用戶畫像是什么？

用戶畫像分兩類，一給人看，二給機(jī)器看，如下圖所示：

用戶畫像說明

從產(chǎn)品角度而言，精確的用戶畫像是產(chǎn)品定位的基礎(chǔ)以及后續(xù)產(chǎn)品優(yōu)化的方向。在此我大致分為三類：

01

目標(biāo)明晰群體：例如百度搜索---搜索內(nèi)容；高德地圖---使用導(dǎo)航；錘子便簽---記錄事件。我們會發(fā)現(xiàn)服務(wù)于明確目標(biāo)用戶群體的產(chǎn)品會更偏向于工具類，當(dāng)然絕不以偏概全。

02

內(nèi)容消費(fèi)群體：例如騰訊視頻---看視頻；今日頭條--看新聞；知乎---看內(nèi)容；這類APP都偏向內(nèi)容輸出方向。用戶在空閑時刻就可以利用這類產(chǎn)品瀏覽內(nèi)容，學(xué)習(xí)知識。

03

走馬觀花群體：例如小紅書和禮物說，它們和京東最大不同就是沒有提供精準(zhǔn)搜索。因?yàn)榉?wù)群體不一樣，小紅書和禮物說的用戶群體是女性，其目的就是為了提供一個隨意逛街的場景，并不是購買。

淘寶和微博是一個綜合體，他們有一個共同的特征是他們都有頭羊，微博的大V用戶就是頭羊；淘寶的店主就是頭羊。有了頭羊就有羊群，就有用戶群。

從智能推薦而言，目前用戶畫像大多都只是對用戶行為數(shù)據(jù)的統(tǒng)計(jì)和匹配工作。數(shù)據(jù)來源大致分為兩類。一是人口統(tǒng)計(jì)學(xué)，包括姓名、年齡、地域、教育等基本資料信息；二是用戶歷史行為數(shù)據(jù)統(tǒng)計(jì)。機(jī)器算法大致分為結(jié)構(gòu)化文本提取和標(biāo)簽選擇，后續(xù)會詳細(xì)介紹。

如何構(gòu)建用戶畫像？

用戶畫像脈絡(luò)圖

以上是最簡單的一個流程框架，實(shí)際運(yùn)用中遠(yuǎn)比這復(fù)雜。數(shù)據(jù)對于推薦而言非常必要，如何獲取數(shù)據(jù)，智能匹配仍然是需要長期實(shí)踐的過程。

01

如何收集數(shù)據(jù)：最簡單的方法是用戶主動提供，舉個最常見的產(chǎn)品---QQ，它在發(fā)布動態(tài)時用戶可主動添加標(biāo)簽。這樣的產(chǎn)品還很多，尤其是UGC創(chuàng)作平臺。但更多的是在技術(shù)層面上實(shí)現(xiàn)對用戶行為數(shù)據(jù)的精確收集。

02

如何保證數(shù)據(jù)的準(zhǔn)確性：前期很重要的一點(diǎn)是產(chǎn)品規(guī)劃，必須明確產(chǎn)品路徑上的所有數(shù)據(jù)埋點(diǎn)，另外要預(yù)留風(fēng)險方案；其次只能依靠技術(shù)手段實(shí)現(xiàn)數(shù)據(jù)保障。

03

如何精確匹配數(shù)據(jù)：對于機(jī)器而言，用戶畫像實(shí)質(zhì)上就是用戶信息向量化表示。大致分為幾個要素，以民宿來舉例說明：

? ? 1）、向量的維度：地理位置、價格、舒適度；

? ? 2）、向量的量化：對維度賦予分值，若三個維度都是1-5分；

? ? 3）、效果評估：對應(yīng)民宿的訂購率和入住率，還有好評度。

每個用戶都會有自己的量化分，拿一些場景舉例，若我第二天要趕飛機(jī)，那么地理位置對我很重要，相應(yīng)分值提高；如果我現(xiàn)在經(jīng)濟(jì)條件不充裕，那么相應(yīng)價格分值會提高。

所以不同場景會有不同量化分，結(jié)合場景進(jìn)行個性化推薦是最終目標(biāo)。

以上為幾點(diǎn)思考，多多交流！