随着“互联网+”战略的推进，当下的时代是一个以用户为主权的时代，无论是传统销售还是当下的电商新零售，都需回归销售的本质，也就是满足用户的需求。如何满足用户的需求？首先就需要深入了解你的用户到底是一群怎样的人，才能更好地让产品贴合他们的心中所需。这也就是用户画像分析的由来。

用户画像分析的具体定义

现代交互设计之父Alan Cooper很早就提出了Persona的概念：Persona是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型，用于产品需求挖掘与交互设计。通过调查和问卷去了解用户，根据他们的目标、行为和观点的差异，将他们区分为不同的类型，然后从每种类型中抽取出典型特征，赋予名字、照片、人口统计学要素、场景等描述，就形成了一个Persona。Persona就是最早对用户画像的定义，随着时代的发展，用户画像早已不再局限于早期的这些维度，但用户画像的核心依然是真实用户的虚拟化抽象化表示。、

如何构建用户画像分析

可以把用户画像分析理解成给用户打标签的过程，标签通常是人为规定的高度精炼的特征标识，如年龄、性别、地域、兴趣等，由这些标签集合能抽象出一个用户的信息全貌。

举个例子：每一个淘宝使用者都是淘宝店家的用户，那这些使用者是什么年龄，什么性别，收入如何，经常购买哪一类产品，他们的购物品牌层次是怎样的，购买频率如何等等，将这些汇总起来就是一个完整的用户画像。

1、人口属性：包括性别、年龄等人的基本信息；

2、兴趣特征：浏览内容、收藏内容、阅读咨询、购买物品偏好等；

3、位置特征：用户所处城市、所处居住区域、用户移动轨迹等；

4、设备属性：使用的终端特征等；

5、行为数据：访问时间、浏览路径等用户在网站的行为日志数据。

用户画像分析的具体应用

1.产品设计

在产品的设计阶段和早期推广阶段，借助用户画像，产品运营能更好地理解用户需求，想象用户实际使用场景，产品设计也就更加合理和简单，避免出现设计人员草率地从自身出发代表客户提需求的情况。

2.广告投放

我们在选择平台进行投放的时候, 有了用户画像分析, 就可以精准的进行广告投放, 比如B站的用户群体是18-24岁的群体, 那么广告投放的时候就可以针对这部分用户群体进行投放, 提高投放的ROI。假如没有画像分析, 那么可能会出现投了很多次广告, 结果没有人点击的情况。

3.精准营销

假如某个电商平台需要做个活动给不同层次的用户发放不同的券, 那么我们就要利用用户画像对用户进行划分, 将用户按照购买次数进行划分, 然后根据不同的活跃度的用户发放不同价值的优惠券。比如向购买次数在 【1-10】的用户发 10 元无门槛的优惠券来刺激他们进行购买产生依赖, 向购买次数在【11-100】的用户发有较低门槛的满减券来鼓励他们继续消费，最后向购买次数在【100+】的用户发有较高门槛的满减券来引导他们进行大宗购物。

4.个性化推荐

以视频播放软件举例，针对不同年龄段，不同性别的观看者，视频推荐需要变化迎合他们的口味，这样视频点击率才能提升。

5.风险监控

这个主要是针对金融或者银行业, 比如银行在决定要不要给一个申请贷款的人放贷时就需要用到申请人的用户画像分析：用户的收入水平, 教育水平, 职业, 是否有家庭, 是否有房子, 过去的诚信记录这些都是需要银行考虑的因素。

上一篇: 九数云，中小企业的BI工具
下一篇: 用户画像分析模型有哪些