在2020的今天，所谓的传统行业的很多公司其实都没有一个明确的用户画像，也就是说，他们自己都不知道自己的用户是谁。也谈不上重视自己的用户群体。
如何实现项目运营和用户增长，大多都是脑袋一热，张口就来别人是怎么做的，竞品就是这样的，各种所谓的头脑风暴说了半天，鸡同鸭讲后还是肯定是达不到期待的效果，因为别人的用户其实不是你的用户，别人行，你就不行！
因为“用户画像“对大家来说很虚，我大致圈定一个范围26到35岁的都是我的用户，有两套房子的就是有钱人我就推广告，"Z时代"用户就喜欢抖音，这不就是用户画像么，简单粗暴大家都喜欢。搞那么复杂干嘛！
但别管我用不用，懂不懂，和别人PK的时候“用户画像”四个字要时刻挂在嘴上的，一切从数据说话，都学的有模有样，可你没数据,没有数据勾勒的“用户画像”才是最掩耳盗铃的笑话.比如说来说去的"Z时代"，一句什么叫三连，就会哑口无言，都没有用户模型，更别提让用户画像动态完善，清晰精准。
所以需要从战略上和战术上真正去了解什么是用户画像，以及用户画像是怎么产生的。才能为你所用。简单说下用户画像的概念、作用以及如何建立正确的用户画像：
01 用户画像是什么？
用户画像，又称人群画像，是根据用户人口统计学信息、社交关系、偏好习惯和消费行为等信息而抽象出来的标签化画像。构建用户画像的核心工作即是给用户贴“标签”。
而标签中部分是根据用户的行为数据直接得到，部分是通过一系列算法或规则挖掘得到。直接得到的数据比较好理解，比如用户在网站或APP上主动填写和上传的数据，严格一些平台会要求用户上传身份证、学生证、驾驶证、银行卡等，这样的数据准确性就较高，通过算法和数据挖掘得到的标签可以这么理解：如果一个用户最近开始购买母婴类商品（比如一段的奶粉，New Baby的纸尿布），那么可以根据用户购买的频次及数量，结合用户的年龄、性别推断是否为新妈妈/爸爸。
02 用户画像的作用是什么
关于用户画像的作用，主要有以下三点：
1：精准营销。精准营销是用户画像或者标签最直接和有价值的应用。这部分也是我们广告部门最注重的工作内容。当我们给各个用户打上各种“标签”之后，广告主（店铺、商家）就可以通过我们的标签圈定他们想要触达的用户，进行精准的广告投放。
2：助力产品。一个产品想要得到广泛的应用，受众分析必不可少。产品经理需要懂用户，除了需要知道用户与产品交互时点击率、跳失率、停留时间等行为之外，用户画像能帮助产品经理透过用户行为表象看到用户深层的动机与心理。
3：行业报告与用户研究。通过对用户画像的分析可以了解行业动态，比如90后人群的消费偏好趋势分析、高端用户青睐品牌分析、不同地域品类消费差异分析等等。这些行业的洞察可以指导平台更好的运营、把握大方向，也能给相关公司提供细分领域的深入洞察。
03 如何建立正确的用户画像？
一个标签通常是人为规定的高度精炼的特征标识，如年龄段标签：25~35岁，地域标签：北京，标签呈现出一个重要特征：语义化，
人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。能够较好的满足业务需求。如，判断用户偏好。短文本，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。
构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。
对于用户相关数据的分类，引入一种重要的分类思想：封闭性的分类方式。如，世界上分为两种人，一种是买房的人，一种是不买房的人；客户分三类，高价值客户，中价值客户，低价值客户；产品生命周期分为，投入期、成长期、成熟期、衰退期…所有的子分类将构成了类目空间的全部集合。
这样的分类方式，有助于后续不断枚举并迭代补充遗漏的信息维度。不必担心架构上对每一层分类没有考虑完整，造成维度遗漏留下扩展性隐患。另外，不同的分类方式根据应用场景，业务需求的不同，也许各有道理，按需划分即可。
下图将用户数据划分为静态信息数据、动态信息数据两大类。
用户相对稳定的信息，如图所示，主要包括人口属性、商业属性等方面数据。这类信息，自成标签，如果企业有真实信息则无需过多建模预测，更多的是数据清洗工作。
用户不断变化的行为信息，如果存在上帝，每一个人的行为都在时刻被上帝那双无形的眼睛监控着，其实就是数据埋点；
广义上讲，一个用户打开网页，买了一个杯子；与该用户傍晚溜了趟狗，白天取了一次钱，打了一个哈欠等等一样都是上帝眼中的用户行为。当行为集中到线上就可以看作用户动态信息的唯一数据来源。如何对用户行为数据构建数据模型，分析出用户标签，才是建立用户画像的关键：
04 用户画像的行为分析
用户画像的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。如，健身 0.8、红酒 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。
以收听音乐电台类用户为例，我们需要限定：
年龄范围、性别比例、城市范围、收听音乐的频率时长范围、使用设备（移动/PC）、使用场景、使用动机、现在使用的产品范围、收听音乐习惯等等（根据产品特点设置），还有几类用户的人数。
最终我们可以初步确定的用户样本范围是：
联系客服
