用戶畫像是怎麼生成出來的？

01-05

最近看到用戶畫像，原來大致了解了，但是這種圖是怎麼生成的，一直也明白，求大神解疑哈。

謝邀

最近技術方面的問題越來越多，亞歷山大，回答不過來了。

用戶畫像數據維度

　　針對每一類數據實體，進一步分解可落地的數據維度，形成欄位集。

　　1. 用戶數據：

　　用戶自然特徵：性別，年齡，地域，教育水平，出生日期，職業，星座

　　用戶興趣特徵：興趣愛好，使用APP/網站,瀏覽/收藏內容，互動內容，品牌偏好，產品偏好

　　用戶社會特徵:婚姻狀況，家庭情況，社交/信息渠道偏好

　　用戶消費特徵：收入狀況,購買力水平，已購商品，購買渠道偏好，最後購買時間，購買頻次

　　2. 商品數據(以消費電子類為例)：

手機：品牌，顏色，尺寸，電池容量，內存，攝像頭，CPU，材質，散熱，價格區間

筆記本：品牌，屏幕尺寸，配置，顏色，風格，薄厚，價格區間

智能手錶：品牌，功能，材質，電池容量，顏色，風格，價格區間

　　3. 渠道數據(以消費電子類為例)：

　　信息渠道：微信，微博，論壇，SNS，貼吧，新聞網站，諮詢App

　　購買渠道:電商平台，微店，官網，實體店，賣場

你在問題中說，大致知道情況，那用戶畫像的維度或許你也有所了解，可視化工具給你推薦幾個吧：

1、Introducing Visage | Column Five

今年的SXSWReleaseIt的獲勝者，Visage基於Web平台，在ColumnFive，它把表現平平的數據在報告中變成美麗的品牌可視化效果，使信息更具衝擊力，並且使你的工作看起來更高端。易於使用的軟體可以幫助你創建高品質、專業的可視化，並且準確、有效、優雅。「在今年晚些時候，我們曾與Visage的CEO Jason Lankow談過有關該工具的成功運行和未來的計劃。

2、Introducing Landline andStateline：瀏覽器中兩個快速繪製矢量地圖的工具|ProPublica

就像我們最近說，這是ProPublica的一年。在新的工具「front」中，他們的貢獻在於使用Landline的形式。這是一個開源的JavaScript庫，可以把GeoJSON數據轉換成基於瀏覽器的SVG格式的地圖。Stateline是建立在Landline的基礎上，來創造美國州和縣的地區分布圖。完整的文檔在GitHub上。

3、YBY：公民報告的新台階|O ecolab

很高興地看到我們的朋友OEcolab公司在2014年推出這個最新項目。YBY是專註於推動企業建立自己眾包平台的軟體。基本上這是一個協作的地圖平台，用戶可以畫點、多邊形和地區。所有的源代碼是開源的，並可以在GitHub上有效使用。開發團隊渴望得到使用者的反饋，請嘗試一下吧。

4、El Mirador| Fathom

Mirador是一種提供大型資料庫的可視化工具，通過可視化的基本結構，確定解釋變數的群體。上手的最佳方式是閱讀它的使用手冊，並從網頁下載的應用程序後，打開其中一個例子親自操作。

5、Plotly:For Pixel Perfect Charts | http://Visual.ly Blog

Plotly是另一個免費進行數據分析和繪製圖表的APP，建立在d3.js上。如果你沒有編碼器，但希望靈活性和豐富性，d3.js一個很好的選擇。 Plotly圖可下載為SVG，EPS或PNG格式，並簡單地導入到Illustrator或者Photoshop中。

6、Visits:定位歷史和照片的可視化工具 | VisualisingData

在這篇文章中，Andy Kirk討論了visits，由AliceThudt, Sheelagh Carpendale 和 Dominikus Baur創造的新可視化工具，通過瀏覽你的位置歷史，探索你的旅行足跡。該工具是基於卡爾加里大學的一個研究項目。你可以在這裡找到相應的發布。http://innovis.cpsc.ucalgary.ca/innovis/uploads/Publications/Publications/visits.pdf

7、Odyssey.js: 講故事的開源工具 | CartoDB

我們一般會盡量避免同公司談論他們推出的產品，但是當CartoDB提出Odyssey.js這個開源庫，允許記者，設計師和創造者在網路上編織故事，互動式地圖為基礎的敘事開始出現。用戶通過地理位置的切換將每件事情講清楚。這個免費工具的發展歸功於 John S. 和James L. Knight 基金會的支持。

8、Wolfram Programming Cloud Is Live| Wolfram

在慶祝沃爾夫勒姆研究公司推出Mathematica26周年時，這個計算型知識引擎公司推出了WolframProgramming Cloud新產品。這個新的Wolfram語言的產品序列，是專門設計用來讓用戶創建和部署基於雲的計劃。

9、Data Visual

「我們的使命是使數據對每一個人可視化。在我們簡單的用戶界面上，我們使個人和組織能夠輕鬆地創建和分享美麗的可視化。」這是這個數據可視化工具的介紹，他們成為第一個在早期階段加入日報創新實驗室的公司。你可以通過下面的視頻了解這個工具的強大。

datavisual template demo from Danne Woo on Vimeo

10、dimple

DimpleAPI介面用於在D3上進行商業分析，Dimple API可以幫助分析師不需要了解太多技術內容而開發強大的數據可視化效果。dimple的目的是開拓D3在分析上的強大功能和靈活性。Dimple使任何人都能夠開發令人驚嘆的三維圖形效果，這樣你就可以使用他們並運行創造一些非常酷的東西。

11、Turn JS projects into data products anyone can use | Blockspring

BlockSpring是一種可以從『blocks』進行可視化的產品，讓你從你的團隊及世界各地的工程師建立。除了側邊公告有詳細的教程講解如何使用它，而且BlockSpring的報價給你提供的不僅僅是可視化。

當然，也可以自己動手寫，把這個圖按一定閾值劃分成兩個色階，一個需要填充的，一個不需要填充的，填充的部分用標籤填上。如果你對大數據感興趣，歡迎加我們微信：idacker 或者直接掃碼

http://weixin.qq.com/r/JUjbw8TE1JmrrYCg9x03 (二維碼自動識別)

一個一個維度地生成，說白了就是體力活

上圖

局部數據流圖

七步角色法

大家經常會看到這樣的用戶畫像：「事業有成的外企員工，30-40歲，生活方式是……購物習慣是……社交圈是……」

但是，究竟是要為上述這群事業有成的外企員工設計一款車還是一個錢包呢？建立一個有效的用戶畫像，不是單純列舉群像的特徵與共性，而是要針對產品，找到一個目標或者solution。

從服務設計的角度看，在生成用戶畫像時，你需要考慮：這樣的一個角色是如何跟所要設計的產品或所要達成的目標產生關聯的？創建一個Persona的核心，是明確Ta的行為和目標。Ta使用一款產品想達成的目標是什麼？Ta用什麼方式去達成這個目標？

一個典型的Persona = 名字+頭像、行為、人口統計數據、需求、目標

舉個例子，一個老爺爺和一個年輕人，都想要快捷的從A地到B地，他們都選擇了飛機這種交通方式，那麼，因為他們的目的相同，完全可以劃分為同一類人群。

但是，如果年輕人希望的是快捷抵達目的地，老爺爺以舒適旅行為目的，那麼，即便他們都選擇了飛機，但由於兩人選擇飛機的原因和目標不同，也不能歸為同一類人群，而應該是兩個不同的Persona。所有信息都指向產品的使用場景，才是有價值的。

在行為和目標上更進一步，時下已經流行了好一陣子的精益設計（Lean UX），強調了解決方案（solution），這個解決方案可以是目前用戶採取的解決方案，可以是他希望的解決方案，也可以是提供產品／服務的企業希望提供的解決方案，但是他們必須都意在解決用戶面臨的問題（needs／pains）。solution把用戶和企業聯繫的更加緊密，persona也不再是「每天打個照面但是我也不太了解他」的紙片人，而是讓大家能夠明確目標，直擊痛點，專註為用戶創造價值的有力工具。

用戶畫像這個概念在早些年就已經有人提出，只不過當時互聯網技術還沒有如今這麼發達。如今進入到移動互聯網時代，大數據和雲計算技術在國內也得到了充分的發展後，才有基礎和能力開始做用戶畫像。所以，最近用戶畫像又重新回到了我們的視野當中。

用戶畫像的生成過程在我看來是一個將用戶標籤化的過程。用於對這些用戶進行精準而有效地管理，以此來使自身的運營效率得到大幅度的提升。而生成一個用戶畫像最大的困難來自於如何抓取這些用戶的數據。（包括消費習慣，生活習慣等等的一系列結構化數據和非結構化數據）

在原先的PC互聯網時代，互聯網上的用戶留言相對較少，這就使我們對於用戶的數據抓取的困難大大增強。而進入移動互聯網時代後，大城市特有的高節奏生活使得大家的碎片化時間可以得到充分利用。這也給包括微博以及知乎等等互交平台提供了成長的土壤。大量用戶的行為數據通過這些交互平台出現在網上，這就給生成用戶畫像提供了海量的用戶數據以方便我們去為每個客戶進行分類和打標籤。有了數據之後，如何將這些數據進行有效的分析則是第二步最重要的步驟。這時，雲計算就成了必不可少的一項技術。

有了以上的這些要素，用戶畫像就有了實施的可能性。未來，每家企業對自身用戶的管理，用戶畫像都是重中之重。目前，由工信部和天頌科技聯合打造的智能數據挖掘系統。是目前市場唯一一家可以真正做到全網搜索的智能數據挖掘系統，可以滿足各行業對數據挖掘的需求。

這個問題經常被問到，作為一個利益關係者，簡單談一下我司用戶畫像是如何勾畫出來的。

用戶畫像的焦點工作就是為用戶打「標籤」，個燈本身沒有打標籤的數據來源，但母品牌個推因為一直做推送技術的服務，積累了海量的數據，目前個推擁有十六億移動終端覆蓋量（裝下逼：即使加上BAT，這個數量級也能排進中國市場的前三）。

依據所覆蓋的活躍移動終端設備了解到的用戶信息，個推會對人群和場景進行劃分、挖掘，提供用戶年齡、性別、職業、消費水平、興趣愛好、社交特徵等近200種智能精準的人群屬性標籤分類。將用戶的所有標籤綜合來看，基本就可以勾勒出該用戶的立體「畫像」了。同時，勾畫用戶畫像的過程會隨著數據體量的不斷增大而不斷修正，正向影響最終的廣告投放變得更為精準。

今天剛發現的神器

文字雲製作：wordart

https://wordart.com/

支持輸入文字選項
支持對文字重要程度進行排序
支持對文字的顏色及字體大小等進行編輯
支持圖片的套用，繼承圖片元素的顏色
支持上傳套用的圖片

用戶畫像其實是很複雜的，裡面包含很多內容；但構建客戶畫像的核心工作即是給客戶貼「標籤」！

標籤由兩部分組成：

1、根據客戶的行為數據直接得到的

比如：用戶在網站或者APP上主動填寫的數據，嚴格一些平台會要求客戶上傳身份證、學生證、駕駛證等，這樣的數據準確性較高。

2、通過一系列演算法或規則挖掘得到

比如：一個用戶最近開始購買母嬰類商品，奶粉尿布等，那麼可以根據客戶購買的頻次和數量，結合客戶的年齡、性別推斷是否為新媽媽/爸爸。

用戶畫像其實就是希望通過某些手段對用戶做甄別，把他們分成彼此相同或不同的人群或個體，進而區別化提供服務進行觀察分析。

用豆瓣的用戶數據為例，我們刻畫這些人的畫像；首先第一步我認為應該是將他們分成幾類，然後再仔細刻畫，之後精準營銷。

現有一份200多用戶對十部電影的豆瓣評分數據，我們根據這些數據來刻畫幾組用戶畫像。

十部電影分別如下：

動作類：諜影重重5、湄公河行動、血戰鋼鋸嶺、倫敦淪陷；

青春愛情類：北京遇上西雅圖、七月與安生、六弄咖啡館；

動畫類：瘋狂動物城、功夫熊貓3、大魚海棠。

下面就開始進行用戶細分及刻畫：

1、用戶細分

2、具體刻畫

（1）性別比例

跟預想一樣，果然喜歡青春愛情片女生偏多，女生感情比較細膩，多愁善感，如《情遇曼哈頓》（好像挺難看的哈哈）上映時可以精準地推薦給這類女生；動作片確實是男生占多數，男生喜歡動作、場面效果炫酷的電影，能夠激起他們的「英雄情懷」，如《雷神3》上映時可以推薦~

（2）是否單身

各位單身朋友們，是不是男人看了會沉默，女人看了會流淚啊！結合上面的數據，我們是不是可以在對單身男青年們推薦時文案可以寫上「多去看幾部愛情片啊，說不定就會遇見你的未來女友」之類的話。

（3）社交偏好

這裡用對電影的評論數量來劃分偏好程度的，大於等於25條評論都屬於偏好社交，對於這部分人可以進行重點營銷，他們可以為電影帶來二次推廣的效果。

（4）品牌偏好

蘋果雖貴但還是受到大部分人的認可，我們對於使用蘋果的用戶是不是可以大膽推測他們具有一定的消費能力，可以推薦一些高檔影院或者3D巨幕電影。

（5）崗位分布

在女生偏多的喜愛愛情片的人中果然也是護士、老師等女性職業偏多；反觀男生偏多的喜愛動作片人群里IT、工程師等佔到大部分，但是最明顯的還是學生黨隊伍，學生還是空餘時間較多，所以電影宣傳人員可以多在各大高校進行推廣，召開見面會等。

（6）地域分布

可以看出一些大城市的人們在忙碌的工作之餘都喜歡用看電影來放鬆心情，娛樂一下，電影方工作人員是不是可以在大城市多排一些片場，來促進票房增長。

這樣就生成了一份豆瓣用戶的畫像，用的工具為bdp個人版；

可以參考完整的豆瓣用戶數據報表

在現實生活中，一個人可能有多重身份，也可能有多部手機，也可能有多個愛好和多個qq號。比如一個家庭可能有兩個手機、一台電腦，一個筆記本、一個ipad，爸爸用筆記本辦公，媽媽用台式機淘寶，孩子用iPad玩遊戲，一個產品終端代表了多個實體特徵，且無法拆分。所以要想唯一完整的定義其中一個用戶的畫像很難。因此在業務領域中追求標籤的完整性有時是不可能完成的，我們應該更多的關註標簽的代表性，無論是一對多還是多對一，只要通過標籤篩選出想要的目標群體就好，即使是一台公用的ipad，遊戲也表明了家庭中有成員有該方面的興趣偏好。

有專門的軟體可以使用，Microsoft SilverLight，界面全英文，電腦軟體版，操作起來可能有點費勁，所以可以下個插件然後用網頁版的，還有一個是wordpack，只能用在IOS平台上，界面比較友好，操作起來也比較方便，但是只能用它的自選圖形，不能使用自己需要的圖形。

熱雲數據TrackingIO廣告與行為分析平台，一站式監測轉化分析平台，從用戶來源到用戶活躍，從用戶留存到行為分析，一站全部滿足。細分到用戶屬性和事件屬性，詳盡的留存轉化分析，為產品改進提供可靠的數據支撐，最大化的幫助客戶提升產品價值