人們面對大數據，更多的是將大數據進行匯總、計算，藉助數據可視化分析問題、解決問題，這是分析解決問題的一種思維方式和工作方法。

面對大數據這一新業態，政府、企業更關心的是如何讓大數據落地，併產生實際的商業價值，比如說增加銷售額、獲得利潤突破等。

用戶畫像，便是大數據商業應用的一個典型。今天，我們將使用永洪BI帶領大家從多維度突破用戶畫像。

什麼是用戶畫像？

用戶畫像，即用戶信息的標籤化，是企業通過收集、分析用戶數據後，抽象出的一個虛擬用戶，可以認為是真實用戶的虛擬代表。

用戶畫像的核心工作，就是為用戶匹配相符的標籤，通常一個標籤被認為是人為規定的高度精鍊的特徵標識。

用戶畫像從多維度對用戶特徵進行構造和刻畫，包括用戶的社會屬性、生活習慣、消費行為等，進而可以揭示用戶的性格特徵。

有了用戶畫像，企業就能更深入地了解用戶，實現精準營銷。這樣既節省營銷成本，又能使營銷效果最大化。

用戶畫像的價值是什麼？

用戶畫像的價值主要有以下幾個方面：

1. 精準營銷，分析產品潛在用戶，針對特定用戶群體利用簡訊、郵件等形式進行營銷；
2. 用戶統計，比如中國大學購買書籍人數TOP 10等；
3. 數據挖掘，構建智能推薦系統，利用關聯規則計算喜歡紅酒的人通常喜歡什麼運動品牌，利用聚類演算法分析喜歡紅酒的人年齡段分布情況等；
4. 進行效果評估，完善產品運營，提升服務質量；
5. 指導產品研發以及優化用戶體驗，在以客戶需求為導向的企業中，企業可以對目標用戶的相關數據進行組合、處理、分析，搭建一個初步的用戶畫像，對用戶喜好、功能需求進行統計，從而設計製造更加符合核心需求的新產品，為用戶提供更好的產品體驗和服務。

如何構建用戶畫像？

用戶畫像的構建可以分為三個階段：基礎數據採集階段、行為建模階段及構建用戶畫像階段。

構建用戶畫像的三個階段

首先是基礎數據收集階段。

構建用戶畫像是為了將用戶信息還原，構建一個用戶數據模型。

基礎數據大致可以分為網路行為數據、服務內行為數據、用戶內容偏好數據、用戶交易數據這四類。

網路行為數據包括活躍人數、頁面瀏覽量、訪問時長、激活率、外部觸點、社交數據等。

服務內行為數據包括瀏覽路徑、頁面停留時間、訪問深度、頁面瀏覽次數等。用戶內容偏好數據包括瀏覽/收藏內容、評論內容、互動內容、生活形態偏好、品牌偏好等。

用戶交易數據（交易服務類）包括貢獻率、客單價、連帶率、回頭率、流失率等。

其次是行為建模階段。

該階段是對基礎數據收集階段收集到的數據做處理，進行行為建模，抽象出用戶的標籤。

在這個階段，需要通過將定性研究法與定量研究法相結合建立模型，為每個用戶打上標籤及對應標籤的權重。

一般來說，在用戶畫像中，定性表現為對產品、行為、用戶個體的性質和特徵做出概括，形成對應的產品標籤、行為標籤及用戶標籤。

定量則是在定性的基礎上，給每個標籤賦予特定的權重，最後通過數學公式計算得出總的標籤權重，從而形成完整的用戶模型。

最後是構建用戶畫像階段。

該階段可以說是對第二階段的深入，要把用戶的基本屬性（年齡、性別、地域）、購買能力、行為特徵、興趣愛好、心理特徵、社交網路大致地標籤化，當所有數據被打上標籤並被賦予權重後，即可用來搭建用戶畫像的基本模型。

當用戶畫像基本搭建好後，使用數據可視化分析把用戶畫像真正利用起來，針對用戶群體去做深入分析。

比如可以根據用戶價值細分出核心用戶、評估某一用戶群體的潛在價值，制定針對性的運營策略等等。

B2B用戶畫像示例

B2C用戶畫像示例

用戶畫像應用

1、實現精準化營銷

實現精準化營銷精準化營銷具有極強的針對性，是企業和用戶之間點對點的交互。

精準營銷不但可以讓營銷變得更加高效，也能為企業節約成本。

2、指導產品研發以及優化用戶體驗

在過去較為傳統的生產模式中，企業始終奉行著「生產什麼就賣什麼給用戶」的原則，這種閉門造車的產品開發模式，常常會產生「做出來的東西用戶完全不買賬」的情況。

如今，「用戶需要什麼企業就生產什麼」成為主流，越來越多的企業把用戶的真實需求擺在了最重要的位置。

在用戶需求為導向的產品研發中，企業通過獲取到的大量目標用戶數據，進行分析、處理、組合，初步搭建用戶畫像，做出用戶喜好、功能需求統計，從而設計製造更加符合核心需要的新產品，為用戶提供更加良好的體驗和服務。

3、做相關的分類統計

基於用戶畫像的信息標籤，藉助永洪BI，通過簡單的拖拽操作，就可以快速製作出各種滿足業務需要的可視化分析報告。

再通過數據過濾、多維鑽取分析、數據高亮分析、趨勢分析、目標值分析、聚焦分析等永洪內置功能，獲取隱藏在數據背後的價值，提高整體決策效率和決策水平，為業務增長注入動力。

4、做相關的數據挖掘

在用戶畫像數據的基礎上，藉助永洪深度分析模塊，可以選擇如一元線性回歸、邏輯回歸、K-means聚類、HoltWinters時序分析、關聯分析、決策樹等各種經典機器學習演算法，通過簡單的可視化操作，即可輕鬆構建機器學習模型，完成預測分析。

下圖就是通過關聯規則計算，由A聯想到B，也就是著名的「啤酒和尿布」的故事。

以上內容就是對大數據商業應用用戶畫像的簡要介紹。