1用户画像的概念

用户画像又叫用户标签，是基于用户在网络上留下的种种行为数据，将这类数据主动或被动的采集后，通过数据加工剖析，产生的一个个标签。

譬如男士，九零后，白领，喜欢购买电子商品，月薪资5000等等。用户画像的内容可以非常宽泛，只须是对用户的认知，都可以叫做用户画像。

但你所去认知的这批人需要是你的典型用户，他们会用一样的方法用你的商品，服务或消费你的品牌。

2用户画像有哪些用途

精准推广:我相信这是不少运营同学为何来看这篇文章是什么原因，从简单暴力式操作到精细化的运营,将用户人群进行分层，再用短信、push、推广文案等方法，刺激用户对商品的用法、下单，或对用户进行召回等。

广告投放:品牌处于业务飞速发展期时，需要很多对外揭秘。因为推广预算有限，在途径的选择上，就需要能有更多自己典型的用户进行推广，这个时候就需要用户画像的配合了。

数据剖析:这个可以理解为打造数据仓库，借助每个标签将每个数据系统打通，譬如之前的文章《公众号高阶运营方案,建议你和商品经理-起来看看》，讲的是借助公众号进行定向推送，那样把用户在公众号上的行为和电子商务APP上的行为均打造行为标签并打通，继而打造数据仓库，然后制作出用户画像，那样精细化的推送方案才是完美的。

3用户画像的正确打造

根据这个图，第一我依据是不是有购买过沙拉，将小明的用户划分成了5类:

潜在用户

新用户

老用户

VIP用户

流失用户

这里推荐一一个神奇的数据，用户只须产生了一次复购，即肯定时间内购买过2次，则此人的留存率将提高30%。

★针对潜在用户，给予新人礼包，促进产生首次购买;

★针对新用户，则需刺激他尽快产生一次复购，譬如给他定向推送.上-次购买品类的其他商品，并用红包刺激下单;

★老用户则期望借助vip用户的权益来刺激他们成为老用户，譬如VIP用户可享受优先发货，赠送赠品，参与试吃等活动。

之后，再通过用户的自己属性来增加用户标签。以订单地址为依据来做判断。

譬如一个用户多次用同一个地址收货，那样就断定此地址为常用地址,然后依据常用地址是公司写字楼还是学校，来断定此用户是白领还是学生。

对于学生和白领用户的运营方案，将会是完全不一样的。对于学生来讲，性价比可能是优先考虑的原因，可以重点推荐他们一些相对实惠的零食。或者做- -些分裂转变活动的时候可以优先PUSH到他们。

还要考虑到学生7-8.月和春节期间的假期和开学时间段,一般来讲，开学期间的消费需要会比较高中一年级些对于白领来讲，可能性价比就可能不是优先考虑的原因,消费体验可能更要紧，那就推荐一些口味最好的进口零食，或者不容易胖的低脂零食。

消费场景在企业的话，还要考虑到拆包裹，吃零食的场景，考虑到顾客拆包时若被其他同事看到，大概产生推荐心理，那样就能设置团购的打折，或者推荐包装比较大的推荐装。

大家从数据中发现，增长减缓的重要原因，是用户流失率开始.上升。流失是什么原因会有不少，非常重要的是找到用户不消浪费时间间节点之前的重点原因。

譬如:用户一段时间打开APP的次数少了，那样就或许会流失用户给过差评，那样就可能流失;用户下单至收货之间的物流时间超越7天，可能流失;用户十几天都没再登入APP，可能流失;用户首次下单的金额特别少，就可能流失。

缘由特别多，把尽量想到是什么原因都列出来，然后借助机器学习建模进行预判。

应该注意的是，所有这类都是动态的，所以我将用户的回购或再浏览周期定为7天，依据不一样的业务状况，尽量的将时间周期切分的更细一点，更容易剖析。接着就根据数据状况，通过用户行为的细节进行预判。

依据消费模型综合原因来分除此之外，还可以用RFM模型来分。

数据主要来源是用户在注册时填写的，还有在平台上的行为，无论是互动行为、浏览点击行为还是消费行为。然后通过这类行为来打造标签体系，当然有的标签是客观存在的，有的标签是依据逻辑预测出来的。

一般大家会通过用户属性和行为数据，打造基础的用户标签体系一般有这4大类:

第一类:人口属性。譬如说性别、年龄、常驻地、籍贯，甚至是身高、血型，这类东西叫做人口属性。

第二类:社会属性。由于大家每一个人在社会里都不是-个单独的个体，- -定有关联关系的，如婚恋状况、受教育程度、资产状况、收入状况、职业等。

第三类，兴趣偏好。摄影、运动、吃货、爱美、服装、旅游、教育等，这部分是最容易见到的，也是最庞大的，很难一- -列举完。

第四类，用户行为。3、7、15、30日内登录时长、登录次数、登录时间段、浏览深度、价格偏好、购买偏好等等。

基于推广和消费有关的标签，新客、老客、用户的流失和忠诚、用户的消费水平和频率等，都是构成CRM的基础，可能大伙更习惯叫它用户/客户管理运营平台

CRM的结构中会包括各类触达用户的常用途径譬如短信、邮件、推送等。也包括CMS 实行职员通过其迅速配置活动页、活动通道.折扣券等，靠营销推广活动拉动数据。