什么是用户画像

客户画像:客户信息标签化，完美地抽象出一个客户的信息全貌，可以看作企业应用大数据的根基。
客户画像的核心工作是为客户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？
也可以做数据挖掘工作：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？
大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。

用户标签和用户画像是爬虫。根据相关公开资料显示，用户标签和用户画像是用来勾画用户（用户背景、特征、性格标签、行为场景等）和联系用户需求与产品设计的，一般需要用python语言的爬虫功能来做。用户标签和用户画像是根据用户在互联网留下的种种数据，主动或被动地收集，然后尽可能全面细致地抽出一个用户的信息全貌，从而帮助解决如何把数据转化为商业价值的问题。

前言：当我们见到他人的第一眼时，我们心里会有第一印象：此人文静、礼貌、活泼、穿衣干净整洁等，后续回忆起他人时，脑海中会浮现关于他人的“画像”，我们便知道：噢，原来是他。这些“画像”就像是他人在我们脑海中留下的标签属性一样，帮助我们识别人与人之间的不同，而我们可以借助这些不同“画像”与他人交往时采取不同的相处方式。

在企业中，用户画像的使用也越来越普遍。众所周知，销售人员的业绩高低直接与自身的工资挂钩，毕竟基本工资不高，发家致富全靠奖金提成了。销售人员想让自己提成高？无疑得成单啊，怎么成单？制定计划，寻找目标客户等等，哪些是他们的目标客户？这里便会涉及到用户画像的使用。企业在寻找目标客户时，经过分析会对客户划分各种属性打上标签，让销售人员在有价值的客户上投入更多的精力，毕竟“无用”客户谁也不想花费太多时间精力。

什么是用户画像？相信许多的互联网人并不陌生了，百科上是这样定义的，如下图所示：

在企业实际应用中，我们可简单理解成给客户“贴标签”即客户信息标签化，为什么要给客户“贴标签”？举个简单的例子，购买BI（商业智能）产品时，假设A企业有集团财务分析方面的需求，而B企业有财务报表分析方面的需求，在未给企业打标签的前提下，我们为两企业都提供了财务报表分析方面的解决方案，A企业与B企业哪个客户成单几率更大？显然，若不考虑其他因素，B企业更可能成单，而A企业这客户成单几率渺茫。没有针对性地提供解决方案，会让A企业觉得产品与自身的切合度不高，成单的几率自然不大，但若我们通过用户画像为客户贴上标签，划分好客户群体，有目标地为A提供集团财务分析方面的解决方案，或许更有成单的可能。

1、RFM模型BI分析

为了让销售人员能达成目标，寻找有价值的客户，企业可通过用户画像：按客户的属性分为重点客户、普通客户、战略客户等（一些企业通过会员制度划分客户等级也是相同的道理），如何判断有价值的用户？企业需对过往的销售数据进行分析：哪些客户的购买金额最多，购买品类最多，购买次数最频繁等等，这里企业可以利用RFM模型分析辅助判断客户的价值。

2、业务员销售看板

如上图，业务员的性别、工龄、学历、地域等属性都是用户画像的应用，企业可通过时间、性别、学历等任意维度对业务人员“画像”分析，分析哪些特质的业务员更容易成为销售的潜力股，可为企业招聘时提供参考，招聘更适合的销售人员为企业带来业绩。

3、客户销售看板

如上图所示，这些分析看板为企业呈现了客户的销售行为：客户的成交笔数、物料数、销售额等等，这些也是用户画像的应用。通过BI分析，企业可联动钻取不同地域客户的销售情况，从而对客户有更深的了解。

关于用户画像在BI分析中的应用还有许多，由于篇幅原因，这里不一一举例了。

用户画像无处不在，将用户画像应用在销售中，通过数据分析为客户贴标签，在一定程度上可为企业规避“无用”客户，提高效率，让销售人员聚焦精力投身于更有价值的用户，促进企业达成业绩目标。当然，促成业绩目标达成关键还得销售人员去实践，而为客户“画像”可以更好地辅助企业销售人员寻找目标客户。

阅读原文，了解更多内容~

原文地址： >