什么叫产品基本画像

Ⅰ 什么是用户画像,一般用户画像的作用是什么

用户画像是通过数据分析和挖掘从用户的各类数据中提取共性特点的过程。作为大数据的根基，用户画像完美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，奠定了大数据时代的基石。

用户画像是在解客户需求和消费能力，以及客户信用额度的基础上，寻找潜在产品的目标客户，并利用画像信息为客户开发产品。提到用户画像，很多品牌商都会提到全方位用户画像，其实全方位用户画像是一个广告宣传用语，根本不存数据可以全面描述用户，透彻了解用户。人是非常复杂的动物，信息纬度非常复杂，仅仅依靠外部信息来刻画客户内心需要根本不可能。

用户画像一词具有很重的场景因素，不同企业对于用户画像有着不同对理解和需求。举个例子，金融行业和汽车行业对于用户画像需求的信息完全不一样，信息纬度也不同，对画像结果要求也不同。每个行业都有一套适合自己行业的用户画像方法，但是其核心都是为客户服务，为业务场景服务。

Ⅱ 大数据应用之“画像”

随着大数据技术的备受关注，有关“用户画像”、“商品画像”、“产品画像”、“资产画像”……的讨论就不绝于耳。那么睁哗，究竟什么是画像？又如何进行画像建设与画像分析呢？我们就从以下几个方面，着重探讨一下。

1、什么是画像？

用户画像，被定义为一种抽象出用户信息全貌的手段。

举个简单的例子，某个客户的特征描述为：500强企业，媒体行业，旗下产品覆盖网站、APP、微博、微信等端口，拥有受众9亿+，这就是一个典型的用户画像，我们据以便可以知道其存在大数据方面的需求。如果用一句话来描述，即：用户信息标签画。

大数据的时代背景下，画像被认作为企业应用大数据的根基，并直接跟企业经营能力、竞争优势的打造联系在一起。

有评论指出，要看一家企业的数据化运营程度，首当其冲地要看其“画像”构建情况：是否建设了“画像”？“画像”体系构建程度如何？针对什么对象进行了画像？构建画像的各种标签与指标情况如何？有没针对已建立起来的”画像”的应用？应用情况如何？等等

2、为什么要进行用户画像

这跟用户行为识别及数据应用直接相关。

各行各业都期待着，用户能主动告诉我们，他们的行为偏好。然而，事实既总非如愿，技术实现也非如此简单：首先，用户用以描述兴趣的自然语言很难为自然语言理解技术所理解；其次，用户的 兴趣是不断变化的，无法不停地提供兴趣描述；最后，很多时候用户并不知道自己喜欢什么，或很难清楚描述出自己喜欢什么。

于是，我们需要通过算法自动发掘用户行为数据，从用 户的行为中推测出用户的兴趣，从而给用户推荐满足他们兴趣的产品和服务，而画像，就是其中最重要的应用之一。

画像，通过为用户打标签的方式，使计算机能够程序化处理与人相关的信息。

如用户信息的分类统计春陵:喜欢魅族的用户有多少？喜欢魅族的人群中，男、女比例是多少？如用户数据的挖掘工作：利用关联规划计算，购买该种商品的用户还购买了什么产品？利用聚类算法分析，喜欢该种产品的人年龄段分布情况如何等等？

3、构建用户画像的关键是什么？

从画像与标签的关系也可以窥见一斑，标签是画像建设的关键。同时，它也是大数据技术场景化的关键，因为如果没有针对场景构建出来标签，大数据的应用往往就很难“落地“。

一个标签通常是人为规定的高度精炼的特征指标，如年龄段标签：25-35岁；地域标签：北京、上海；设备标签：PC、移动；性别标签：男、女等等。

标签呈现出明显的语义化与短文本的特征：语义化，人能很方便地理解每个标签含义，悉森行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；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。

制定标签要遵循一定的规则，既要涵盖重要信息，又要方便机器做标签提取、聚合分析。

案例：用户的商品价格偏好标签建设过程

以某公司构建用户消费偏好画像为例，我们需要根据具体场景下用户的选择行为，将用户偏好画像拆分成几个不同数据标签：品牌、价格、购买时间、购买方式等

取用户历史购买消费记录，统计用户历史购买商品的价格，然后对价格进行区间划分。看用户购买的价格带主要集中在哪个区间中(价格带偏爱应该是一个相对动态的标签，更新频率可能一个月需要定期更，而且选择的时间段也应该是过去某个时间，不应该选择过长时间段。大家想想为什么？)。如何进行价格区间划分？

方法一：按统计学的方法

1、按分位数进行。例如：25%，50%，75%

2、按等箱原则。划分几等分

3、看数据的分布。

4、……

方法二：按业务知识经验

把价格带按业务经验，行业经验进行划分。

通过数据统计出来，我们可以看用户是否商品单价是否集中的某个区间范围内。例如,某用户购买的商品价格主要集中在30到40这个区间内，根据历史显示可以说，用户可能偏好于购买这个价格带的商品。当未来我们需要做促销商品推荐的时候，可以向该用户重点推荐打折后在这个价格区间的商品。

通过用户购买的价格区间，以及结合商品所归属的品类，可以看这个价格区间在这个品类中属于什么级别的。可以进一步给用户打上：注重品牌、注重高性价比等标签。

例如：如果某个品类商品的价格范围是（5，40]，该用户购物商品主要集中（30，40]这个商品价格区间，用户在这个品类的消费上都是最高价格区间，说明这个用户在购买这个品类主要购买的高端商品。这样又可以为这个用户打上在这个品类的消费特征标签：品类高端用户。

4、构建用户画像的方法

从上面案例中，我们可以抽象出构建用户画像的方法，即用户画像模型的构建方法。

一个事件模型包括：时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件，可以详细描述为：什么用户、在什么时间、在什么地点、做了什么事。

其中用户的属性识别关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。时间的属性包括两个重要信息：时间戳和时间长度，时间戳指的是标识用户行为的时间点，通常精确到秒；时间长度指的是标识用户的停留时间。地点的属性也就是用户接触点，在互联网上，用户的接触点就包括了网址和内容两个重要信息。

用户行为属性有不同的类型，结合接触点的内容产生的标签信息，具有不同的权重。用户画像的数据模型可以概括为这样一个公式：用户标识+时间+行为类型+接触点（网址+内容），某个用户在某个时间、某个地点做了什么事情，就会被打上一个既定的标签。而用户标签的权重可能随时间的增加而衰减，因此定义时间为衰减因子，行为类型、网址决定了权重，内容决策了标签，可以认为公式转变为标签权重=衰减因子×行为权重×网址子权重。

通过这样的计算才能够构建用户画像模型，进而能够逐步细化模型，从而最终制作出一个精准的用户模型。而每一个精准的用户模型都能够根据用户不断调整的互联网行为进行更新，从而精准把握用户心理，为每一个用户提供最完美的精细化服务，全面提升客户感知，最终实现客户满意度的不断提升。

Ⅲ 什么是用户画像如何分析用户画像

用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。

目前市场是分为 To C 和 To B 两类用户画像需求，网上传播的用户画像一般以 C 端为主，它们模版多，方法全，RFM 模型成熟，并逐渐衍生出一些用户洞察公司，帮助企业完善用户画像。但这些 C 端模版对于 To B 端的企业来说无法直接套用，并且两者用户画像研究群体不同，导致在洞察方法上也略有差异。

此处我以制作 To B 用户画像为例进行阐述，希望可以解决你的疑问，它的的主要内容包括：

洞察用户进而输出完整的用户画像报告这是我们每个人都必须了解的事情，无论你是产品、设计还是运营、销售，了解用户可以让我们更有针对性地帮助他们达成目标。

这个模版我已经上传至蓝湖的“超级文档”，大家可以在创建文档时直接选择，希望你能喜欢！

Ⅳ 产品分析：用户画像

什么是用户画像？

用户画像分为个人用户画像和用户群画像。个人用户画像可以理解为产品用户的所有相关数据。用户群画像可以理解为将所有个人画像通过不同标识（用户属性、用户角色、应用场景、用户行为、生命周期以及产品的特征）进行划分（分层、分组、分群）。

每个产品定义的用户画像基本都不一样，即便是同类产品，对用户画像的定义也可能不一样；用户画像的呈现和定义是产品经理对产品、对用户、对场景、对生命周期以及对行业的理解等综合因素的转化和抽取。

如何对用户进行划分？

就是为用户贴上标签。用户的属性、用户角色、应用场景、用户行为、生命周期以及产品的特征等都可以是明显标识或者根据产品情况定义的特征标识。产品经理根据这些标识进行组合、筛选出用户，以快速对这些用户群进行统计、分析、应用和运营，并为产品经理提供决策依据。

用户画像属性示例

以物联网智能家居用户为示例简单介绍（假设用户家庭的电子设备全部为智能设备，而使用智能设备的用户就是我们的用户）：

用户属性：用户终端账号（App或其他智能设备账号）、名称、性别、年龄、用户所属家庭角色

房屋属性：房屋位置、房间数量、各房间名称、各房间设备数量

智能设备：设备ID、设备名称、设备分类、图片、联网方式、设备激活时间、设备活跃时间、设备明细参数、设备日志

应用场景：回家（设置时间回家后自动开空调）、离家（自动关闭所有灯关、空调、部分插座）、日出（早晨窗帘自动打开）、日落（窗帘自动关闭）

用户行为：什么时间通过什么方式什么原因使用智能设备（晚上睡觉前语音控制关灯、夜起后夜起灯自动亮）

周期：不同设备生命周期兄老大、设备的使用周期、app的使用周期、设备的使用频率、app的使用频率

…

以上用户画像属性数据仅为简单示例，实际物联网智能家居用户画像的数据深度、广度、多维度非常复杂。

用户标签示例

位置：国家、省、市、区

性别：男、女

年龄段：5-18、19-25、26-30、30-40、40-50、50-60、60以上

家庭角色：父亲、母亲、女儿、儿子、羡竖孙子、孙女

房间数量：0-1、1-2、2-3、3-5

智能设备数量：0、1-2、3-5、6-10、10-20、20以上

智能设备活跃度：0、1-3天、4-10天、10天以上

App用户的活跃度：0、1-3天、4-10天、10天以上

智能设备分类：摄像机、电源开关、照明、家居安防、路由网关、厨房电器等

…

以上用户标签数据仅为简单示例，实际物联网智能家居用户标签的数据深度、广度、多维度非常复杂。

用户画像有什么作用？

1、 精准营销：邮件、短信、App消息推送、个性化广告、个性化推荐等，通过用户标签筛选出需要的用户画像进行精准运营。

2、 产品定位，用户画像可以围绕产品进行人群细分，确定产品的核心人群，从而有助于确定产品定位，优化产品的功能点

3、  战略决策：好的用户画像可以帮助企业进行市场洞察、含巧预估市场规模，从而辅助制定阶段性目标，指导重大决策。

4、  数据价值：用户画像有助于建立数据资产，挖掘数据的价值，使数据分析更为精确，甚至可以进行数据交易，促进数据流通

Ⅳ 如何构建互联网产品的用户画像

这是个比较大的话题，恐怕难以能简单一两句话说清
首先，用户画像是对某个产品某个时斗答团期用户群体的抽象，可以是一个群体，也可以是多个群体。也就是说一个产品在举老某个阶段用户画像可能有多个。
收集数据。选取有共同特征的一类人，抽象他们的网络数据、行为数据、用户内容偏好数据、用户交易数据，比如年龄，职业，收入，使用产品习惯。
建立数据模型。抽象出来的是一类人的共同特性。
把模型具象化。看做一个人他表现出来那些特征，隐藏那些行为趋势空橘。

用户画像的目的是帮我们产品明确目标进行定位设计和运营。