筆名：戲說貓狗
全文共5546字，閱讀需要10分鐘
——BEGIN——
只要談到數據，人人都在說用戶畫像，而用戶畫像從哪裡來？到哪裡去？如何進行數據驅動？
現在很多人困惑「我是誰？我從哪裡來？我要到哪裡去？」這也是西方哲學三大終極問題，用戶畫像從客觀描述了「你是誰？你在哪？你要到哪裡去（你要做什麼）？」。比如唐三藏——「貧僧，從東土大唐而來，要往西天取經」
我們先看一下來自百科的解釋：
用戶畫像又稱用戶角色，作為一種勾畫目標用戶、聯繫用戶訴求與設計方向的有效工具。
百科的解釋很籠統，說一下我個人的觀點。
從應用目的和構成的角度來說，我認為用戶畫像應該分為角色畫像（User Persona）和行為畫像（User Action），這兩個是有所區別的。
角色畫像和行為畫像的含義及本質區別
對於角色畫像（Persona）來說，一般是通過用戶訪談或了解到用戶信息後進行人為的歸納分析畫像；而行為畫像（action）是根據用戶在產品上的使用行為進行分析預測進行的畫像。
從本質上還是有所不同的，最大的區別就是角色畫像（Persona）是客觀真實存在的，而行為畫像（action）是通過行為分析預測的。
對於行為預測來說畫像是可能根據用戶行為變化而變化的，即便是性別屬性。從應用角度來說也有所不同，『角色畫像』更偏向於產品定位和分析；而『行為畫像』更著重於數據應用。但並不是說兩種畫像是完全分開獨立的，某種程度來說是相互結合、相輔相成的。比如基本屬性（性別、地址等）是客觀存在的，偏好屬性（喜好、興趣）是預測的，當然也不是絕對的，像剛才說的性別也是會通過行為預測的。
角色畫像和行為畫像的著重點
角色畫像一般是應用在產品或功能雛形階段，對產品或功能的前期調研、路標規劃和目標人群的確定等起到了較大作用。而行為畫像是產品或功能上線後對真實用戶使用行為的畫像，並通過對用戶行為的分析觀測來改進功能，也是體現數據能力及數據應用價值的地方。
如何進行用戶畫像？
其實人人都是畫像大師，用戶畫像來源於生活。
你有沒有發現其實生活中有很多場景就是在對用戶進行畫像，只不過這個用戶可能是相親對象、八卦對象等。當人們私下在討論一個人的時候，會描述一下這個人的屬性和特徵，並會歸為某一類人。就像親朋好友或父母在跟你談論介紹相親對象的時候有沒有先把這個人的現狀（人物基本屬性、品行、興趣、工作、職業等）描述一遍？然後他們又會根據現狀構想（設想、妄想、YY）出了未來這個人的發展前景，甚至結合周易卜一卦。而給你描述的相親對象的屬性和特徵主要來源於找人打聽、接觸後的切身感覺或者受對方在社交圈中的威望感染等。
其實用戶畫像的過程也是如此。
角色畫像（Persona）
一般會根據調研、用戶填寫或包含真實信息（如徵信報告，當然私自獲取他人徵信屬於違法行為）的方式獲取用戶真實屬性用於畫像分析。基於收集到此人群信息中的主要特徵進行畫像，比如：「男、30-40歲、有一套60平米左右的房，有豪華型轎車、中產階級、有二胎、喜歡打高爾夫」等。這並不代表整個群體中都是男性，而可能90%都是男性。像角色畫像（Persona）的刻畫也有好多種方法：如標籤法、概率統計法等，因此可以結合自身應用選擇適合你的方式。
行為畫像（User Action）
與上面收集信息分析的方式不同，主要是通過用戶在使用產品的過程中留下的行為記錄而推測出來的用戶屬性及偏好。比如通過用戶經常訪問體育資訊、電子產品，喜歡聽DJ、重金屬音樂等就可能推測出此用戶為男性，後來又會經常訪問母嬰類商品就可能是有小孩兒了。這些過程一般都是通過機器學習的方式進行預測，而不是直觀的想角色畫像那樣分析概況。
不同的作用決定了不同的畫像方式，那麼不同畫像的作用到底是什麼呢？
用戶畫像的作用
本篇我會以用戶畫像的分析和應用兩個角度來看在哪些方面起到了數據驅動的作用。
1、產品分析
針對用戶畫像進行產品分析的問題內容較多較重，這次我先簡要以產品生命周期的思路來說：產品萌芽階段；產品發展階段。
產品萌芽階段
產品萌芽階段是指產品設計、構建、規劃、冷啟動，甚至僅僅有產品idea的階段；當你有一個好的產品idea的時候，第一件也是最重要的一件事就是鎖定你的目標人群。因為無論是市場規模也好，可行性也好，都必須要基於你產品的方向去進行驗證分析，而方向取決於你的目標用戶。
這引申出一個產品雛形的構思問題，是先有目標人群？還是先有產品架構？
其實兩者並不矛盾，這不是先有雞還是先有蛋的無解問題，而是面臨的現實情境決定的。當你發現某一類人群的痛點無法滿足時，那你可能就會根據人群衍生出產品構思；當你靈光一閃發現一種新的產品模式和架構的時候，那麼你可能會根據你的模式去探索和篩選目標人群。但是無論是哪種情況最後都需要確定你的目標人群才能繼續往下走。
這時鎖定的目標用戶可能只是圍繞著痛點的幾個人群特徵，像高逼格、消費能力強、二次元、文藝等。因為光依靠特徵你是沒辦法找到用戶的，當鎖定目標用戶特徵後，你需要找出這些特徵所對應的真實用戶群體並對其畫像了，真實的用戶群體可以決定產品的發力方向。
（Ps:拋開目標用戶去談論產品那真的是too young too simple。如果一個產品發展過程中混淆了自己的目標用戶，那這個產品owner的掌控力度可以拿去當抽象派畫家了）
根據用戶畫像（此處的用戶畫像主要是Persona，以調研或其他方式獲取的用戶客觀存在的真實屬性，當然產品還沒有形成時你也無法獲取到用戶行為）你可以細分出用戶群體的地理位置、職業、需求和特點等屬性，如：二線某城市大學生群體、月均生活費、月均消費、主要消費場景、特定環境及日常行為習慣、核心需求、課程寬鬆情況及缺乏什麼資源等。因此用戶群體直接決定了市場規模的測算和可行性研究分析，當年校外創業也是因為前期調研摸清了群體特點後面做起來就比較順風順水。
用戶對於產品初期是至關重要的，這也是為什麼種子用戶對產品後續的發展很重要，小米可以說是靠種子用戶發家的。而用戶畫像就是對用戶的真實刻畫，既可以以此去尋找用戶，也可以此作為用戶來研發產品。
有人說了，那我構思的產品是普羅大眾的怎麼辦？人人都是我的目標用戶。好，普羅大眾這一點先假設可行，即使目標用戶為所有人，你也需要對用戶進行分群或分層進行不同的受眾應對策略。我不相信會有一個產品或者一個功能一個界面可以應對或滿足所有用戶群體。當類似這種情況出現時，一個產品可以考慮有多個用戶畫像分別來制定不同的產品策略。
當產品用戶畫像確立後，產品的規劃就可以依此為用戶基準。當產品冷啟動時無論是功能、內容還是界面設計等就可以通過畫像用戶的特點、需求和興趣進行構造。
產品發展階段
產品發展階段是指產品啟動後的過程。產品啟動之後，用戶畫像可以對產品進行定性分析。同時也可以不斷對現階段產品用戶畫像與產品戰略和規劃相對比看是否偏離了既定的目標，或者是否需要對原計劃進行修改。
當然在產品的中後期僅僅靠用戶畫像來進行產品的分析是遠遠不夠的，或者說』畫像『需要賦予另一層含義，我總結為業務畫像。業務畫像包含了B端用戶畫像（即商戶畫像）、商品/產品畫像和流程體系畫像等，這裡的流程體系的畫像主要指的通過數據流過程對流程的刻畫和描述。
如下圖是我對成熟產品的整體數據應用及分析架構流程體系的認知，也涵蓋了下面要講的用戶畫像的數據應用（說到這就要聯繫到了我正在寫的增長管理相關的文章《增長黑客不如說叫增長管理》，因此這裡先部分涉及一點，後續這篇文章寫完後再把完整詳細的內容和大家分享）。
用戶畫像對產品發展階段和萌芽階段最大的不同是：在產品萌芽階段，用戶畫像的作用是帶來業務，可以說是在積累業務的過程；而在產品中後期的發展階段僅靠用戶畫像是無法支撐業務分析和驅動業務增長的，只能起到輔助作用。
面向業務的數據，如：訂單交易、商品品類、物流、財務結算和客服等數據，一方面可以完善用戶畫像，另一方面最重要的是可以完善業務畫像。因為商戶、商品/產品和流程才是產品逐步成熟的關鍵，後期與商戶的默契、商品/產品的體驗和流程效率決定了業務的可持續增長。而流程體系畫像可以分析促進流程機制的健全和完善，即通過流程體系來提升內部效率以降低成本和增加保障。
業務畫像可以推動業務增長、進行業務分析和增加業務粘性。其實業務是可以承載多條產品線的，因此業務畫像中心應該是數據中臺的中流砥柱，再輔以用戶畫像中心就可以組成一個完整的數據中臺或者說業務中臺，可以給小前臺或各類產品線提供強有力的彈藥補給（數據和指導）。
因此對於產品發展階段用戶畫像並不是萬能的，如果用戶畫像脫離了業務數據，那麼很難推動業務整體的增長。換句話說，業務增長最主要的是需要業務數據並輔以用戶行為來驅動，否則用戶畫像會變得雞肋。（這部分也會詳細在後面《增長黑客不如說叫增長管理》文章中講到，敬請期待）
產品或企業內部逐步成熟和規模化後會面臨一個問題，就是產品和業務模式的創新，這也是後續業務發展極具增長潛力的部分。而創新需要現有業務模式及流程的分析並結合用戶畫像對已有用戶的分析來挖掘出的創新點，並確定挖掘出的創新點是對已有產品的優化中間過程創新還是彌補現有產品缺失的市場。對創新還有一點需要解釋的是，我並不認為只有從無到有才算創新，而對過程的優化致使產品變的更好也算創新。
至此下圖的右半部分就解釋的差不多了，左半部分就主要來講一下用戶畫像涉及到的數據應用。
2、用戶畫像的數據應用
我們這次談論的數據應用是單純從數據使用的角度來衡量。
用戶畫像除了分析作用（Persona），還有一種更簡單粗暴的應用，就是直接輸出進行數據賦能。很多所謂的數據能力輸送就是指的用戶畫像以不同形式的輸出，這也是目前我在做的DMP（Data Management Platform，數據管理平臺）形成數據能力輸送最重要的組成部分。這裡的用戶畫像更多的是涉及到了上文所說的行為畫像（User Action），即很多人的屬性（或直白的說就是標籤）都是通過算法模型預測推算出的，機器學習的算法和模型決定了預測的準確性（當然訓練集和數據集也很重要）。當你是一個男性在瀏覽網頁時精準廣告給你展示了一條女士內衣的廣告，那麼恭喜你，依據你的歷史行為可能把你判斷成了一位女性。
談起用戶畫像的應用你可能會聽到很多名詞，除了上面說的DMP還有像DSP、RTB、ADX、SSP等這些都是跟精準營銷和網絡營銷相關的，如下圖整個網絡廣告生態都是在玩轉用戶畫像。（有想了解的可以自行查詢相關名詞，這裡不做解釋了。說到這就想起以前在學校的《網絡營銷》課程，學校裡是不會講這些的，而這些卻應該是目前國內網絡營銷勢頭強勁版圖。因為最近正好高考志願填報季，很多人問我學什麼專業好找工作，更有甚者問學什麼專業好賺錢。。。所以我還是建議大學還是多學點能豐富自己知識面的東西吧）
(網絡下載，如侵請聯繫刪除，謝謝！)
當然市面上的數據買賣一般也是畫像數據的買賣，很少說直接把行為日誌的數據進行交易。剛才說到行為畫像很多屬性是預測出來的，因此交易的畫像數據會涉及到數據置信度的問題，這個問題也就是再次表明了之前說的和角色畫像和行為畫像的本質區別：用戶屬性是否是客觀真實存在的。
上面做了這麼多的烘（luo）託（suo），現在我們來看看用戶畫像是怎麼起效用的。目前用戶畫像應用最廣泛的領域就是個性化推薦與廣告投放了。
個性化推薦最常見的應用就是千人千面了，廣告投放主要就是精準投放。其實推薦和投放這兩個應用場景和應用方式基本是相同的，只不過內容和渠道不同。個性化推薦一般是商品在自己平臺內部的展示，而精準投放的一般是廣告在平臺以外的渠道展示。當然商品有時也可以作為廣告，像早期阿里媽媽在外部媒體渠道投放的櫥窗廣告就是投放的商品。
那『個性化』和『精準』就是用戶畫像起到的作用了。當你來到一個網站，你是誰？你在哪？你要做什麼？我們是不知道的。這是需要一個指引和提示，這個指引和提示就是用戶畫像。
簡單來說一個用戶進入網站會根據這個用戶的唯一標識和已有畫像數據上用戶的唯一標識去做匹配，這時年齡、性別、地理位置等屬性就會知道你是誰，你在哪。那麼你要做什麼呢？這個就需要畫像上根據你的歷史行為預測出的興趣偏好和網站的主題結合起來去判斷你即將要做什麼。這個過程就決定了個性化和精準，相應的程序算法會根據用戶屬性來判斷是否要給你推薦商品和展示廣告，並且推薦什麼樣的商品或展示什麼類型的廣告會達到最大效果。
整個過程雖然我描述的很簡單，但是其中涉及到的產品鏈路及層層環節和流程是非常複雜的。對於廣告投放來說，從用戶訪問到廣告展示之間涉及的整個鏈路過程需要在40毫秒之內就完成，這之中還包含了多個廣告主的廣告競價等環節，可想這對鏈路上的產品要求是有多嚴苛。
精準和個性化最主要的目的是讓不同的人去做合適的事，以此來降低成本、提高效率和減少因信息爆炸而流失的用戶，這也是數據驅動想要達到的結果。
至此，用戶畫像的數據驅動之路是否逐步清晰？用戶畫像的本質是刻畫和描述一個人（或一群人），通過對人的完美刻畫，可以達到無限想像的應用方式。因此更多的驅動和應用前景等待著你們來創新！
當然用戶畫像進行數據驅動的路上也是有阻礙的，比如近期歐盟剛出臺的GDPR（《通用數據保護條例》）明文規定：
「網站經營者必須事先向客戶說明會自動記錄客戶的搜索和購物記錄，並獲得用戶的同意」、「被遺忘權：即用戶個人可以要求責任方刪除關於自己的數據記錄。」
等條例都是對用戶畫像採集的阻礙。因此大家在創新的路上也要合理的規劃好數據的採集、管理和使用，否則有可能就是毀滅性打擊。
----------------------------------