1 用户画像是什么

用户画像的英文概念“UserPersona”由Alan Copper最早提出，他认为User Persona是真实用户的虚拟代表，根据用户行为、动机等不同将用户分为不同的类型，从中抽取每类用户的共同特征，并设定名字、照片、场景等要素对其进行描述。而D.Travis在提出用户画像这一概念时给出了7个基本条件:基本性(Primary research)、移情性(Empathy)、真实性(Realistic)、独特性(Singular)、目标性(Objectives)、数量(Number)和应用性(Applicable)，并将这七个特性的首字母组成Persona一词，翻译为中文即为“用户画像”。

2 用户画像的内涵

用户画像的内涵包含三个要素，即用户属性、用户特征、用户标签。

用户属性分为静态属性和动态属性，静态属性指用户的基本信息（如姓名、性别、职业等）及其他相对稳定的属性；动态属性指用户的行为信息（如访问频次、访问时长、浏览记录等）及其他动态属性，用户属性可以自行划分，以此构建更精准的用户画像。

用户特征是通过一定的方法从用户属性中抽取出来的特性或共性。

用户标签是根据用户特征进一步提炼出来的标签化文本，可以精炼准确的表达用户特征，易于理解和应用。

因此，用户画像的实质是标签化的用户全貌，构建用户画像的过程就是基于广泛的用户数据，通过用户属性的分类并利用一定的技术方法抽取得到用户特征，提炼成用户标签，最终得到用户画像。区别于普通的用户研究，用户画像研究更加关注用户整体特征，试图还原用户全貌从而了解用户需求并提供服务。

3 用户画像的构建

首先要进行用户数据收集（如服务环境数据、用户行为数据、信息获取数据等），既包括静态信息数据（如性别、年龄、城市、学历、职称、职业等），又包括动态信息数据（如注册、搜索、浏览、点击、跳转、订单、下载、评价等）用户行为数据；

其次，进行用户角色和行为属性特征抽取（包括用户基础属性标签、角色属性标签、行为属性标签等），通过对优质用户数据进行整合、清洗、认证、管理，记录用户行为轨迹及其变化信息，利用文本挖掘、自然语言处理、机器学习、聚类算法等大数据技术，对事实标签进行用户行为建模；

最后，采用模型预测，分析预测未来用户行为，使用户特征跃然纸上，能够变得可视化、形象化、生动化，据此对用户作出精准判断，为用户提供全方位、人性化、个性化的定向优质服务，方便用户间的认识交流，降低甚至避免用户流失。