聊一聊，用户画像的前世今生

文章对用户画像的建立过程进行了较为详细的分析，希望通过此文，你能够对用户画像有一个系统的认识。

从一家便利店说起……

在互联网还未风靡的时代，交易购买行为基本都发生在线下。

便利店的店主往往会给到访的顾客打上不同的标签。比如经常到店购买的顾客，店主将其判定为熟客，如果客人没有带足够的现金，那么就容许进行赊账甚至免单；再比如有些客人喜欢购买甜品，如果店里有新的甜品上架，当客人光顾小店时，店主就会主动给这类顾客进行推荐……

因此，在很早的时候， 人们便学会了察言观色，对不一样的顾客户说不一样的话，提供不一样的服务 。

那么，老板是如何给这些顾客打上标签的呢？

事实上，老板就是根据顾客在店里的消费行为来判断的。有些人每天都按时光顾小店，久而久之，见面的第一句可能就是“您下班啦，要去接孩子了吗？”类似这种很亲近的话，一瞬间老板和顾客的距离就被拉近了；有些顾客每次都会购买价格比较高的精酿啤酒，老板也就可以顺势推测出这个顾客的生活品质还不错，有了新口味的饮品时，也会考虑给顾客进行安利……

互联网袭来

再后来，网络购物兴起了，商品的浏览、交易都发生在了线上。

线上的好处是：第一，商品品类更加丰富全面；第二，线上交易更加快速便捷。

当然也会带来坏处，弊端就是：商品信息的过载导致选择困难，整个购物流程变得更加理性、少了一些温度。这时候，最先发现问题的是网店店主们，也是那段时间，“网店宝典”之类的书籍开始变得热门。

书中主要讲解的内容是：店主如何通过顾客在店铺购买了什么商品、消费的频次、消费的金额等信息，来猜测顾客是个什么样的人，接下来店主该如何与这样的人打交道，如何把自己的网店运营的有声有色。

不难发现，这其中的技巧 就是将从线下的察言观色的技巧变成线上的用户行为洞察 。所以，第一批的画像系统的生产者，并不是平台方，而是提供服务的群体本身。因为他们希望自己可以获得更好的资源，所以才会想方设法的来琢磨自己顾客的喜好。

大数据入局

经历了店主运营网店百花齐放的时期之后，平台方发现店主这么积极地洞察和运营用户，为什么不通过平台帮助他们更好地运营呢？从而让更多人愿意在自己的平台开店？

这种可以理解为是去中心化的思想，给商家赋能。由于平台方掌握的数据要比店主更全面，所以平台可以做的事情远远要比店主多。

于是，平台方做了以下三个关键措施：

其一，构建全局的用户画像。

掌握的用户信息越多，画像就越准确越丰富。那么平台不仅仅掌握了用户的消费数据，还可以采集客户的行为数据，通过这些来组合生成第一方的用户标签，通过标签，可产出更加多维立体的用户画像；

其二，为了解决信息过载的问题，引入了推荐系统来进行内容的分发。

推荐系统本质上也是人和物品的关系模型，用于给不一样的人去推荐适合他们的商品或内容，从而，让顾客可以更加快速地找到自己心仪的商品，缩短浏览购买路径和决策时间；

其三，为了让商家可以更好地运营自己的店铺，平台方推出了一些运营工具。

支持商家使用部分平台生成的标签来观察自己的用户，同时又提供了一些广告推广服务，聊天通道，引入了在线客服，从而让商家可以为顾客提供更优质的服务。

画像系统 1.0 时代

逐渐地人们意识到了用户画像的重要性：它可以帮助业务人员更好地了解用户偏好，从而找到一个优秀的运营方案；也可以帮助产品人员更好地了解用户细分，从而在产品中不断进行新的尝试，画像系统也随之诞生了。

第一代画像系统，我们可以简单的定义为： 标签时代 。

那时候还是流量为王，人们更加在意画像系统中可以提供哪些维度的标签数据，拿着标签数据就可以投其所好的进行推广。这确实是一个行之有效的办法，因为当时互联网还处于蓝海时代，垂直领域的竞争也不是那么激烈，谁先占得先机，基本也就会先入为主的笑到最后。

画像系统的 1.0 版本，重要的功能就是 标签的数据内容，而且还很多是第三方的标签数据 。如今，最开始做画像的人群，基本都在做广告投放相关的业务。

画像系统 2.0 时代

随着流量逐渐达到了天花板，用户运营的价值凸显了出来。

无论是个性化的推荐，还是节假日的温馨提示，或者大大小小的专场活动都是运营的工作，夸张地说： 产品和研发赋予了一款产品生命，而运营能决定他的寿命和高度。

第二代的画像系统，我们可以简单的定义为： 洞察时代 。

只要谈及到运营，就不能简简单单地定义为是广告投放、拉新等操作了。站内的运营也占了很大的比重，如广告位的分配、活动的策划推广、千人千面的推荐、精准营销等。

企业需要尽可能地收集用户在产品中的使用痕迹，根据自己累积的业务经验和知识，来刻画出用户的画像。

第二代的画像系统，需要业务人员倾注更多的业务理解和智慧在其中，才可以做好运营和增长，发挥画像系统的威力。

画像系统 2.0，是什么样子的？

首先，画像系统 2.0 需要包含 1.0 的能力，即标签的生产能力，生产能力为行为数据的采集能力、标签的加工生产能力。同时，根据自己的业务需求，来判断是否需要引入第三方的标签来辅助运营。

其次，它的核心功能是 用户的洞察和分析能力 。

支持从单点进行分析，亦支持从群体进行分析。分析的维度不再停留在传统的维度，比如：性别、学历、城市等，还应该提供更多与自身产品相关的维度。

比如：偏好的商品类型、偏好的访问时间等，画像信息更加贴合自己的业务，人群更加立体。

同时，不仅支持静态的分析，还要支持对历史的回溯和对未来的预测。

用户的画像绝不是一成不变的，在有数据支撑的情况下，我们可以动静结合地观察人群的变化趋势，结合科学的预测回归算法，也可以实施行为对外的拟合预测。通过由点到面，辅以动静结合来分析目标用户，可以让企业对用户有更加立体和清晰的认知。

以上就是用户画像的一个粗略的演进史，不难发现，从始至终用户画像的应用都离不开一定的运营属性，随着运营价值的逐渐凸显，用户画像的价值和要求也随之增强。

相信在未来不断地探索和迭代中，画像系统的高速发展也将促进运营玩法的创新迭代，使画像系统真正成为企业的运营利器。

本文由 @神策数据 整理发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: