在互联网逐渐步入大数据时代后，不可避免的给企业及消费者行为带来一系列改变与重塑。其中最大的变化莫过于，消费者的一切行为在企业面前似乎都将是“可视化”的。随着大数据技术的深入研究与应用，企业的专注点日益聚焦于怎样利用大数据来为精准营销服务，进而深入挖掘潜在的商业价值。于是，“用户画像”的概念也就应运而生。

用户画像，即用户信息标签化，就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌作是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。

用户画像的应用领域也越来越广，主要体现在以下几个方向

精准营销：根据人群定向进行营销活动，能使得营销更有效率，同成本下，有更好的总体转化效率。如：向在校学生推送更高优惠的营销活动，而向白领it从业者推送距离最近的酒店不需要营销活动。

推荐系统：用户画像、用户行为分析是高转化率个性推荐的极重要的数据基础。如：向有收藏酒店行为的情侣，推送距离最近的情侣风格酒店。

搜索排序：在细化场景，将人群定向与意图分析结合，精细提高转化率过程中，可以根据人群标签进行有针对性的排序，如：推荐给大学生，情侣情调酒店。

筛选排序：在细化场景，精细提高转化率过程中，可以根据人群标签进行有针对性的排序，如：推荐给大学生，情侣情调酒店。

用户分析：将用户画像、用户行为分析结合，能够发现更高质量的用户人群。例如，冬天黑龙江很多人会到海南住家庭旅馆。

商家分析：通过分析商家近期客户的用户行为与用户画像，能够更好地帮助商家发现商机。例如，冬天黑龙江很多人会到海南住家庭旅馆。

通过上图可以发现，用户画像的应用贯穿在整个用户体验之旅的过程中，如果画像构建和应用合理，可以在各个方面促进业务的发展。

下面谈一下用户画像最基本也是最重要的部分，用户标签的构建。

一般用户画像可以按照基本属性、行为特征、消费特征、交易属性、兴趣偏好、潜力特征以及预测需求等方面去组织。当然，因为业务的差异，可以根据自己业务的特点添加不同的方面来构建用户画像，一个基本的用户标签，可以总结为下图所示。

关于基本属性，就是描述用户的一些基本特征，用来反映用户的通用信息，例如用户ID、昵称、UID、性别、年龄、手机号、城市、注册时间、活跃度、流失倾向等。

关于行为特征，主要用来记录用户的行为操作信息，例如app日启动次数、 周启动次数、月启动次数、评论活跃度、最近浏览页面及浏览时间等。

关于消费特征，主要用来记录用户的下单购买行为，此处可以用到RMF模型，记录用户的最近购买时间、消费价格、消费频率等。

关于交易属性，主要用来记录交易的一些偏好，例如订单总数，交易额，支付时间间隔等。

关于兴趣偏好，这一块主要是针对性的找一些兴趣点，用来区分用户，并结合日常营销推广活动来设置兴趣偏好，例如品牌偏好、房型偏好、品类偏好、星级偏好、菜品口味偏好等。

关于潜力特征和预测需求，主要用来分析用户的价格敏感度和目标价位等，方便针对价格敏感度比较高的用户做价格营销活动。

用户画像的焦点工作就是为用户打“标签”，而一个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、用户偏好等，最后将用户的所有标签综合来看，就可以勾勒出该用户的立体“画像”了。 用户标签是用户画像最基本的前期工作，后续要在用户标签的基础上，构建基于用户标签的宽表。有了数据宽表，接下来数据产品经理就可以根据业务构建数据平台以及数据报表了。至此，数据产品经理才完成了用户画像的整个构建流程和应用。