前面幾篇文章中作者梳理了對比分析法、多維度拆解法、漏鬥觀察法、分布分析法和用戶留存分析法，本篇文章繼續聊聊第6種數據分析方法：用戶畫像分析法。
作為一枚產品汪，用戶畫像這個詞你一定不陌生，那用戶畫像到底是什麼呢？我們又該如何結合業務場景創建可用的用戶畫像呢？用戶畫像有什麼作用呢？
大家可以先思考一下上面三個問題~
首先，我們來聊聊什麼是用戶畫像。
一、什麼是用戶畫像？
用戶畫像是通過對用戶各類特徵進行標識，通過標識給用戶貼上各類標籤，再通過標籤把用戶分為不同的群體，以便對不同的群體分別進行產品/運營運作。
二、標籤都有哪些？
這裡呢我們把標籤分為四大類：
第一類：基礎屬性
像年齡、性別、生日、星座、教育、身高、收入、職業等。
第二類：社會關係
婚姻、有無女孩、有無男孩、家裡是否有老人、性取向等。
第三類：行為特徵
行為特徵又分為兩塊兒：
基本行為：註冊時間、來源渠道、最近一次活躍的時間、最近一次支付的時間。業務行為：是否買過特惠商品、是否曾獲優秀學員，這些標識都會對產品的後期運營有所幫助。
第四類：業務相關
這一類跟其他類不太一樣，就像第三類中的業務行為，它是通過業務行為產生出來的特徵，而業務相關呢，它是積累了其他的業務不會去記錄的一些數據，比如運動健身類的產品。
它會涉及到：胖瘦高矮、體脂率、BMI、在練胸或者練臀、日均10000步、收藏了多少份健身計劃等等。
三、標籤從哪兒來？
第一：直接填寫
通過產品的一些特殊的步驟，讓用戶直接填寫，比如註冊頁面，下圖是某陌生人社交產品，通過用戶註冊讓用戶去填寫年齡和性別。
還有一些偏內容性的產品，可以通過讓用戶選擇他感興趣的話題，如下圖：
還有一些是運用借地打地的手段，比如一些電商、外賣類的產品和地圖類的產品，首先是讓用戶填寫地址，其次是讓用戶選擇標籤，表面上是提供一個工具，事實上讓用戶幫助產品獲取結構化的工具，讓系統知道，用戶作為一個個體，他的家、公司、學校在什麼地方。
還有一些像裝修類的產品，看上去是一個便捷的功能，平臺方通過這個功能可以收集到大量跟業務相關的詳情信息。
隨著用戶的自我保護意識越來越強，而且呢用戶又非常的懶，莫名其妙填一些信息用戶也比較反感。那就有了第二種獲取標籤的途徑。
第二：通過用戶自己的已有特徵推導
當然，這種方式的成本比較高，沒有讓用戶直接填寫來的簡單方便，一般的產品不會經常去這樣做，它適用的場景有以下幾種：
（1）做活動時
相信大家都有做活動的經驗，我們在做活動時會篩選一批用戶出來做定向推廣，比如說年齡、地區、新老用戶。
舉個慄子：你是某電商平臺的產品經理，現在要做一個推廣活動，面向的用戶群體為在消費能力強的上海女性。現在需要向這個群體的用戶去宣傳這個活動，那怎麼做？
首先，區分出來性別，即男、女。
用戶如果沒有填寫性別，我們可以從他買過的東西去推，比如說買過女士衣服+化妝品。
其次，推算出在上海的用戶。
假設大部分人買東西是給自己買，收貨地址是上海市的，我們可以推算出此用戶是上海市的。
最後，驗證消費能力是否強。
消費能力如果從她歷史消費的總金額推算，感覺有點不合理，但它也能驗證一部分，我們可以再加一些條件，比如購買過進口的小商品，比如牙膏，一般消費能力不強的用戶，很少會花將近百元去買一支進口的牙膏。
上面是通過用戶的業務特徵做的推斷。
但是，不是所有的用戶都發生過以上的行為，通過以上業務行為篩選之後，可以給部分用戶打上標籤，還有一部分用戶她沒有標籤，所以，我們再做進一步的推導。
性別：除了通過從購買的商品推導以後，還可以通過她使用的是手機是否為美圖手機；地區：可以用常用IP進行推導；消費能力：可以用使用的手機為最新款且價格在5000元以上的用戶。當然，這裡面肯定會有誤判，但是，就算是有誤判我們也認了，因為很難做到百分百精準。
（2）簡單的個性化運營
比如說首頁的某個推廣模塊，面對不同的用戶群體推廣不同的內容。
（3）業務分析
在做業務分析時，需要把用戶拆分成不同的群體，看在業務中的表現情況，比如是否領取七天/15天的會員卡。
（4）用戶研究
如果有用戶標籤的基礎，做用戶研究的童鞋的研究效果會更加的精準。
如果通過前面兩種方式已經把80%的用戶打標籤了，還剩下的20%怎麼辦？這裡我們就會運用到第三種推導方式：
第三：通過用戶身邊的人推斷
首先，通過距離：基於某些屬性，周圍的人都具備，用戶大概率也具備。
其次，是通過行為：通過協同過濾，找到行為相似的目標用戶。
比如說，剛才我們通過買過女士衣服和化妝品的用戶打上了女性的標籤，但是這種方式有局限性，可能有些用戶本身就不在你的平臺上買衣服和化妝品，這裡我們可以通過這種用戶的其他行為，比如說買了衛生巾或者其他的女性用品，然後通過她購買的商品，再找到跟她購買過相似商品的用戶打上女性用戶的標籤。
說在最後：
第三種的精確度是最低的，但是在一些場景中，不需要精確度那麼高，當然，我們也可以通過此類用戶的後期行為，迭代這些標籤。至少我們通過這三種方式把所有的用戶都分了群。
好啦，用戶畫像分析法到這裡就完結啦。
那最後通過一張架構圖來總結一下：
下篇預告：數據分析（6）：歸因查找法，歡迎繼續關注~
本文由 @菜菜 原創發布於人人都是產品經理，未經許可，禁止轉載。
題圖來自Unsplash，基於CC0協議。