了解和分析用戶最好的辦法就是建立persona（人物角色或者用戶畫像），它是產(chǎn)品最重要的設(shè)計工具和溝通工具。但很多用戶研究更多針對的是在產(chǎn)品設(shè)計初期對潛在用戶的需求定義，persona所代表的是某類人群，一個產(chǎn)品通常會設(shè)計3～6個角色代表所有的用戶群體。

在用戶畫像的過程中有一個很重要的概念叫做顆粒度，就是我們的用戶畫像應(yīng)該細(xì)化到哪種程度。顆粒度太大，對于產(chǎn)品設(shè)計的指導(dǎo)意義就會變小，如果太細(xì)，無疑是在壓縮潛在用戶的范圍。

但對于電商產(chǎn)品設(shè)計及運(yùn)營來說，盡量豐富用戶畫像是最重要也是最需要細(xì)致打磨的環(huán)節(jié)，也就是要做到具象的定量個體描述才能夠基于用戶數(shù)據(jù)提供個性化推薦，個性化推薦既是節(jié)省用戶成本，提升用戶體驗(yàn)，也是電商產(chǎn)品提升產(chǎn)品轉(zhuǎn)化率與促進(jìn)商品交叉銷售的重要手段。

所以，依靠用戶數(shù)據(jù)創(chuàng)建用戶畫像在當(dāng)前熱議大數(shù)據(jù)的時代越來越受到重視。如何依靠用戶數(shù)據(jù)構(gòu)建用戶畫像？這里引用百分點(diǎn)技術(shù)總監(jiān)郭志金《用戶畫像數(shù)據(jù)建模方法》一文中所述。

數(shù)據(jù)源分析

構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。

對于用戶相關(guān)數(shù)據(jù)的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學(xué)英語的人，一種是不學(xué)英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產(chǎn)品生命周期分為，投入期、成長期、成熟期、衰退期……所有的子分類將構(gòu)成了類目空間的全部集合。

這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補(bǔ)充遺漏的信息維度。不必?fù)?dān)心架構(gòu)上對每一層分類沒有考慮完整，造成維度遺漏留下擴(kuò)展性隱患。另外，不同的分類方式根據(jù)應(yīng)用場景，業(yè)務(wù)需求的不同，也許各有道理，按需劃分即可。

本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù)、動態(tài)信息數(shù)據(jù)兩大類。

靜態(tài)信息數(shù)據(jù)

用戶相對穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數(shù)據(jù)。這類信息，自成標(biāo)簽，如果企業(yè)有真實(shí)信息則無需過多建模預(yù)測，更多的是數(shù)據(jù)清洗工作，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點(diǎn)。

動態(tài)信息數(shù)據(jù)

用戶不斷變化的行為信息，一個用戶打開網(wǎng)頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等都是用戶行為。當(dāng)行為集中到互聯(lián)網(wǎng)，乃至電商，用戶行為就會聚焦很多，如上圖所示：瀏覽凡客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發(fā)表關(guān)于鞋品質(zhì)的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯(lián)網(wǎng)用戶行為。

本篇文章以互聯(lián)網(wǎng)電商用戶，為主要分析對象，暫不考慮線下用戶行為數(shù)據(jù)（分析方法雷同，只是數(shù)據(jù)獲取途徑，用戶識別方式有些差異）。

在互聯(lián)網(wǎng)上，用戶行為，可以看作用戶動態(tài)信息的唯一數(shù)據(jù)來源。如何對用戶行為數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，分析出用戶標(biāo)簽，將是本文著重介紹的內(nèi)容。

目標(biāo)分析

用戶畫像的目標(biāo)是通過分析用戶行為，最終為每個用戶打上標(biāo)簽，以及該標(biāo)簽的權(quán)重。如，紅酒0.8、李寧0.6。

• 標(biāo)簽，表征了內(nèi)容，用戶對該內(nèi)容有興趣、偏好、需求等等。
• 權(quán)重，表征了指數(shù)，用戶的興趣、偏好指數(shù)，也可能表征用戶的需求度，可以簡單的理解為可信度，概率。

數(shù)據(jù)建模方法

下面內(nèi)容將詳細(xì)介紹，如何根據(jù)用戶行為，構(gòu)建模型產(chǎn)出標(biāo)簽、權(quán)重。一個事件模型包括：時間、地點(diǎn)、人物三個要素。每一次用戶行為本質(zhì)上是一次隨機(jī)事件，可以詳細(xì)描述為：什么用戶，在什么時間，什么地點(diǎn)，做了什么事。

什么用戶：關(guān)鍵在于對用戶的標(biāo)識，用戶標(biāo)識的目的是為了區(qū)分用戶、單點(diǎn)定位。

以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標(biāo)識信息有所差異。

什么時間：時間包括兩個重要信息，時間戳+時間長度。時間戳，為了標(biāo)識用戶行為的時間點(diǎn)，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時間戳即可。因?yàn)槲⒚氲臅r間戳精度并不可靠。瀏覽器時間精度，準(zhǔn)確度最多也只能到毫秒。時間長度，為了標(biāo)識用戶在某一頁面的停留時間。

什么地點(diǎn)：用戶接觸點(diǎn)，Touch Point。對于每個用戶接觸點(diǎn)。潛在包含了兩層信息：網(wǎng)址 + 內(nèi)容。網(wǎng)址：每一個url鏈接（頁面/屏幕），即定位了一個互聯(lián)網(wǎng)頁面地址，或者某個產(chǎn)品的特定頁面。可以是PC上某電商網(wǎng)站的頁面url，也可以是手機(jī)上的微博，微信等應(yīng)用某個功能頁面，某款產(chǎn)品應(yīng)用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關(guān)頁。

內(nèi)容：每個url網(wǎng)址（頁面/屏幕）中的內(nèi)容。可以是單品的相關(guān)信息：類別、品牌、描述、屬性、網(wǎng)站信息等等。如，紅酒，長城，干紅，對于每個互聯(lián)網(wǎng)接觸點(diǎn)，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽

注：接觸點(diǎn)可以是網(wǎng)址，也可以是某個產(chǎn)品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車上賣3元，景區(qū)賣5元。商品的售賣價值，不在于成本，更在于售賣地點(diǎn)。標(biāo)簽均是礦泉水，但接觸點(diǎn)的不同體現(xiàn)出了權(quán)重差異。這里的權(quán)重可以理解為用戶對于礦泉水的需求程度不同。即，愿意支付的價值不同。

標(biāo)簽&權(quán)重

• 礦泉水 1 // 超市
• 礦泉水 3 // 火車
• 礦泉水 5 // 景區(qū)

類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網(wǎng)瀏覽紅酒信息，表現(xiàn)出對紅酒喜好度也是有差異的。這里的關(guān)注點(diǎn)是不同的網(wǎng)址，存在權(quán)重差異，權(quán)重模型的構(gòu)建，需要根據(jù)各自的業(yè)務(wù)需求構(gòu)建。

所以，網(wǎng)址本身表征了用戶的標(biāo)簽偏好權(quán)重。網(wǎng)址對應(yīng)的內(nèi)容體現(xiàn)了標(biāo)簽信息。

什么事：用戶行為類型，對于電商有如下典型行為：瀏覽、添加購物車、搜索、評論、購買、點(diǎn)擊贊、收藏等等。

不同的行為類型，對于接觸點(diǎn)的內(nèi)容產(chǎn)生的標(biāo)簽信息，具有不同的權(quán)重。如，購買權(quán)重計為5，瀏覽計為1。

• 紅酒 1 // 瀏覽紅酒
• 紅酒 5 // 購買紅酒

綜合上述分析，用戶畫像的數(shù)據(jù)模型，可以概括為下面的公式：用戶標(biāo)識 + 時間 + 行為類型 + 接觸點(diǎn)（網(wǎng)址+內(nèi)容），某用戶因?yàn)樵谑裁磿r間、地點(diǎn)、做了什么事。所以會打上**標(biāo)簽。

用戶標(biāo)簽的權(quán)重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為類型、網(wǎng)址決定了權(quán)重，內(nèi)容決定了標(biāo)簽，進(jìn)一步轉(zhuǎn)換為公式：

標(biāo)簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重

如：用戶A，昨天在品尚紅酒網(wǎng)瀏覽一瓶價值238元的長城干紅葡萄酒信息。

標(biāo)簽：紅酒，長城

時間：因?yàn)槭亲蛱斓男袨?，假設(shè)衰減因子為：r=0.95

行為類型：瀏覽行為記為權(quán)重1

地點(diǎn)：品尚紅酒單品頁的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁的0.7）

假設(shè)用戶對紅酒出于真的喜歡，才會去專業(yè)的紅酒網(wǎng)選購，而不再綜合商城選購。

則用戶偏好標(biāo)簽是：紅酒，權(quán)重是0.95*0.7 * 1=0.665，即，用戶Ａ：紅酒 0.665、長城 0.665。

上述模型權(quán)重值的選取只是舉例參考，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模，這里強(qiáng)調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進(jìn)而能夠逐步細(xì)化模型。

總結(jié)

本文并未涉及具體算法，更多的是闡述了一種分析思想，在計劃構(gòu)建用戶畫像時，能夠給您提供一個系統(tǒng)性、框架性的思維指導(dǎo)。

核心在于對用戶接觸點(diǎn)的理解，接觸點(diǎn)內(nèi)容直接決定了標(biāo)簽信息。內(nèi)容地址、行為類型、時間衰減，決定了權(quán)重模型是關(guān)鍵，權(quán)重值本身的二次建模則是水到渠成的進(jìn)階。模型舉例偏重電商，但其實(shí)，可以根據(jù)產(chǎn)品的不同，重新定義接觸點(diǎn)。

比如影視產(chǎn)品，我看了一部電影《英雄本色》，可能產(chǎn)生的標(biāo)簽是：周潤發(fā) 0.6、槍戰(zhàn) 0.5、港臺 0.3。

最后，接觸點(diǎn)本身并不一定有內(nèi)容，也可以泛化理解為某種閾值，某個行為超過多少次，達(dá)到多長時間等。

比如游戲產(chǎn)品，典型接觸點(diǎn)可能會是，關(guān)鍵任務(wù)，關(guān)鍵指數(shù)（分?jǐn)?shù)）等等。如，積分超過1萬分，則標(biāo)記為鉆石級用戶。鉆石用戶 1.0。

來源：微信公眾號【IXDC】

版權(quán)：人人都是產(chǎn)品經(jīng)理遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會明確標(biāo)注作者和來源，若標(biāo)注有誤，請聯(lián)系主編QQ：419297645