合。

如：品牌刚刚建立，需要快速提升知名度，可以按照不同媒体目标人群覆盖率的高低进行预算分配;当品牌具备一定知名度，企业核心领域营收处于快速增长期时，可以按照不同媒体目标人群贡献的市场大小进行分配;当企业想开拓新市场时，可以按照不同媒体目标人群的收益潜力进行分配，另外如企业品牌需增强差异化的竞争优势时，可按照不同媒体目标人群的竞争优势进行投放。

A：某图片分享类媒体整体用户画像

B：某图片分享类媒体细分用户特征

C：某图片分享类媒体细分用户优先级排列

End.

作者：崔伶丽 艾瑞咨询

来源：http://www.36dsj.com/archives/73268

本文来源于人人都是产品经理合作媒体@36大数据，作者@崔伶丽