前段時(shí)間上了一個(gè)用戶畫像的課程，授課老師是《用戶畫像：方法論與工程化解決方案》的作者趙宏田老師；另外也研讀了一些講述用戶畫像的文章。

基于對(duì)上述學(xué)習(xí)內(nèi)容的理解，同時(shí)結(jié)合工作實(shí)踐，通過本文和大家分享下有關(guān)用戶畫像的認(rèn)知、建設(shè)方法、產(chǎn)品化和應(yīng)用。

1.1   用戶畫像

隨著用戶的一切行為數(shù)據(jù)可以被企業(yè)追蹤到，企業(yè)的關(guān)注點(diǎn)日益聚焦在如何利用大數(shù)據(jù)為經(jīng)營(yíng)分析和精準(zhǔn)營(yíng)銷服務(wù)，而要做精細(xì)化運(yùn)營(yíng)，首先要建立本企業(yè)的用戶畫像。

提到用戶畫像的概念，我們區(qū)分下用戶角色（Persona）和用戶畫像（Profile）：

1.1.1  用戶角色（Persona）

用戶角色本質(zhì)是一個(gè)用以溝通的工具，當(dāng)我們討論產(chǎn)品、需求、場(chǎng)景、用戶體驗(yàn)的時(shí)候，為了避免在目標(biāo)用戶理解上的分歧，用戶角色應(yīng)運(yùn)而生。用戶角色建立在對(duì)真實(shí)用戶深刻理解，及高精準(zhǔn)相關(guān)數(shù)據(jù)的概括之上，虛構(gòu)的包含典型用戶特征的人物形象。如下是一個(gè)典型的用戶角色：

1.1.2  用戶畫像（Profile）

用戶畫像更多被運(yùn)營(yíng)和數(shù)據(jù)分析師使用，精準(zhǔn)營(yíng)銷、經(jīng)營(yíng)分析、個(gè)性化推薦都是基于用戶畫像的應(yīng)用。用戶畫像是各類描述用戶數(shù)據(jù)的變量集合，能夠準(zhǔn)確描述任何一個(gè)真實(shí)用戶。如下是一個(gè)簡(jiǎn)化的用戶畫像：

{  'ID': 123456,   

'姓名': '張建國(guó)',   

'性別': '男',   

'出生年月': 631123200,   

'籍貫': '北京',   

'居住地': '北京',   

'教育背景':

{  '學(xué)校':'北京大學(xué)',       

'專業(yè)': 'CS',       

'入學(xué)年月':1220198400   

}

}

1.2  用戶標(biāo)簽和用戶畫像

1.2.1  用戶標(biāo)簽

用戶標(biāo)簽，即對(duì)用戶某個(gè)維度屬性的描述，具有相互獨(dú)立、可枚舉窮盡的特點(diǎn)。采集業(yè)務(wù)、日志、埋點(diǎn)等數(shù)據(jù)后，經(jīng)過不同統(tǒng)計(jì)方式計(jì)算出用戶屬性、用戶行為、用戶消費(fèi)、風(fēng)險(xiǎn)控制、社交等維度標(biāo)簽。例如：性別、年齡、近30日訪問次數(shù)、購(gòu)買水平、經(jīng)?；钴S時(shí)間段等。有關(guān)用戶標(biāo)簽體系建設(shè)的詳細(xì)描述，見「2 建設(shè)標(biāo)簽和標(biāo)簽體系」章節(jié)。

1.2.2  用戶畫像

構(gòu)建用戶畫像，就是給用戶打上各種維度的標(biāo)簽。從業(yè)務(wù)價(jià)值來說，標(biāo)簽和畫像是類似中間層的系統(tǒng)模塊，為數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)奠定了基礎(chǔ)，可以幫助大數(shù)據(jù)“走出”數(shù)據(jù)倉(cāng)庫，針對(duì)用戶進(jìn)行個(gè)性化推薦、精準(zhǔn)營(yíng)銷等多樣化服務(wù)。有關(guān)用戶畫像系統(tǒng)、落地應(yīng)用的詳細(xì)描述，見「3 用戶畫像產(chǎn)品化」「4 用戶畫像應(yīng)用」「5 用戶畫像實(shí)踐案例」章節(jié)。

1.3  用戶群組和用戶標(biāo)簽

用戶標(biāo)簽和用戶群組是兩個(gè)容易混淆、具有迷惑的概念，下面嘗試區(qū)分：

1.3.1  用戶群組

需要用戶屬性和行為組合，才能圈選出全面的目標(biāo)群體。只有行為數(shù)據(jù)，只能看到這個(gè)人做過什么事，但這個(gè)人是男是女、年齡多大、注冊(cè)多久 、購(gòu)買能力如何等信息都不知道，這樣圈選出的用戶群是有缺陷的，一般不會(huì)直接應(yīng)用于精準(zhǔn)營(yíng)銷場(chǎng)景。

1.3.2  用戶標(biāo)簽

建立用戶標(biāo)簽，不用非要組合用戶屬性和行為事件，單用用戶屬性可以，單用行為事件也可以?；谟脩魧傩?、行為事件計(jì)算出的用戶標(biāo)簽，本質(zhì)也是用戶屬性，或者說用戶屬性本身就是標(biāo)簽。

1.3.3  群組是標(biāo)簽的一種應(yīng)用方式

標(biāo)簽作為一個(gè)中間層系統(tǒng)模塊，在精準(zhǔn)營(yíng)銷場(chǎng)景，往往不會(huì)只使用一個(gè)標(biāo)簽進(jìn)行推送，更多情況下需要組合多個(gè)標(biāo)簽來滿足業(yè)務(wù)上對(duì)人群的定義，見下圖：

這里通過一個(gè)場(chǎng)景來介紹基于用戶標(biāo)簽圈選用戶群組的應(yīng)用。某女裝大促活動(dòng)期間，渠道運(yùn)營(yíng)人員需要篩選出平臺(tái)上的優(yōu)質(zhì)用戶，并通過短信、郵件、Push等渠道進(jìn)行營(yíng)銷。

第1步：通過圈選“瀏覽”“收藏”“加購(gòu)”“購(gòu)買”“搜索”與該女裝相關(guān)品類的標(biāo)簽來篩選出可能對(duì)該女裝感興趣的潛在用戶

第2步：組合其他標(biāo)簽（如“性別”“消費(fèi)金額”“活躍度”等）篩選出對(duì)應(yīng)的高質(zhì)量用戶群，推送到對(duì)應(yīng)渠道。

因此，將用戶屬性、行為事件數(shù)據(jù)抽象成標(biāo)簽后，可通過組合標(biāo)簽方式找到目標(biāo)潛在用戶人群。從這個(gè)角度理解，用戶群組是用戶標(biāo)簽應(yīng)用的一種方式。 

2.1  標(biāo)簽的分類

標(biāo)簽本身會(huì)有很多分類方式，但從標(biāo)簽的實(shí)現(xiàn)規(guī)則來看，大致可以分為以下3種類型：① 統(tǒng)計(jì)類標(biāo)簽、② 規(guī)則類標(biāo)簽、③ 機(jī)器學(xué)習(xí)挖掘類標(biāo)簽。

2.1.1 統(tǒng)計(jì)類標(biāo)簽

這類標(biāo)簽是最為基礎(chǔ)也最為常見的標(biāo)簽類型，例如，對(duì)于某個(gè)用戶來說，其性別、年齡、城市、星座、近7日活躍時(shí)長(zhǎng)、近7日活躍天數(shù)、近7日活躍次數(shù)等字段可以從用戶注冊(cè)數(shù)據(jù)、用戶訪問、消費(fèi)數(shù)據(jù)中統(tǒng)計(jì)得出。該類標(biāo)簽構(gòu)成了用戶畫像的基礎(chǔ)。 

2.1.2  規(guī)則類標(biāo)簽

該類標(biāo)簽基于用戶行為、用戶屬性和確定的規(guī)則產(chǎn)生。例如，對(duì)平臺(tái)上“消費(fèi)活躍”用戶這一口徑的定義為“近30天交易次數(shù)≥2”。在實(shí)際開發(fā)畫像的過程中，由于運(yùn)營(yíng)人員對(duì)業(yè)務(wù)更為熟悉，而數(shù)據(jù)人員對(duì)數(shù)據(jù)的結(jié)構(gòu)、分布、特征更為熟悉，因此規(guī)則類標(biāo)簽的規(guī)則由運(yùn)營(yíng)人員和數(shù)據(jù)人員共同協(xié)商確定。

2.1.3  機(jī)器學(xué)習(xí)挖掘類標(biāo)簽

該類標(biāo)簽通過機(jī)器學(xué)習(xí)挖掘產(chǎn)生，用于對(duì)用戶的某些屬性或某些行為進(jìn)行預(yù)測(cè)判斷。例如，根據(jù)一個(gè)用戶的行為習(xí)慣判斷該用戶是男性還是女性、根據(jù)一個(gè)用戶的消費(fèi)習(xí)慣判斷其對(duì)某商品的偏好程度。該類標(biāo)簽需要通過算法挖掘產(chǎn)生。

在項(xiàng)目工程實(shí)踐中，一般統(tǒng)計(jì)類和規(guī)則類的標(biāo)簽即可以滿足應(yīng)用需求，在開發(fā)中占有較大比例。機(jī)器學(xué)習(xí)挖掘類標(biāo)簽多用于預(yù)測(cè)場(chǎng)景，如判斷用戶性別、用戶購(gòu)買商品偏好、用戶流失意向等。一般地，機(jī)器學(xué)習(xí)標(biāo)簽開發(fā)周期較長(zhǎng)，開發(fā)成本較高，因此其開發(fā)所占比例較小。

事實(shí)上，最終標(biāo)簽體系中是以用戶視角定義的，需要結(jié)合具體的業(yè)務(wù)。比如某電商業(yè)務(wù)標(biāo)簽分類，用戶屬性維度標(biāo)簽、用戶行為維度標(biāo)簽、用戶消費(fèi)維度標(biāo)簽、風(fēng)險(xiǎn)控制維度標(biāo)簽、社交屬性維度標(biāo)簽。

2.2  標(biāo)簽建設(shè)流程

下圖是一個(gè)標(biāo)簽建設(shè)流程，會(huì)側(cè)重產(chǎn)品經(jīng)理視角，主要描述需求的分析過程和產(chǎn)出文檔，同時(shí)對(duì)標(biāo)簽的開發(fā)原理進(jìn)行簡(jiǎn)單總結(jié)。

2.2.1  需求收集與分析

在需求收集與分析環(huán)節(jié)，可以按還原業(yè)務(wù)流程——明確商業(yè)目的——從策略推標(biāo)簽——匯聚標(biāo)簽的步驟開展。

某服裝零售商，通過布局線上商城和線下實(shí)體店來擴(kuò)大經(jīng)營(yíng)。線上的話，主要是通過微信公眾號(hào)引流到小程序，然后在小程序完成交易。下面通過該服裝零售案例，具體描述下，如何進(jìn)行標(biāo)簽需求的收集與分析：

1、識(shí)別分析業(yè)務(wù)流程和業(yè)務(wù)場(chǎng)景觸點(diǎn)

用戶畫像是基于業(yè)務(wù)的，因此，構(gòu)建標(biāo)簽的第一個(gè)步驟就是識(shí)別與分析用戶的決策流程和業(yè)務(wù)場(chǎng)景，以便快速熟悉業(yè)務(wù)。參考下方案例業(yè)務(wù)流程的還原：

首先是通過各種場(chǎng)景被吸引來的微信用戶關(guān)注公眾號(hào)成為了粉絲，然后公眾號(hào)運(yùn)營(yíng)人員會(huì)給微信粉絲推送圖文消息進(jìn)行粉絲運(yùn)營(yíng)，同時(shí)把粉絲引流到小程序商城，公眾號(hào)粉絲最終會(huì)在小程序商城成交轉(zhuǎn)化。在整個(gè)過程中，公眾號(hào)運(yùn)營(yíng)人員會(huì)持續(xù)進(jìn)行微信粉絲的維護(hù)和流失粉絲的挽回等運(yùn)營(yíng)工作。

此處推薦：

1. 《有效需求分析》中詳細(xì)需求篇業(yè)務(wù)功能支持主線需求分析方法

2、明確每個(gè)業(yè)務(wù)場(chǎng)景觸點(diǎn)的商業(yè)目的

這一步基于之前對(duì)業(yè)務(wù)流程的梳理，洞察業(yè)務(wù)問題，明確想要達(dá)到什么商業(yè)目的，并對(duì)商業(yè)目的進(jìn)行拆分。參考下方案例從明確整體商業(yè)目標(biāo)，到商業(yè)目標(biāo)拆解和量化的過程：

O：假設(shè)該服裝零售商線上的布局已經(jīng)比較完善，現(xiàn)階段的首要商業(yè)目的就是提升銷售金額，因此“提升銷售金額”就是該零售電商的北極星指標(biāo)，那么提升流量、提升轉(zhuǎn)化率、提升客單價(jià)、提升復(fù)購(gòu)率就是拆解后的核心指標(biāo)。

S：此處假設(shè)想要提升進(jìn)入小程序商城的流量，可以采取的策略也很多。比如，通過掃碼關(guān)注后推送優(yōu)惠券方式吸引更多的微信用戶關(guān)注成為粉絲；再比如，產(chǎn)出更高質(zhì)量微信圖文，更好的運(yùn)營(yíng)微信私域流量。

M：緊接上一步，針對(duì)推送優(yōu)惠券吸引用戶關(guān)注公眾號(hào)這個(gè)策略，我們可以重點(diǎn)關(guān)注通過掃碼方式關(guān)注公眾號(hào)比率、取關(guān)的比率，新舊粉絲的比率。

此處推薦：

1. OSM模型（Objective、Strategy、Measurement）

2. 銷售公式=流量*轉(zhuǎn)化率*客單價(jià)*復(fù)購(gòu)率

3、從商業(yè)目的導(dǎo)向運(yùn)營(yíng)策略設(shè)計(jì)及用戶標(biāo)簽需求

針對(duì)不同商業(yè)目的，對(duì)標(biāo)簽體系的建設(shè)也是不一樣的，因此要從運(yùn)營(yíng)策略推導(dǎo)出標(biāo)簽。比如業(yè)務(wù)部門要做個(gè)性化推薦，做關(guān)于物或者人的興趣、偏好的標(biāo)簽會(huì)比較有價(jià)值；但是如果要做精細(xì)化運(yùn)營(yíng)，關(guān)于用戶的留存、活躍標(biāo)簽會(huì)更有價(jià)值。參考下方用戶標(biāo)簽選用的案例：

把提升掃碼方式關(guān)注率作為量化的目標(biāo)，選用的運(yùn)營(yíng)策略是通過推送優(yōu)惠券方式吸引微信用戶掃碼，新粉絲掃碼關(guān)注后推送100元優(yōu)惠券，老粉絲掃碼后推送50元優(yōu)惠券，那么執(zhí)行運(yùn)營(yíng)策略過程中需要用到“是否新粉絲”這個(gè)標(biāo)簽。

在此階段，可以準(zhǔn)備一個(gè)簡(jiǎn)單的記錄溝通內(nèi)容的Excel模板，列表頭包括標(biāo)簽名、標(biāo)簽規(guī)則、使用場(chǎng)景等，和業(yè)務(wù)方一起把溝通內(nèi)容記錄下來。

4、組織標(biāo)簽

關(guān)于組織標(biāo)簽，需要基于對(duì)業(yè)務(wù)和策略的理解，以用戶視角進(jìn)行分類管理。下面是一個(gè)參考框架：

（1）用戶屬性類標(biāo)簽：性別、年齡、省份、城市、注冊(cè)日期、手機(jī)號(hào)碼等

（2）用戶行為類標(biāo)簽：近30日訪問次數(shù)、近30日客單價(jià)、近30日活躍天數(shù)、近30日訪問時(shí)長(zhǎng)、平均訪問深度等

（3）用戶消費(fèi)類標(biāo)簽：收入狀況、購(gòu)買力水平、已購(gòu)商品、購(gòu)買渠道偏好、最后購(gòu)買時(shí)間、購(gòu)買頻次等

（4）商品品類類標(biāo)簽：高跟鞋、靴子、襯衫、法式連衣裙、牛仔褲等

（5）社交屬性類標(biāo)簽：經(jīng)?；钴S的時(shí)間段、活躍地點(diǎn)、單身、評(píng)價(jià)次數(shù)、好評(píng)度等

2.2.2  產(chǎn)出標(biāo)簽需求文檔

經(jīng)過前面的需求收集與分析，已明確了業(yè)務(wù)方的標(biāo)簽需求。為了順利交付研發(fā)，接下來還需要：撰寫標(biāo)簽體系文檔——根據(jù)標(biāo)簽規(guī)則確定埋點(diǎn)——撰寫數(shù)據(jù)需求文檔。

1、撰寫標(biāo)簽體系文檔

在此環(huán)節(jié)，數(shù)據(jù)產(chǎn)品經(jīng)理需要根據(jù)前期和業(yè)務(wù)方的溝通內(nèi)容，產(chǎn)出具體的標(biāo)簽體系文檔：

（1）標(biāo)簽ID：例如， ATTRITUBE_U_01_001， 其中“ATTRITUBE”為人口屬性主題，“_”后面的”U”為userid維度，“_”后面“01”為一級(jí)歸類，最后面的“001”為該一級(jí)標(biāo)簽下的標(biāo)簽明細(xì)

（2）標(biāo)簽名稱：英文格式名稱，例如，famale

（3）標(biāo)簽漢語：女

（4）標(biāo)簽主題：描述標(biāo)簽所屬的主題，例如，用戶屬性維度標(biāo)簽、用戶行為維度標(biāo)簽、用戶消費(fèi)維度標(biāo)簽

（5）標(biāo)簽層級(jí)ID：標(biāo)簽所屬的層級(jí)，一般會(huì)分為2級(jí)

（6）名稱：與ID對(duì)應(yīng)的名稱

（7）標(biāo)簽類型：統(tǒng)計(jì)類標(biāo)簽、規(guī)則類標(biāo)簽、機(jī)器學(xué)習(xí)算法類標(biāo)簽

（8）更新頻率：實(shí)時(shí)更新、離線T 1更新、單次計(jì)算

（9）標(biāo)簽算法規(guī)則：

1. 需要描述選擇哪張數(shù)據(jù)表中的具體哪個(gè)字段，若需要多張表做關(guān)聯(lián)，還需要說明通過什么字段進(jìn)行join

2. 具體的算法邏輯和統(tǒng)計(jì)周期，比如“近7天支付次數(shù)”，就是需要統(tǒng)計(jì)近7天支付的總次數(shù)。

（10）使用場(chǎng)景描述

（11）排期

（12）開發(fā)人

（13）需求方

（14）優(yōu)先級(jí)

2、根據(jù)標(biāo)簽規(guī)則確定埋點(diǎn)

前面已經(jīng)明確了標(biāo)簽的算法規(guī)則，接下來要進(jìn)一步確定應(yīng)該埋哪些點(diǎn)來采集所需的數(shù)據(jù)，下面是一個(gè)具體案例：

針對(duì)“購(gòu)買商品品類偏好”這個(gè)標(biāo)簽，會(huì)用到點(diǎn)擊下單按鈕事件數(shù)據(jù)，以及商品名稱、商品分類等事件屬性數(shù)據(jù)，那么就需要對(duì)點(diǎn)擊下單按鈕事件進(jìn)行埋點(diǎn)。

3、撰寫數(shù)據(jù)需求文檔

埋點(diǎn)取哪些數(shù)據(jù)已經(jīng)確定了，就需要產(chǎn)出具體的數(shù)據(jù)需求文檔，交付負(fù)責(zé)埋點(diǎn)的開發(fā)同事進(jìn)行埋點(diǎn)取數(shù)了。在數(shù)據(jù)需求文檔，應(yīng)該明確以下內(nèi)容：

（1）埋點(diǎn)名：click_order

（2）埋點(diǎn)顯示名：點(diǎn)擊下單按鈕

（3）上報(bào)時(shí)機(jī)：根據(jù)實(shí)際情況，選擇是何時(shí)進(jìn)行上報(bào)。比如對(duì)于點(diǎn)擊下單事件，可以選擇點(diǎn)擊了下單按鈕時(shí)就進(jìn)行上報(bào)

（4）埋點(diǎn)形式：根據(jù)實(shí)際情況，選擇是客戶端埋點(diǎn)，還是服務(wù)端埋點(diǎn)。比如“購(gòu)買商品品類偏好”標(biāo)簽的下單按鈕點(diǎn)擊事件，因?yàn)橹皇窍肱袛嘤脩魧?duì)購(gòu)買商品的偏好，用戶點(diǎn)擊按鈕后已經(jīng)能說明是否有偏好了，不需要等服務(wù)端返回是否成功的提醒，因此適合采用客戶端埋點(diǎn)形式

（5）屬性名：事件屬性的名稱，比如點(diǎn)擊下單按鈕事件的商品名稱屬性

（6）屬性值：比如襯衫

（7）備注

實(shí)際工作中，撰寫標(biāo)簽體系文檔、根據(jù)標(biāo)簽規(guī)則確定埋點(diǎn)、撰寫數(shù)據(jù)需求文檔，會(huì)是一個(gè)互相完善補(bǔ)充的過程。

2.2.3  標(biāo)簽的開發(fā)

在整個(gè)工程化方案中，系統(tǒng)依賴的基礎(chǔ)設(shè)施包括Spark、Hive、HBase、Airflow、MySQL、Redis、Elasticsearch。除去基礎(chǔ)設(shè)施外，系統(tǒng)主體還包括ETL作業(yè)、用戶畫像主題建模、標(biāo)簽結(jié)果數(shù)據(jù)在應(yīng)用端的存儲(chǔ)3個(gè)重要組成部分。如圖所示是用戶畫像數(shù)倉(cāng)架構(gòu)圖，下面對(duì)其進(jìn)行簡(jiǎn)單介紹。

1、Hive數(shù)據(jù)倉(cāng)庫ETL作業(yè)

下方虛線框中為常見的數(shù)據(jù)倉(cāng)庫ETL加工流程，也就是將每日的業(yè)務(wù)數(shù)據(jù)、日志數(shù)據(jù)、埋點(diǎn)數(shù)據(jù)等經(jīng)過ETL過程，加工到數(shù)據(jù)倉(cāng)庫對(duì)應(yīng)的ODS層、DW層、DM層中。

2、Hive數(shù)據(jù)倉(cāng)庫用戶畫像主題建模

中間的虛線框即為用戶畫像建模的主要環(huán)節(jié)，會(huì)對(duì)基于數(shù)據(jù)倉(cāng)庫ODS層、DW層、DM層中與用戶相關(guān)數(shù)據(jù)進(jìn)行二次建模加工。

3、標(biāo)簽結(jié)果數(shù)據(jù)在應(yīng)用端的存儲(chǔ)

在用戶畫像主題建模過程中，會(huì)將用戶標(biāo)簽計(jì)算結(jié)果寫入Hive，由于不同數(shù)據(jù)庫有不同的應(yīng)用場(chǎng)景，下面分別進(jìn)行描述：

（1）MySQL

作為關(guān)系型數(shù)據(jù)庫，在用戶畫像中可用于元數(shù)據(jù)管理、監(jiān)控預(yù)警數(shù)據(jù)、結(jié)果集存儲(chǔ)等應(yīng)用中。下面詳細(xì)介紹這3個(gè)應(yīng)用場(chǎng)景：

1. 元數(shù)據(jù)管理：

   MySQL具有更快的讀寫速度，平臺(tái)標(biāo)簽視圖中（Web端產(chǎn)品）的標(biāo)簽元數(shù)據(jù)可以維護(hù)在MySQL關(guān)系數(shù)據(jù)庫中，便于標(biāo)簽的編輯、查詢和管理。

2. 監(jiān)控預(yù)警數(shù)據(jù)：

   在對(duì)畫像的數(shù)據(jù)監(jiān)控中，調(diào)度流每跑完相應(yīng)的模塊，就將該模塊的監(jiān)控?cái)?shù)據(jù)插入MySQL中，當(dāng)校驗(yàn)任務(wù)判斷達(dá)到觸發(fā)告警閾值時(shí)，就觸發(fā)告警。

3. 結(jié)果集存儲(chǔ)：

   存儲(chǔ)多維透視分析用的標(biāo)簽、圈人服務(wù)用的用戶標(biāo)簽、當(dāng)日記錄各標(biāo)簽數(shù)量等。

（2）HBase

與Hive不同的是，HBase能夠在數(shù)據(jù)庫上實(shí)時(shí)運(yùn)行，而不是跑MapReduce任務(wù)，適合進(jìn)行大數(shù)據(jù)的實(shí)時(shí)查詢。下面通過一個(gè)案例來介紹HBase在畫像系統(tǒng)中的應(yīng)用場(chǎng)景和工程化實(shí)現(xiàn)方式：

某渠道運(yùn)營(yíng)人員為促進(jìn)未注冊(cè)的新安裝用戶注冊(cè)、下單，計(jì)劃通過App首頁彈窗發(fā)放紅包或優(yōu)惠券的方式進(jìn)行引導(dǎo)。每天畫像系統(tǒng)的ETL調(diào)度完成后對(duì)應(yīng)人群數(shù)據(jù)就被推送到廣告系統(tǒng)（HBase數(shù)據(jù)庫進(jìn)行存儲(chǔ)）。滿足條件的新用戶來訪App時(shí)，由在線接口讀取HBase數(shù)據(jù)庫，在查詢到該用戶時(shí)為其推送該彈窗。

（3）Elasticsearch

是一個(gè)開源的分布式全文檢索引擎，可以近乎實(shí)時(shí)地存儲(chǔ)、檢索數(shù)據(jù)。對(duì)于用戶標(biāo)簽查詢、用戶人群計(jì)算、用戶群多維透視分析這類對(duì)響應(yīng)時(shí)間要求較高的場(chǎng)景，也可以考慮選用Elasticsearch進(jìn)行存儲(chǔ)。

2.2.4  標(biāo)簽發(fā)布與效果追蹤

通過開發(fā)測(cè)試，上線后需要持續(xù)追蹤標(biāo)簽應(yīng)用效果及業(yè)務(wù)方反饋，調(diào)整優(yōu)化模型及相關(guān)權(quán)重配置。 

從業(yè)務(wù)價(jià)值來說，標(biāo)簽和畫像類似一個(gè)為前臺(tái)服務(wù)提供數(shù)據(jù)支持的中間層系統(tǒng)模塊。開發(fā)完畫像標(biāo)簽數(shù)據(jù)，如果只是“躺在”數(shù)據(jù)倉(cāng)庫中，并不能發(fā)揮更大的業(yè)務(wù)價(jià)值。只有將畫像數(shù)據(jù)產(chǎn)品化后才能以標(biāo)準(zhǔn)方式提升數(shù)據(jù)處理鏈路上各個(gè)環(huán)節(jié)的效率，同時(shí)也更便于業(yè)務(wù)方使用。下面分別從產(chǎn)品化后涵蓋的標(biāo)簽生產(chǎn)架構(gòu)和功能模塊兩個(gè)角度進(jìn)行總結(jié)：

3.1  用戶畫像產(chǎn)品系統(tǒng)架構(gòu)

下圖是一個(gè)用戶畫像產(chǎn)品系統(tǒng)的結(jié)構(gòu)圖，數(shù)據(jù)是從左到右的，主要包括數(shù)據(jù)采集、數(shù)據(jù)接入、數(shù)據(jù)整合/標(biāo)簽計(jì)算、標(biāo)簽應(yīng)用4個(gè)層級(jí)。下面嘗試對(duì)其進(jìn)行簡(jiǎn)單描述：

3.1.1  數(shù)據(jù)采集

在數(shù)據(jù)采集模塊，主要通過客戶端/服務(wù)端SDK、導(dǎo)入、對(duì)接第三方應(yīng)用3種埋點(diǎn)方式進(jìn)行日志數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、第三方數(shù)據(jù)的采集。

1、SDK

（1）客戶端SDK：通過客戶端SDK埋點(diǎn)，可以采集iOS、Android、小程序、網(wǎng)站等各種客戶端的用戶行為數(shù)據(jù)和用戶屬性信息。

（2）服務(wù)端SDK：若數(shù)據(jù)已經(jīng)存在數(shù)據(jù)庫、數(shù)據(jù)倉(cāng)庫，比如訂單信息，可以使用對(duì)應(yīng)開發(fā)語言的服務(wù)端SDK進(jìn)行數(shù)據(jù)的采集。

2、Importer

可以根據(jù)運(yùn)行環(huán)境、源數(shù)據(jù)格式、導(dǎo)入數(shù)據(jù)量的大小等影響因素，選擇不同大導(dǎo)入方式，把歷史文件數(shù)據(jù)導(dǎo)進(jìn)用戶畫像產(chǎn)品系統(tǒng)。

3、Link

針對(duì)不同第三方產(chǎn)品OpenAPI的特點(diǎn)，采用接收事件消息推送、或主動(dòng)輪詢方式采集用戶在不同第三方應(yīng)用系統(tǒng)的個(gè)人屬性和行為事件數(shù)據(jù)。

3.1.2  數(shù)據(jù)接入

埋點(diǎn)數(shù)據(jù)先大量進(jìn)入Kafka，然后慢慢消費(fèi)接入后續(xù)的數(shù)據(jù)整合存儲(chǔ)系統(tǒng)。

3.1.3  數(shù)據(jù)整合/標(biāo)簽計(jì)算

在用戶畫像系統(tǒng)中，主要使用Hive作為數(shù)據(jù)倉(cāng)庫，進(jìn)行ETL處理，開發(fā)相應(yīng)的用戶屬性表和用戶行為表，以及標(biāo)簽的計(jì)算。

1、數(shù)據(jù)整合

各種渠道接進(jìn)來的數(shù)據(jù)，存在孤立、空值、格式不對(duì)應(yīng)、超過極限范圍等數(shù)據(jù)質(zhì)量問題，因此需要進(jìn)行臟數(shù)據(jù)清洗、格式轉(zhuǎn)換、用戶識(shí)別與合并等整合工作：

（1）Clean/Transform

1. Clean：

   比如，某個(gè)用戶的出生年月時(shí)間是未來的某個(gè)日期時(shí)刻，因此就需要把這類臟數(shù)據(jù)給過濾掉

2. Transform：

   比如，通過某個(gè)第三方應(yīng)用API獲取到的所有用戶的地區(qū)信息是IPB標(biāo)準(zhǔn)編碼形式，為了能和其他渠道的信息一起進(jìn)行分析，就需要根據(jù)IPB標(biāo)準(zhǔn)編碼轉(zhuǎn)換成標(biāo)準(zhǔn)的省、市格式

（2）Id Mapping

1. 各個(gè)渠道接進(jìn)來的用戶屬性數(shù)據(jù)、行為事件數(shù)據(jù)等都是孤立的，為了能計(jì)算用戶的全方位的綜合標(biāo)簽，就需要做用戶的識(shí)別合并，比如通過unionID，識(shí)別合并綁定在同一微信開放平臺(tái)的公眾號(hào)、小程序、網(wǎng)站的同一個(gè)用戶的信息。

經(jīng)過數(shù)據(jù)整合處理，數(shù)據(jù)會(huì)進(jìn)入下面的數(shù)據(jù)模型中：

2、標(biāo)簽計(jì)算

在用戶畫像系統(tǒng)，會(huì)做一套批量離線的標(biāo)簽處理引擎，依賴的是底層比較穩(wěn)定的數(shù)據(jù)結(jié)構(gòu)。這個(gè)標(biāo)簽引擎一邊讀事件數(shù)據(jù)，一邊讀用戶的屬性數(shù)據(jù)，再配合上特定的標(biāo)簽規(guī)則，做一個(gè)批量計(jì)算，最后生成用戶標(biāo)簽。

3.1.4  標(biāo)簽應(yīng)用

標(biāo)簽的應(yīng)用主要分為前端畫像展示、通過API接入其他系統(tǒng)兩大類應(yīng)用方式，通過下面的「3.2 用戶畫像產(chǎn)品化功能模塊」章節(jié)具體描述。

3.2  用戶畫像產(chǎn)品功能模塊

3.2.1  系統(tǒng)看板

通常用戶畫像系統(tǒng)的數(shù)據(jù)看板，以可視化形式展示企業(yè)的核心用戶數(shù)據(jù)資產(chǎn)情況或者重點(diǎn)關(guān)注的人群數(shù)據(jù)。旨在建立和統(tǒng)一使用者對(duì)企業(yè)數(shù)據(jù)資產(chǎn)或者核心人群數(shù)據(jù)的基礎(chǔ)認(rèn)知，主要分成以下幾類：

1、用戶量級(jí)及變化趨勢(shì)：不同設(shè)備類型ID量級(jí)、不同類型用戶量級(jí)(如注冊(cè)與非注冊(cè)用戶、付費(fèi)與非付費(fèi)用戶等)；

2、標(biāo)簽資產(chǎn)：按主要類目統(tǒng)計(jì)標(biāo)簽個(gè)數(shù)等； 

3、核心用戶標(biāo)簽：展示固有或自定義人群的關(guān)鍵標(biāo)簽畫像數(shù)據(jù)等；

3.2.2  標(biāo)簽管理

供業(yè)務(wù)人員進(jìn)行標(biāo)簽的增、刪、改、查等操作，包含：標(biāo)簽分類、新建標(biāo)簽、標(biāo)簽審核、標(biāo)簽上下架、標(biāo)簽覆蓋人數(shù)監(jiān)控等。

基于用戶行為數(shù)據(jù)、用戶屬性數(shù)據(jù)，通過設(shè)置標(biāo)簽規(guī)則創(chuàng)建標(biāo)簽：

3.2.3  單用戶畫像

主要能力包含通過輸入用戶ID，來查看單用戶畫像的詳情數(shù)據(jù)，如用戶的屬性信息、用戶行為等數(shù)據(jù)。

3.2.4  用戶分群和用戶群畫像

1、用戶分群

用戶分群功能主要是面向業(yè)務(wù)人員使用。產(chǎn)品經(jīng)理、運(yùn)營(yíng)、客服等業(yè)務(wù)人員在應(yīng)用標(biāo)簽時(shí)，可能不僅僅只查看某一個(gè)標(biāo)簽對(duì)應(yīng)的人群情況，更多地可能需要組合多個(gè)標(biāo)簽來滿足其在業(yè)務(wù)上對(duì)人群的定義。例如：組合“過去7天領(lǐng)取優(yōu)惠券次數(shù)大于1次”、“活動(dòng)活躍度等于高和極高”、“女性”用戶這3個(gè)標(biāo)簽定義目標(biāo)人群，查看該類人群覆蓋的用戶量。

2、用戶群畫像

和用戶分群功能相似，用戶群畫像功能首先也需要組合標(biāo)簽圈定用戶群體，不同之處在于用戶群畫像功能支持從多個(gè)維度去分析圈定用戶群體的特征，而用戶分群功能側(cè)重的是將篩選出來的用戶群推送到各業(yè)務(wù)系統(tǒng)中，提供服務(wù)支持。

3.2.5  BI分析

BI平臺(tái)和這些數(shù)據(jù)打通后，可以豐富數(shù)據(jù)的維度，支持通過多種分析模型進(jìn)行更加豐富和深層的分析及對(duì)比。

3.2.6   OpenAPI

OpenAPI能夠保障畫像系統(tǒng)數(shù)據(jù)與各系統(tǒng)之間打通，如push推送系統(tǒng)、營(yíng)銷系統(tǒng)、廣告系統(tǒng)、推薦系統(tǒng)、BI等平臺(tái)，并且保證各系統(tǒng)數(shù)據(jù)的實(shí)時(shí)更新，避免同源不同數(shù)的問題。

前面提到過用戶畫像主要有：經(jīng)營(yíng)分析、精準(zhǔn)營(yíng)銷、個(gè)性化推薦與服務(wù)3個(gè)方面的應(yīng)用。具體又可以分為：

4.1  經(jīng)營(yíng)分析

用戶畫像系統(tǒng)的標(biāo)簽數(shù)據(jù)通過API進(jìn)入分析系統(tǒng)后，可以豐富分析數(shù)據(jù)的維度，支持進(jìn)行多種業(yè)務(wù)對(duì)象的經(jīng)營(yíng)分析。下面總結(jié)的是一些市場(chǎng)、運(yùn)營(yíng)、產(chǎn)品人員分析時(shí)會(huì)關(guān)注的指標(biāo)：

4.1.1  流量分析

1、流量來源

2、流量數(shù)量：UV、PV

3、流量質(zhì)量：瀏覽深度（UV、PV）、停留時(shí)長(zhǎng)、來源轉(zhuǎn)化、ROI（投資回報(bào)率，return on investment）

4.1.2  用戶分析

1、用戶數(shù)量：新用戶數(shù)、老用戶數(shù)、新/老用戶數(shù)量比

2、用戶質(zhì)量：新增用戶數(shù)（App啟動(dòng)）、活躍用戶數(shù)（App啟動(dòng)）、用戶留存（App啟動(dòng)-App啟動(dòng)）、用戶參與度、沉睡、客單價(jià)

4.1.3  商品分析

1、商品動(dòng)銷：GMV、客單價(jià)、下單人數(shù)、取消購(gòu)買人數(shù)、退貨人數(shù)、各端復(fù)購(gòu)率、購(gòu)買頻次分布、運(yùn)營(yíng)位購(gòu)買轉(zhuǎn)化

2、商品品類：支付訂單情況（次數(shù)、人數(shù)、趨勢(shì)、復(fù)購(gòu)）、訪購(gòu)情況、申請(qǐng)退貨情況、取消訂單情況、關(guān)注情況

4.1.4  訂單分析

1、訂單指標(biāo)：總訂單量、退款訂單量、訂單應(yīng)付金額、訂單實(shí)付金額、下單人數(shù)

2、轉(zhuǎn)化率指標(biāo)：新增訂單/訪問UV、有效訂單/訪問UV

4.1.5  渠道分析

1、用戶活躍

（1）活躍用戶：UV、PV

（2）新增用戶：注冊(cè)量、注冊(cè)同環(huán)比

2、用戶質(zhì)量

（1）留存：次日/7日/30日留存率

3、渠道收入

（1）訂單：訂單量、日均訂單量、訂單同環(huán)比

（2）營(yíng)收：付費(fèi)金額、日均付費(fèi)金額、金額同環(huán)比

（3）用戶：人均訂單量、人均訂單金額

4.1.6  產(chǎn)品分析

1、搜索功能：搜索人數(shù)/次數(shù)、搜索功能滲透率、搜索關(guān)鍵詞

2、關(guān)鍵路徑漏斗等產(chǎn)品功能設(shè)計(jì)分析

4.2  精準(zhǔn)營(yíng)銷

4.2.1  短信/郵件/push營(yíng)銷

日常生活中我們經(jīng)常會(huì)從許多渠道接收到營(yíng)銷來的信息。一條關(guān)于紅包到賬的短信消息推送可能會(huì)促使用戶打開已經(jīng)很久沒訪問的App，一條關(guān)于心愿單里面圖書降價(jià)的郵件消息推送可能會(huì)刺激用戶打開推送鏈接直接下單購(gòu)買。具體有哪些類型的營(yíng)銷方式呢？大致可以分為以下4類：

1、基于行為營(yíng)銷：產(chǎn)品瀏覽、加入購(gòu)物車、門店掃碼、訂單取消、訂單退貨等

2、基于位置營(yíng)銷：周邊門店、周邊活動(dòng)、常去區(qū)域等

3、基于節(jié)日營(yíng)銷：生日、春節(jié)、雙十一、雙十二、圣誕等

4、基于會(huì)員營(yíng)銷：歡迎入會(huì)、卡券提醒、積分變更、等級(jí)變化、會(huì)員禮遇等

4.2.2  客服話術(shù)

當(dāng)我們?cè)谙蚰称脚_(tái)的客服部門投訴、咨詢或反饋意見時(shí)，客服人員可以準(zhǔn)確的說出我們?cè)谄脚_(tái)的購(gòu)買情況，上一次咨詢問題的處理結(jié)果等信息，針對(duì)性的提出解決方法，對(duì)于高價(jià)值用戶提供VIP客服通道等專項(xiàng)服務(wù)。

4.3  個(gè)性化推薦與服務(wù)

應(yīng)用的運(yùn)營(yíng)者，可以通過個(gè)推用戶畫像中的性別、年齡段、興趣愛好、瀏覽購(gòu)買行為等標(biāo)簽，給用戶推薦不同的內(nèi)容。如今日頭條上的個(gè)性化文章內(nèi)容推薦、抖音上基于用戶畫像做的個(gè)性化視頻內(nèi)容推薦、淘寶上基于用戶瀏覽行為等畫像數(shù)據(jù)做的個(gè)性化商品推薦等。

基于畫像系統(tǒng)去做多方面的數(shù)據(jù)分析、觸達(dá)用戶的運(yùn)營(yíng)方案，可以快速地將標(biāo)簽數(shù)據(jù)應(yīng)用到服務(wù)層（T 1、實(shí)時(shí)應(yīng)用），通過效果分析得到用戶反饋后，幫助迭代營(yíng)銷策略或產(chǎn)品設(shè)計(jì)。下面通過一些實(shí)踐案例來場(chǎng)景化復(fù)現(xiàn)用戶畫像的應(yīng)用點(diǎn)和應(yīng)用方式。

5.1  A/B人群效果測(cè)試

5.1.1  案例背景

某零食類快消商品為在大促活動(dòng)期間獲得較好的銷量，計(jì)劃通過消息推送的方式種草新上市產(chǎn)品、產(chǎn)品的保健功能等系列文章，為大促活動(dòng)造勢(shì)，激發(fā)銷量轉(zhuǎn)化。為了精準(zhǔn)定位目標(biāo)人群流量，渠道運(yùn)營(yíng)人員現(xiàn)在計(jì)劃做兩個(gè)A/B人群效果測(cè)試： 

1、不同內(nèi)容標(biāo)題對(duì)流量的影響； 

2、精準(zhǔn)推送相比普通推送帶來的流量提升。

5.1.2  用戶畫像切入點(diǎn)

整個(gè)項(xiàng)目中需要梳理清楚如何切分AB組流量，如何設(shè)計(jì)好AB組人群規(guī)則和效果監(jiān)測(cè)。下面分步驟介紹畫像系統(tǒng)如何切入AB人群測(cè)試中。 

1、對(duì)AB組用戶做切分 

為了做A/B組測(cè)試，首先需要做好流量的切分，可以使用A/B分配隨機(jī)分流的形式，將用戶劃分為A/B人群。

2、測(cè)試文案標(biāo)題對(duì)流量影響的方案 

某平臺(tái)渠道運(yùn)營(yíng)人員為在大促活動(dòng)期間召回更多用戶來訪App，計(jì)劃在活動(dòng)預(yù)熱期選取少量用戶做一版文案標(biāo)題的AB效果測(cè)試。 

在該測(cè)試方案中，控制組A選取了A路徑、近x天來訪過，且近x天內(nèi)瀏覽/收藏/加購(gòu)過該零食的用戶群，給該批用戶推送零售文案A；對(duì)照組B選取了B路徑、近x天來訪過，且近x天內(nèi)瀏覽/收藏/加購(gòu)過該零食的用戶群，給該批用戶推送零食文案B?？刂平M和對(duì)照組的用戶量相同，但文案不同，后續(xù)監(jiān)控兩組人群的點(diǎn)擊率大小，進(jìn)而分析不同文案對(duì)用戶點(diǎn)擊的影響。 

例如，通過用戶群組功能圈選出A組的用戶，見下圖：

3、精準(zhǔn)推送相比普通推送帶來的流量提升的測(cè)試方案 

在使用畫像系統(tǒng)精細(xì)化推送人群前，某平臺(tái)對(duì)用戶采用無差別推送消息的形式進(jìn)行推送。為了測(cè)試精細(xì)化運(yùn)營(yíng)人群相比無差別運(yùn)營(yíng)帶來的流量提升，渠道運(yùn)營(yíng)人員決定在近期重點(diǎn)運(yùn)營(yíng)的零食營(yíng)銷會(huì)場(chǎng)做一個(gè)AB效果測(cè)試。 

該測(cè)試方案中，控制組A選取了A路徑、近x天來訪過，近x天內(nèi)瀏覽/收藏/加購(gòu)過該零食的用戶群；對(duì)照組B選取了B路徑、近x天來訪過，且沒有類目偏好的用戶群。對(duì)AB組用戶群都消息推送相同的文案，后續(xù)監(jiān)控兩組人群的點(diǎn)擊率大小，進(jìn)而分析精準(zhǔn)營(yíng)銷推送帶來的增長(zhǎng)點(diǎn)大小。

5.1.3  效果分析

在AB組人群消息推送上線后，后續(xù)需要搭建監(jiān)控報(bào)表來監(jiān)測(cè)控制組和測(cè)試組的流量和轉(zhuǎn)化情況，主要關(guān)注下方列表中的指標(biāo)：

例如，使用事件分析模型搭建的AB人群的GMV對(duì)比報(bào)表，見下圖：

5.2  女神節(jié)定向營(yíng)銷

5.2.1  案例背景

某主打女士商品的品牌商，計(jì)劃在女神節(jié)對(duì)不同品類偏好的女神進(jìn)行定向營(yíng)銷。營(yíng)銷信息會(huì)分兩次推送，首次是在當(dāng)天的10:00推送促銷信息，第二次是在當(dāng)天晚上的10:00再統(tǒng)一來一波促銷提醒。最后通過追蹤目標(biāo)受眾的當(dāng)日支付訂單完成率來評(píng)估營(yíng)銷效果。

5.2.2  實(shí)現(xiàn)邏輯

首先基于用戶性別標(biāo)簽、年齡標(biāo)簽圈選出18~40歲，女性的用戶。然后統(tǒng)一延時(shí)至2020－03－08 上午 10:00，根據(jù)用戶品類偏好標(biāo)簽定向推送不同的營(yíng)銷內(nèi)容，比如給品類偏好=彩妝護(hù)膚的人群推送春日美妝節(jié)類的營(yíng)銷信息。第二波推送會(huì)延時(shí)至2020－03－08 下午 10:00 進(jìn)行推送，推送信息為統(tǒng)一的促銷提醒。

5.3  新安裝未注冊(cè)用戶實(shí)時(shí)營(yíng)銷

5.3.1  案例背景

某零食商城App運(yùn)營(yíng)人員為促進(jìn)未注冊(cè)的新安裝用戶注冊(cè)、下單，制定了運(yùn)營(yíng)規(guī)則：新安裝未注冊(cè)用戶打開App時(shí)，通過App彈窗方式為其推送優(yōu)惠券進(jìn)行營(yíng)銷。比如，用戶安裝App后未進(jìn)行注冊(cè)，用戶改天打開后立馬對(duì)其推送App彈窗優(yōu)惠券，以更好地引導(dǎo)用戶完成注冊(cè)、下單。

5.3.2  用戶畫像切入點(diǎn)

渠道運(yùn)營(yíng)人員通過組合用戶標(biāo)簽（如“未注冊(cè)用戶”和“安裝距今天數(shù)”小于××天）篩選出對(duì)應(yīng)的用戶群，然后選擇將對(duì)應(yīng)人群推送到“廣告系統(tǒng)”。這樣每天畫像系統(tǒng)的ETL調(diào)度完成后對(duì)應(yīng)人群數(shù)據(jù)就被推送到HBase數(shù)據(jù)庫進(jìn)行存儲(chǔ)。滿足條件的新用戶來訪App時(shí)，由在線接口讀取HBase數(shù)據(jù)庫，在查詢到該用戶時(shí)為其推送該彈窗。

5.4  某電商再營(yíng)銷廣告

5.4.1  案例背景

某電商App的商品運(yùn)營(yíng)團(tuán)隊(duì)欲提升電子產(chǎn)品的老客復(fù)購(gòu)率、新客下單率，于是選擇了和頭條合作投放再營(yíng)銷廣告。比如，某用戶在該電商App看了vivo手機(jī)，第二天刷今日頭條的時(shí)候，就看到了對(duì)應(yīng)手機(jī)的廣告信息。

5.4.2  實(shí)現(xiàn)邏輯

首先需要保證該電商App和今日頭條的API已經(jīng)打通，然后基于用戶在App內(nèi)行為（瀏覽、收藏、加購(gòu)、搜索等）進(jìn)行算法挖掘產(chǎn)生用戶商品偏好的標(biāo)簽。當(dāng)今日頭條捕獲用戶設(shè)備信息后，就會(huì)向該電商發(fā)送一個(gè)請(qǐng)求，詢問是否需要對(duì)這個(gè)用戶展示廣告。這個(gè)時(shí)候電商平臺(tái)會(huì)判斷該用戶是否是自己的用戶，如果是自己用戶，就會(huì)對(duì)今日頭條返回一個(gè)推薦結(jié)果，那么用戶就會(huì)在今日頭條看到之前瀏覽過的商品信息了，點(diǎn)擊后就可以跳轉(zhuǎn)到電商App內(nèi)的商品詳情頁了。

1、首先，描述了有關(guān)用戶畫像、用戶標(biāo)簽、用戶群組的認(rèn)知性概念；

2、然后，闡述了標(biāo)簽體系的分類、標(biāo)簽建設(shè)的流程和方法；

3、為了說明如何讓“躺在”數(shù)據(jù)倉(cāng)庫中的畫像標(biāo)簽數(shù)據(jù)發(fā)揮更大的業(yè)務(wù)價(jià)值，接下來從系統(tǒng)架構(gòu)、應(yīng)用層功能兩個(gè)角度簡(jiǎn)單總結(jié)了用戶畫像系統(tǒng)的建設(shè)；

4、最后，從經(jīng)營(yíng)分析、精準(zhǔn)營(yíng)銷、個(gè)性化推薦3個(gè)角度總結(jié)了用戶畫像的應(yīng)用，并在實(shí)踐案例部分列舉幾個(gè)用戶畫像實(shí)際應(yīng)用的案例。