用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。
用户画像最初是在电商领域得到应用的，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。
什么是用户画像：
举个例子：某男、34岁、有两个小孩、喜欢打篮球（这四个就是用户的标签，画像。）
每个人都有它的性别属性，每个电商网站都会有一套系统记录用户的购买行为。
通过购买行为，可以判断出：基本属性、购买能力、行为特征、社交网络、心里特征、兴趣爱好。
通过用户画像，可以精准营销（比如推送邮件、短信）、用户统计（地域、时段）、数据挖掘（特征、行为）。
用户静态的信息数据：
- 用户填的个人资料，或者由此算出的数据
- 如果不确定的，可以建模分析，比如用户性别没填的情况下，可以建立性别模型，根据用户行为判断性别
典型的静态数据：性别、年龄、职业、收入、婚姻状态、星座
例如：
用户动态信息数据：
- 用户行为产生的数据：注册、浏览、点击、购买、签收、评价
- 比较重要的行为：购买商品、浏览商品、放入购物车、关注商品
根据行为获得的标签：注册时间、首单时间、潮妈族、纠结商品、最大消费、退货数量、败家指数、品牌偏好
需要注意的是：
性别属于个人隐私，不是每个用户都愿意填写，而且出于保护自己或者其它目的，填了也不一定是真实的，此时你想给用户打上性别标签，就需要用到机器学习相关的算法了，而且需要对准确性和覆盖率负责，一般来说我们会采用如下策略中的一种或多种来预测用户性别：
- 提取用户自己填写的资料
- 提取用户的称谓
- 提取身份证号码
- 根据用户姓名预测用户性别
- 根据APP安装列表
- 用户评论
- 第三方数据共享
另外还有一些特征可以利用,比如用户访问过的网站,经常访问一些美妆或女性服饰类网站,是女性的可能性就高;访问体育军事类网站,男性的可能性就高。还有用户上网的时间段,经常深夜上网的用户男性的可能性就高。把这些特征加入到LR (逻辑回归)分类器进行训练，也能提高一定的数据覆 盖率。
整体的技术方案和模型算法如下：
怎么去获取用户的信息呢?
人物基本属性一般是通过用户自主去填写资料（电商产品通过订单信息可以获取到用户的基本信息），人物行为档案通过产品希望得到用户的哪些信息可以通过去引导用户去获取（比如在电商产品中可以通过用户购买的商品大致得到用户获取的行为和购买的行为），人物接触记录在阅读产品中就可以获取用户的阅读记录，在社交产品中可以获取用户的社交记录，在电商产品中可以获取用户的消费记录……主要是对应的产品获取用户对应的接触行为。
抓取到用户的信息后，怎么去给用户画像建立模型？通过电商的例子来聊下用户画像建模：
一、根据用户消费订单表
根据用户消费的情况提取的用户标签
用于了解用户的消费总体情况,以根据用户消费习惯与消费能力做营销
主体数据来源：
1.用户消费订单记录
对于用户的消费时间可以得知：用户什么时候来的？多久没有来了？可以由针对性的给用户依托于时间间断给用户PUSH消息，怎么去召回用户应用什么样的召回策略这是需要产品经理去思考的。
对于用户消费金额和次数我们可以得知：总体的消费情况怎么样？针对于消费金额可以推荐金额个性化推荐（商品价格推荐策略），就好像用户最小消费金额和最大消费金额差距不大，那么推荐对应商品的金额也是居中的。
对于用户的常用收货地址和支付方式我们可以明晰：用户的常用消费属性是什么？可以可以针对通过支付方式和收货地址做定位营销策略。
2.购物车场景记录
对于用户购物车场景我们可以得知：用户购物车使用习惯怎么样？针对于用户购物车可以通过商品抢购策略。比如用户购物车有一些日用品，可以针对该日用品做特价策略、加价购模型，都是可行的。既刺激了消费，也便于记录用户的消费模型。
3.用户购买时间场景
对于用户购买时间场景我们可以得知：用户购买时间段选择和下单的位置。可以针对性给用户时间段推送策略和地理位置。比如用户在晚上下单数量比较多，那么可以在晚上给用户推送更多符合用户购买习惯的商品。
二、用户购买类目表
- 根据用户购买类目的情况提取的用户标签
- 用于了解类目的购买人群情况和针对某-类目的营销等
主要数据来源：
类目订单场景
对于类目订单场景我们可以得知：用户多久时间没有购买该类目商品了。如果是常规商品，就可以知道用户购买该类目商品的原因和动机是什么？用户针对该商品的喜好程度。如果是特殊商品且非定期消耗的，就可以知道用户是否还需要该商品。同时是否有选择性的推送商品。比如某品牌的零食，消耗周期为1个月，用户2个月没有购买了，是否用户并不接受该商品，这时候可以选择性的推送商品，看用户是否接受？如果是某品牌的电器，在短时间内用户肯定不需要再次购买。
三、用户基本属性表
- 根据用户所填的属性标签与推算出来的标签
- 用于了解用户的人口属性的基本情况和按属性统计
- 按人口属性营销,比如营销90后,对双鱼座的优惠，生日营销
主要数据来源表
用户信息表
通过用户信息可以等到：用户婚姻状况、月收入、是否有小孩、职业、是否有车、手机品牌等。同时可以了解用户忠诚度（针对于购买天数周期来说）和用户在该电商产品中的购物模型。
则用户忠诚度的算法模型为：（忠诚度越高的用户越多，对产品整体的发展越有利）
用户购物类型的算法在每个平台可能会有区别，归类的方法也有很多。这里John列举针对于营销去思考的场景：
聊了这么多关于用户画像的内容，那么针对于用户流失后，如何召回用户呢？
流失用户召回是产品和运营工作中的重要部分，本文结合自己的用户召回工作经验拟定了一份全面的流失用户召回体系设计方案。
针对召回用户的方法，产品应该执行召回策略。需要记住的一点是：必须从用户角度上出发，给用户一个重新使用产品的理由。
简单的梳理下召回用户的方法：
①短信。可批量发放；但易被当成垃圾短信，并引发投诉；适用于普通用户。
②邮件。低成本，可大量发送，但点击率低；使用于普通用户。
③push。效果较好，但取决于用户安装中是否选择允许推送；
④微信通知。即微信服务号的用户通知模板，效果取决于用户是否关注相关微信号；
⑤电话回访。成本高，无法批量操作，主要适用于VIP用户。
⑥礼物召回。包括赠送纪念品、周边、伴手礼等，适用于种子用户。
⑦福利召回。含优惠券，现金红包、体验金等福利。
⑧活动召回。取决于活动类型和宣传渠道。
⑨个人战报/年度总结。
当然我们在召回的时候应该根据产品有针对性的使用方法。需要结合流失用户画像和用户属性给予最佳的召回方案。
那么召回效果的监测也是十分重要的。召回的方法怎么样？回流率怎么样？一般认识上，发送短信后24小时内重新登录的流失用户即为成功召回用户。但是，实际情况复杂很多。比如，有些用户收到了召回短信，且表示出兴趣，但是由于其他因素干扰没有立即打开，但是几天后找出了这条消息并重新进入了APP；又或者，有些用户收到短信后的行为是，关掉短信直接进入APP。毫无疑问的是，虽然进入场景不同，但他们都属于成功召回用户。所以，关于流失用户召回的数据监测，应该是对召回过程中可能出现的所有用户行为的监测，而不仅限于召回短信的相关数据。
简单总结了一下，用户召回的效果分析应该包含以下方面数据：
①各渠道召回数据。包含各渠道信息发放数、信息点击率、用户召回数、用户召回比例。
②各渠道召回成本。各渠道召回用户的单个成本投入和总成本投入。
③总回归登录用户数。总回归用户数与各渠道召回用户总数是否吻合，有多少用户不通过链接直接登录APP的。
④用户回归登录后的行为数据。监测用户回归后有哪些行为？是否会再次流失？
需要认识的是：用户画像针对于用户营销和召回有很好的效果。但是前提是你需要了解你产品的用户，给一个理由让用户去使用你的产品。你又是怎么做的呢？
