詳解兩者區別及聯繫「用戶定位與用戶畫像的區別」

什麼是用戶畫像、「用戶畫像和用戶標籤、標籤、標籤體系的關係」、用戶畫像的應用、怎麼做好用戶畫像、參考資料，主要介紹用戶畫像的定義、應用以及怎樣做用戶畫像才能助力業務發展，適合對數據感興趣的互聯網人閱讀。以下，enjoy：

在互聯網的各項業務中，無論是金融、電商、社交，還是新媒體、新零售，如何優化產品，提升服務都是最重要的事。其中的關鍵一項，就是理解用戶。隨著大數據技術的發展，聚焦於產品、服務的效率和質量的精準營銷、廣告投放、個性化搜索和推薦、風險控制、商業預測、體驗優化、商業分析等逐漸展開。作為基礎的「用戶畫像」、「標籤」也應運而生。

1、什麼是用戶畫像

一般來說，用戶畫像就是給用戶打標籤，如性別、年齡、興趣愛好、行為偏好等。但是在中文語境中，存在將User Persona、User Profile兩個概念混淆，都稱作用戶畫像的情況。其實還是不一樣的。

（1）”User Persona”VS”User Profile”

Persona : the aspects of a person’s character that they show to other people, especially when their real character is different（「一個人向他人展示的特徵，尤其是不同特徵」，更多強調的是特定情景下用戶角色的概念）.

Profile : a brief written description that provides information about someone or something（對某人或物的信息的簡要描述）.

從定義看，User Profile是用戶畫像，User Persona翻譯為用戶角色更合適。

（2）用戶角色(User Persona)

用戶角色(User Persona)的概念始於1997年，交互設計之父Alan Cooper在《About Face：交互設計精髓》提出了「Personas are a concrete representation of target users」 （角色是目標用戶的虛擬代表），是一種產品設計和用戶研究的系統化方法。其中提出了兩種構建用戶角色的方法：

用戶角色：基於對用戶的觀察訪談、問卷調查等研究結果建立，嚴謹可靠但費時。例如，在用戶調研階段，產品經理經過調查問卷、客戶訪談等方式了解用戶的共性與差異，匯總成不同的虛擬用戶。

臨時用戶角色(ad hoc persona)：基於行業專家或市場調查數據對用戶的理解建立，快速但容易有偏頗。

用戶角色多出現於產品、服務的策劃設計階段。我們可以站在用戶角色的立場，討論場景、體驗、目標，思考用戶需求、策劃產品，以保持對目標用戶的清晰認知，避免產品偏離用戶需求。

用戶角色作為目標用戶的集合，不指代具體的人，但具備一個現實人物的各種特徵，包括姓名、性別、年齡、城市、長相、職業、興趣愛好、生活習慣、行為偏好、婚姻狀況、家庭情況、收支情況等。

圖1：用戶角色(User Persona)示例

為了保持對目標用戶認知的一致性，一個產品、服務一般只構建一個用戶畫像。大型綜合性產品可能會構建多個用戶畫像，但主要畫像一般只有一個，其他為輔助畫像。

（3）用戶畫像（User Profile）

用戶畫像（User Profile）是根據用戶屬性、用戶行為等數據分析抽象出來的標籤化用戶模型。其核心工作就是給用戶打標籤，利用一些高度概括、容易理解的特徵來描述用戶。這樣既可以讓人更容易理解用戶，也方便計算機處理。這些標籤的數量越豐富，標籤越細化，對用戶的刻畫就越精準。由這些標籤的集合可以抽象出一個用戶的信息全貌，如圖2所示是某個用戶的標籤集合，每一個用戶標籤都分別描述了一個維度，各個維度相互聯繫，共同構成對用戶的一個整體描述。

圖2：用戶畫像（User Profile）示例

比較
用戶角色（User Persona）用戶畫像（User Profile）階段
產品、服務的策劃設計階段積累了一些用戶數據的成熟階段
來源
主要來源於產品、設計人員對用戶的觀察訪談、問卷調查、理解。主要基於真實積累的用戶數據，結合具體的業務場景產生的用戶標籤。作用

可以幫助我們形象地了解目標用戶的行為特徵，作為我們判斷用戶需求的依據。

構成了對於一個用戶的真實描述，可以不斷刻畫用戶，優化產品，提升服務。

隨著互聯網的發展，產品、服務的運作發生了很大變化：因為產品開發成本高、時間緊、資源有限等，以「快速試錯、迭代開發」為特點的精益創業方法開始蔓延開來。

而且隨著時間的推移，一個產品、服務的真實用戶群體也在變化，在規劃設計階段虛構的用戶角色需要重新研究、設想。而這種情況下，用戶角色（User Persona）有時候會反應滯後。加之大數據的發展，減少了原先的不確定性，相比於用戶角色(User Persona)觀察訪談、問卷調查的方法，用戶畫像（User Profile）具備天然的技術優勢，互聯網更多的業務轉向用戶畫像（User Profile）。

2、用戶畫像和用戶標籤、標籤、標籤體系的關係

（1）用戶畫像VS用戶標籤

用戶畫像、用戶標籤是整體和局部的關係。用戶畫像是整體，相對比較抽象；用戶標籤是局部，相對比較具象。整體和局部的關係通過「標籤體系」體現。例如，一個人有四肢、五官、軀幹，但只有合起來，才是一個人。

圖3：用戶畫像、用戶標籤、標籤的關係圖

（2）標籤體系

在構建用戶畫像的過程中，對標籤進行分層、分類，關聯組織，然後形成的體系，即標籤體系。例如，一個人的標籤包括生日、性別、身高、體重、興趣愛好、行為偏好等，裡面的每一項都是用戶標籤，他們共同組成了標籤體系。

圖4：標籤體系

（3）標籤VS用戶標籤

標籤可以分為用戶標籤、內容標籤、硬體標籤、商品標籤等。標籤包含用戶標籤，用戶標籤是標籤的一個類別。

3、用戶畫像的應用

構建用戶畫像，通常需要大量的數據、時間、人力，是一件高成本、長期投入的事。但大部分互聯網公司仍然希望能做一份全面、精準的用戶畫像。

那麼用戶畫像有哪些應用，使得各公司前赴後繼地投入呢?

總結了下，應用大體有以下幾個方面：

精準營銷：將用戶分群，通過郵件、簡訊、App進行消息推送，在相同的成本下，有更好的營銷效果。

廣告投放：基於一系列用戶屬性、行為相關的標籤，進行對目標用戶的廣告投放。

個性服務：用戶畫像、行為分析是高轉化個性推薦、搜索的極重要的數據基礎。在細化場景中，把特定用戶與意圖分析相結合，精細提高轉化率的過程中，可以根據人群標籤進行有針對性的排序。例如，給大學生情侶推薦情調酒店。

風險控制：通過用戶的常用設備、行為習慣、消費偏好、是否有危險夥伴往來、常駐地等用戶標籤，進行信用判斷，控制風險。

體驗優化：對產品的受眾分析，理解用戶的心理動機和行為習慣，優化產品、服務質量，甚至做到產品、服務的私人定製等。

商業分析：通過用戶畫像，進行行業趨勢分析、競品分析、商品定價、網路規劃等，發現商機，進行商業決策。

圖5：用戶畫像的應用

從上面可以看出，用戶畫像的業務應用較多。通過用戶畫像的屬性、興趣愛好、行為偏好等標籤的應用，可以起到優化產品，提升服務，增加企業利潤的作用。

4、怎麼做好用戶畫像

做用戶畫像的初衷可能很好，但卻容易淪為形式主義，到最後可能只出了一份用戶畫像的報告，性別、年齡、興趣愛好、地理足跡、消費金額等。看著高大上，卻沒什麼效果。

（1）業務驅動

說到底，用戶畫像的目標是理解用戶，提升業務發展。所以構建用戶畫像的核心是和業務緊密關聯的，需要和業務部門溝通需求，然後進行標籤建模。

首先業務部門需要有清晰的業務模型、目標。然後數據人員了解業務的來龍去脈，包括行業特點、業務場景、業務形態、業務需求、用戶的消費邏輯等，充分考慮了業務需求後，開始構建用戶畫像。筆者在這裡沒有提及數據、演算法、模型，是因為在大方向上，業務比技術更重要。

好的用戶畫像，既是數據生態體系，也是業務和運營的生態體系，它是一個複雜的交叉領域。

而在考慮業務的需求之外，也需要從更高維，考慮需求的背景意義、綜合成本、開發周期、業務解耦、投入產出比等。比如，有那麼多用戶維度，怎麼選擇標籤?選擇標籤的原則是什麼?後續怎麼維護、跟蹤?什麼情況下，標籤需要迭代?業務變化了，是否需要調整？

定好了標籤，怎麼評估用戶畫像的效果?效果不好怎麼辦?有沒有更多擴展的應用場景？怎麼平衡演算法的準確度、數據規模、更新速度？

這些都是用戶畫像在業務中經常碰到的問題。

（2）深入思考

做好用戶畫像，還要深入思考。不能想當然地做一個全面精準的體系，卻忽略了用戶畫像的核心價值。用戶畫像是商業目標下的用戶標籤集合。

一上來就猜測用戶的性別，籍貫、常駐地，收入多少，是否談戀愛，喜歡什麼，準備消費購物嗎？這些是沒有意義的。是男是女如何影響消費決策，收入多少影響消費能力，是否談戀愛會否帶來新的營銷場景，消費購物怎麼精準推薦，用戶決定買什麼、不買什麼的原因和邏輯，這些才是用戶畫像背後的邏輯。

不是有了用戶畫像，便能優化產品、提升業務。而是為了優化產品，提升服務，增加利潤，才需要用戶畫像。這是很容易忘記的。比如，我們想要挽迴流失用戶，選擇70%以上概率的用戶，還是50%呢?要考慮業務，挽迴流失用戶是手段，不是目的，如果實際目的是通過挽迴流失用戶提高利潤，那麼閾值的選擇迎刃而解。計算不同閾值下，挽回用戶的投入、產出、ROI，選擇最優解。

推而廣之，個性化推薦也好，廣告投放也罷，它們有更複雜的維度、標籤、特徵，本質也是找出用戶最近想不想購物，想不想旅遊。在最恰當時機，把最合適的信息推給用戶，獲取最大的利益。

像姓名，在電商和消費行業，除了生理上的性別標籤，還會建立消費模型上的性別標籤，有些人雖然是男性，但購物行為是女性，這是要區分的。

這些舉例，是簡化的。具體情況，還需要深入思考裡面的運行邏輯。

（3）持續優化

解決了業務問題，給出一個全面的用戶標籤體系，是不是就可以了呢?答案是否定的，這裡面有兩個原因：

大多數情況下標籤體系是開放的，標籤和標籤值也有時效性，並不可能一勞永逸。直播就是個很好的例子：新的內容、品類、熱門話題不斷產生，不斷地研究、調整也就不可避免了。

而且每家公司、產品服務的用戶都有各自的特點，加上數據源、演算法的不同，只有根據效果，持續迭代，才有可能取得更好的結果。

總之，用戶畫像應該從實際業務出發，解決實際的業務問題，根據業務目標、用戶畫像應用的反饋，不斷迭代、演進，才能取得最好的效果。