什么是用户画像，一般用户画像的作用是什么？

可乐的数据分析之路

用户画像并不只是Persona和Profile，还是重要的营销工具。

我从数据运营和业务的角度来写一些你们可能第一次听到的内容。

1. 用户画像属于特征工程

用户画像，不论Persona还是Profile，都是特征工程的典型应用，即通过数据分析和挖掘从用户的各类数据中提取共性特点的过程。

数据是信息的载体，但是原始的数据包含了大量的噪声，信息的表达也不够简练。因此，特征工程的目的，是通过一系列的工程活动，将这些信息使用更高效的编码方式（特征）表示。使用特征表示的信息，信息损失较少，原始数据中包含的规律依然保留。此外，新的编码方式还需要尽量减少原始数据中的不确定因素（白噪声、异常数据、数据缺失… 等等）的影响。

2. 用户画像分为画像和兴趣

工程应用中用户画像分为画像和兴趣，这两者的区别和联系是：

1）用户画像

静态，包括基础属性、地理属性、行为属性等，应用于客群分析和营销活动。

常见的场景：APP应用架构层级的千人千面、营销活动圈定人群。

2）用户兴趣

动态，包括即时兴趣、短期兴趣、长期兴趣等，应用于推荐系统和内容推荐。

常见的场景：搜索栏、商品/内容收藏、购买等。

3. 用户画像落地为标签，但别忘了权重

用户画像通常以标签落地，标签也是特征工程的一种。

但是用户画像的标签上有一些自己的独特之处：

用户画像的标签是参数化标签
用户画像的标签是有权重的

1）什么叫参数化标签？

用户画像在生产标签时，通常会遇见这样的情景：

「偏好电影」：过去3个月看过5场电影的人群

「偏好电影」这个标签背后有严格的口径定义，过去2个月看过10场电影的用户无法打上「偏好电影」这个标签，并且随着业务的变化，「偏好电影」标签的口径需要更新为“过去3个月看过10场电影的人群”，如此，需要宣告作废此标签，并重新加工生产一个新的标签，名字还是「偏好电影」，只不过口径改为“过去3个月看过10场电影的人群”。

显然，不合理。

所以，在90%的业务场景下，用户画像的标签会被改为参数化，即标签口径中可变的部分设置为参数，根据实际业务调整。上述「偏好电影」的标签即可改为：

「偏好电影」：过去N个月看过M场电影的人群

N个月和M场就是这个标签的两个参数。这样「偏好电影」这个标签的灵活性和适应性就非常强，业务使用该标签前只需输入标签需要的参数即可。

2）什么是标签的权重？

用户画像的标签务必、务必、务必记得每个标签都要有权重。如果没有权重，那么用户画像一无是处，和你们丢进碎纸机的废纸别无二致。