用户画像分析：一种分析出用户画像的简单方法 _生活百科

研究用户画像的方法往往很复杂，本文作者自己总结了一种通过数据分析得出用户画像的简易方法，分享给大家。

在做任何产品之前，都会先想好受众群体。但产品上线后发现，预设好的用户群体好像并不买单，比如很多新产品都变成了现象级产品，昙花一现。或是伴随着产品的发展，最初的受众群体可能会发生了变化，比如最早使用QQ的那帮用户群体早已成家立业，在寝室里团体狙击CS的那帮人早已放下屠刀。
用户发生了变化，产品就要赶紧跟进调整适应新用户群体的风口，这时候重新定位找到用户画像就变的迫在眉睫。
用户画像是真实用户的虚拟代表，它是基于真实的，它不是一个具体的人，是根据目标的行为观点的差异区分为不同类型，迅速组织在一起，然后把新得出的类型提炼出来，形成一个类型的用户画像。
【用户画像分析：一种分析出用户画像的简单方法】使用最多的用户画像有八要素：基本性、同理性、真实性、独特性、目标性、数量性、应用性、长久性，来寻找用户画像，可能又会吓退一批人，今天咱们就把这几个要素综合起来搬到线上，从产品的真实运营数据中来提炼，一步步分析出用户画像的标签。
一、用户画像的3个维度我们将用户画像的8要素，在线上进行聚类整合，从而勾勒出目标用户的群体特性。这在产品中被称为“受众定向” 。在线上研究用户画像主要围绕产品的运营数据，获取用户的基本信息和用户在产品中的网络行为，进行差异化组合分群。
根据先后顺序依次可分为三个维度：信息画像、行为画像、分群画像。

信息画像：即用户的基本信息，属于静态数据，包括地域、性别，收入，婚否、家庭、职业、收入、资产、消费水平等。
行为画像：即用户在产品中的网络行为，又叫动态数据，包括用户的浏览习惯、访问时长、使用频次、消费记录、喜欢偏好、行为轨迹等。
分群画像：就是细分用户群体，根据产品业务的需求，将具有共同业务特性的用户贴上标签，聚合标签划分群体画像。

1. 建立信息画像现有数据一般都是通过第三方统计平台获取到的，比如友盟等。对于大公司或者一些保密单位，可能会开发一套自己的监测系统。
用我们做过的一个分期购车产品的来查找信息画像，先从统计平台和数据库中提取到可提取到的用户基本信息，然后整理这些基本信息在用户群中的占比，最终整理到以下几个关键指标如下图所示：
2. 绘制行为画像产品根据市场发展和用户需求的变化不断地更新迭代，在产品迭代中获取关键变量，从而绘制出行为画像。用户在产品中的可统计到的网络行为，主要包括使用场景、获取内容、访问路径这三块。使用场景主要是设备终端、网络状况、访问时段等；获取内容是用户在产品中浏览的内容、完成任务、使用工具等；访问路径是用户进入产品到离开的整个行为轨迹。
还是用分期购车产品来续，分析第二个维度行为画像。获取跟业务相关网络行为，再统计数据占比，分析需要获取有价值的关键几个点：
3. 勾勒分群画像信息画像和行为画像整理好以后，怎么聚合这些信息，为用户贴上精准的标签，勾勒出分群画像，是需要我们接下来想办法去解决的。这里精减到3步，首先找出极端信息值的概念，找到合理的聚合信息画像，最后绘制出合理的分群画像。
第一步：极端值
尽量合理覆盖每组信息的“极端信息值（每组数据中占比最高或最低的信息）” 。
第二步：合理值
这里极端值的用户中，分析合理的群体。比如下图中聚合信息画像呈现出最高值关联信息中，稳定理财但又买车买房经济压力很大，看似不合乎逻辑，但买房本来就是一种非常稳定的投资，而且这样的用户买车的概率很高，还能接受贷款。不合理最低值的用户占比年龄都相对比较大，而且不接收网络交易的安全性，怎么还会去买股票呢？
聚合行为画像呈现出最高值关联信息中，流量来源中呈现出了一个PC端数据占据近半的现象，这其实反映出两个问题：一是移动端做的不好，二是用户群体多为上班族等。
第三步：勾勒集合分群画像
尽量合理连接用户行为的“集合信息值（将每组数据占比较大的同其他组进行合理地组合，分析出最符合真实用户的信息值）”，即相对来说基数较大的用户群。
勾勒出用户画像，产品需求迭代更具针对性。但这是我们根据数据分析出来的结果，还不能说明这样的结果就是对的，接下来还需要我们做进一步用户画像的验证。