如何构建用户画像实现品牌营销

用户画像，又称人群画像，是根据客户人口统计学信息，社交关系，偏好习惯和消费行为等信息而抽象出来的标签化画像。

构建客户画像的核心工作即是给客户贴“标签”（犹如娱乐圈中明星的立人设）

标签由两部分组成：

1、根据客户的行为数据直接得到的

比如：用户在网站或者APP上主动填写的数据，严格一些平台会要求客户上传身份z、学生证、驾驶证等，这样的数据准确性较高。

2、通过一系列算法或规则挖掘得到

比如：一个用户最近开始购买母婴类商品，奶粉尿布等，那么可以根据客户购买的频次和数量，结合客户的年龄、性别推断是否为新妈妈/爸爸。

用户画像其实就是希望通过某些手段对用户做甄别，把他们分成彼此相同或不同的人群或个体，进而区别化提供服务进行观察分析。

用户画像的价值

1、精准营销

精准营销是用户画像或者标签最直接和有价值的应用。这部分也是广告部门最注重的工作内容。当我们给各个用户打上各种“标签”之后，广告主（店铺、商家）就可以通过标签圈定他们想要的客户，进行精准的广告投放。

2、助力产品

一个产品想要得到广泛的应用，受众分析必不可少。产品经理需要懂用户，所以用户画像能帮助产品经理透过客户行为表象看到客户深层的动机和心理。

3、行业报告

通过对客户画像的分析可以了解行业动态，比如90后人群的消费偏好趋势分析、高端客户青睐品牌分析、不同地域品类消费差异分析等等。

讲了这么多“干货”大家是不是有点蒙圈了呢...下面我们看个简单的案例来帮助大家更好地理解。

场景案例

现有一份200多用户对十部电影的豆瓣评分数据，我们根据这些数据来刻画几组用户画像。

十部电影分别如下：

动作类：谍影重重5、湄公河行动、血战钢锯岭、伦敦沦陷；

青春爱情类：北京遇上西雅图、七月与安生、六弄咖啡馆；

动画类：疯狂动物城、功夫熊猫3、大鱼海棠。

下面就开始进行用户细分及刻画：

1、用户细分

（评分大于等于7定义为“喜爱此类电影”）

三种类型观众在数量上相差不多，说明人的品位爱好各不相同，比较平均。

2、对比刻画动作片与爱情片用户画像

（1）性别比例

跟预想一样，果然喜欢青春爱情片女生偏多，女生感情比较细腻，多愁善感，如《情遇曼哈顿》上映时可以精准地推荐给这类女生；动作片确实是男生占多数，男生喜欢动作、场面效果炫酷的电影，能够激起他们的“英雄情怀”，如《雷神3》上映时可以推荐~

（2）是否单身

各位单身朋友们，是不是男人看了会沉默，女人看了会流泪啊！结合上面的数据，我们是不是可以在对单身男青年们推荐时文案可以写上“多去看几部爱情片啊，说不定就会遇见你的未来女友”之类的话。

（3）社交偏好

这里用对电影的评论数量来划分偏好程度的，大于等于25条评论都属于偏好社交，对于这部分人可以进行重点营销，他们可以为电影带来二次推广的效果。

（4）品牌偏好

苹果虽贵但还是受到大部分人的认可，我们对于使用苹果的用户是不是可以大胆推测他们具有一定的消费能力，可以推荐一些高档影院或者3D巨幕电影。

（5）岗位分布

在女生偏多的喜爱爱情片的人中果然也是护士、老师等女性职业偏多；反观男生偏多的喜爱动作片人群里IT、工程师等占到大部分，但是最明显的还是学生党队伍，学生还是空余时间较多，所以电影宣传人员可以多在各大高校进行推广，召开见面会等。

（6）地域分布

可以看出一些大城市的人们在忙碌的工作之余都喜欢用看电影来放松心情，娱乐一下，电影方工作人员是不是可以在大城市多排一些片场，来促进票房增长。

从上面简单的案例我们就可以看出用户画像使产品的服务对象更加聚焦，更加专注，能更好的满足客户的需求，实现精准营销，并提升公司的经营效益。

目录：

一、概念

二、目的

三、用法和具体应用场景

四、如何构建

用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析得来的高度精炼的特征标识。

User Persona和User Profile似乎都可以译成用户画像，本文讨论的是User Persona，区分如下：

产品经理通过调研（问卷、访谈等）找出用户（目标、行为、观点上）的共性与差异，将其区分为不同类型，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、场景描述，构建出人物原型。它让产品经理做设计时抛开个人喜好——“为具体的用户做设计，要远远优于为脑中虚构的人物做设计。”

Alan Cooper（交互设计之父）最早提出Persona的概念：“Personas are a concrete representation of target users.”  Persona是目标用户的具体表示，是建立在真实数据上的目标用户模型。Persona是为产品设计服务的，关注焦点在用户行为、动机、态度上。

Profile的标签是每个用户独有的，是利用已获得的数据，勾勒用户偏好的数据分析方法。猜测这个用户是男是女，生活工作所在地，喜欢哪个明星，要买什么东西等。这些数据为运营人员实现精准营销、个性化推荐、获取、挽留客户提供了依据。对电商、金融行业、内容类产品（知乎、豆瓣、微博、短视频等）尤为重要。

在知乎上有一个与此相关的帖子 User Persona 和 User Profile

1.精准营销，分析产品潜在用户，针对特定群体利用短信邮件等方式进行营销；

2.用户统计，比如中国大学购买书籍人数 TOP10，全国分城市奶爸指数；

3.数据挖掘，构建智能推荐系统，利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌，利用聚类算法分析，喜欢红酒的人年龄段分布情况；

4.进行效果评估，完善产品运营，提升服务质量，其实这也就相当于市场调研、用户调研，迅速下定位服务群体，提供高水平的服务；

5.对服务或产品进行私人定制，即个性化的服务某类群体甚至每一位用户（个人认为这是目前的发展趋势，未来的消费主流）。比如，某公司想推出一款面向5－10岁儿童的玩具，通过用户画像进行分析，发现形象＝“喜羊羊”、价格区间＝“中等”的偏好比重最大，那么就给新产品提供类非常客观有效的决策依据。

6.业务经营分析以及竞争分析，影响企业发展战略

用户画像在阶段和目标不同的时候承担的使命也不尽相同，咱们分别针对三个阶段来说说用户画像的意义：

1.初创期：产品还未定型

这个阶段往往指的是公司刚刚创立，产品还未成形，需要通过用户画像来定义产品模式与功能的阶段，这个阶段你需要做大量偏宏观的调研，明确你的产品切入的是哪一个细分市场，这个细分市场中的人群又有哪些特点，他们喜欢什么，不喜欢什么，平均消费水平怎么样，每天的时间分配是怎么样等等等等。

在这个阶段，你做用户画像的意义在于为你的产品定义一个市场，并且你能够清楚地知道这个市场能不能做，能不能以你现有的产品构思去做，做的过程中会不会出现一些与基本逻辑相违背的问题。如果分析之后可以做，那就立马作出产品原型，小步快跑、试错迭代；如若不行，赶紧换个方向、换个思路。

所以，这个阶段的用户画像意义在于业务经营分析以及竞争分析，影响企业发展战略战略。

2.成长期：产品运营中

在这个阶段你公司产品已经被市场认可，各项数据处于一个上升期。这个时候用户画像所承担的责任就又变了。在这个阶段，你需要通过产品后台所反馈的数据（显性、隐形等，后文会介绍）进行整理，得出一个详细的用户画像，这里不像在初创期那样做泛调查，抓宏观。而是需要改变策略，从细节抓起，从每一次和用户的交互中寻找用户的真实需求。比如，你是做微信运营的，昨天的阅读量和前天相比是多了还是少了？转发数和收藏数都是什么变化？用户留言是增加还是减少？后台反馈怎么样？通过这些对比，你大致就会得出结论，并指导优化往后的工作。如果是产品运营那涉及的数据就更多了，访问数据、打开频率、登录次数、活跃时间等等，结合起来分析，用户的需求会更加明确。

所以，这个阶段的用户画像意义在于精准营销，使产品的服务对象更加聚焦，更加的专注，能更好地满足用户的需求，优化运营手段，并提升公司的经营效益。

3.成熟期：寻求突破口

这个阶段，产品已经很成熟了，公司也已经有了稳定的运作模式，市场地位趋于稳定，日常工作也大多以维护为主。这个时候，用户画像用来干嘛？寻找新的增长点和突破口。

当产品转型时，老用户会有什么样的反应？离开还是成为新的核心用户？新产品预计会有多少用户导入？结合老用户需求，新产品有哪些功能不能被遗弃？

这都是你要考虑的问题，这个阶段的用户画像建议将初创期的泛调查与成长期累积的用户画像结合起来做，这样对于新产品才有一个更好的保障。

用户画像不是拍脑袋想出来的，是建立在系统的调研分析，数据统计基础之上得出的科学结论。

用户画像一般会存在多个，要考虑用户画像的优先级，不能为超过三个以上的用户设计产品，容易产生需求冲突，要分清楚哪些是核心用户，哪些是打酱油用户。

同时，用户画像不是一确定就一成不变的，而是根据实际情况不断修正。

显性画像：即用户群体的可视化的特征描述，如目标用户的年龄、性别、职业、地域、兴趣爱好等特征；

隐性画像：用户内在的深层次的特征描述。包含了用户的产品使用目的、用户偏好、用户需求、产品的使用场景等。

一般分为三个步骤：基础数据采集、分析建模、结果呈现

1）基础数据采集

数据不说谎，是构建用户画像的核心依据，建立在客观数据基础上的用户画像才是有说服力的。

在基础数据采集方面，可以通过列举法，先列举出构建用户画像所需要的基础数据。

具体的思路如下：

当然上面列举的数据纬度相对比较多，在构建用户画像过程中会根据需求进行相关的数据筛选。

在基础资料和数据收集环节我们会通过一手资料和二手资料获取相应的基础数据。

关于通过问卷调查和访谈的形式做用户画像调研：

A.问卷调研

问卷调查第一要考虑样本的数量，其次内容的设计，要考虑研究的目的，毕竟这是一项有目的的研究实践，另外，通过问卷获取的信息，不一定是非常确定的，存在很多变量因素，数据可以作为参考，要以质疑的眼光看待。

B.用户访谈

访谈之前要列好访谈提纲，围绕用户的角度，他的想法，他的行为等角度，具体步骤如下：

在分析访谈结果时，采取关键词提炼法，针对每个用户对每个问题的回答，进行关键词提炼，将共性词汇总，具体思路如下：

2）分析建模

当我们对用户画像所需要的资料和基础数据收集完毕后，需要对这些资料进行分析和加工，提炼关键要素，构建可视化模型。

案例：

有一个网络来源资料，关于95后的用户群体的研究。

通过搜索你可以获取到以下资料（ 基础数据采集 ）：

企额智库《透视95后：新生代社交行为》

QQ空间独家大数据《“95后”新生代社交网络喜好报告》

百度《00后用户移动互联网行为洞察》

中国大数据产业观察《2015年95后生活形态调研报告》

接着，对这些报告进行分析和关键词提炼，概括出整个95后群体标签（ 分析建模 ），具体如下：

3）画像呈现

画像呈现即从显性画像、隐性画像、场景和需求等方面，给用户打标签。

案例：

这一步也要将收集到的信息进行整理和分析并归类，创建出用户角色框架（更全面地反映出用户的状态），然后根据产品侧重点提取出来，进行用户评估分级，并结合用户规模、用户价值和使用频率来划分，确定主要用户、次要用户和潜在用户。

构建用户画像的目的，是为了充分了解用户，为产品设计和运营提供有有价值的参考，为运营战略服务。

一、标签管理系统的应用及其场景

1. 标签系统的定义

用户标签是填充用户画像的核心因素，是将用户在平台内所产生的行为数据，分析提炼后生成具有差异性特征的形容词。在用户与企业互动的过程中，也会主动或者被动留下各种行为数据，企业可以将这些数据抓取并归纳成一个个标签词，就形成了描述用户特征的标签。

2. 标签系统的应用

标签系统主要应用于以下场景：

1、用户特征洞察

用户画像是帮助企业员工了解用户的重要工具，可以辅助业务人员快速获取用户的信息，建立认知，发现用户特征，获得业务灵感。

2、内容精准推送

以客户朋友圈运营为例，运营人员可以指定标签用户可见，让消息精准触达，这样可以实现朋友圈的定向推送。

定期地做一些客户朋友圈、微信群福利活动，定向邀请某个标签的用户参与，提升社群运营效率，并且提升营销的精准性。

如果是固定的文案&营销推送，可以做成自动化，比如会员到期提醒、沉默预警提醒、流失召回等。

3、数据分析

我们可以通过标签做很多维度的分析。

例如以性别维度进行分析统计，以行业进行分析统计，如果以用户的首次来源作为标签，还可以了解用户的渠道信息。用户标签（用户属性）可以作为细分维度支持多视角的数据展示。

4、其他功能应用

除了上述场景以外，用户标签还可以成为其他功能的基础，比如好友裂变功能，智能表单功能等。自动化的业务系统能更有效的利用这些用户标签，从而发挥更巨大的威力。

二、场景标签类型

1. 静态标签与动态标签

按数据的实效性来看，标签可分为静态属性标签与动态属性标签。

静态标签：用户主动提供的数据：指用户不变的基础信息，多为用户固定数据，如姓名、性别、年龄、身高、体重、职业、地区、设备信息、来源渠道等。 静态标签主要用于了解用户的基础需求。

动态标签：存在有效期，需要定期地更新，保证标签的有效性。比如用户的购买力，用户的活跃情况。

三、标签制定建议

---