文档介绍：什么是用户画像？
用户画像（User Profile），作为大数据的根基，它完美地抽象出一个用户
的信息全貌，为进一步精准、快速地分析用户行为****惯、消费****惯等重要信息，
提供了足够的数据基础，奠定了大数据时代的基石。
用户画像，即用户信息标签化，就是企业通过收集与分析消费者社会属性、
生活****惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌
作是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础，
能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。
用户画像的四阶段
用户画像的焦点工作就是为用户打“标签”，而一个标签通常是人为规定的高
度精炼的特征标识，如年龄、性别、地域、用户偏好等，最后将用户的所有标签
综合来看，就可以勾勒出该用户的立体“画像”了。
具体来讲，当为用户画像时，需要以下四个阶段：
用户画像的意义
用户画像的构建是有难度的。主要表现为以下四个方面：
为了精准地描述用户特征，可以参考下面的思路，从用户微观画像的建立→
用户画像的标签建模→用户画像的数据架构，我们由微观到宏观，逐层分析。
首先我们从微观来看，如何给用户的微观画像进行分级呢？如下图所示
总原则：基于一级分类上述分类逐级进行细分。
第一分类：人口属性、资产特征、营销特性、兴趣爱好、购物爱好、需求特
征
第二分类…
第三分类……….
完成了对客户微观画像分析后，就可以考虑为用户画像的标签建模了。
从原始数据进行统计分析，得到事实标签，再进行建模分析，得到模型标签，
再进行模型预测，得到预测标签。
最后从宏观层面总结，就是得到用户画像的数据架构。
LotuseeData 莲子数据在具体设备分析的统计基础上，提供了更强大的自定
义时间，用户分组，渠道活动转化追踪等新功能，并累计了大量的设备和用户标
签，为进一步的用户画像提供了坚实的基础。
百分点技术总监郭志金谈用户画像数据建
模方法
伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。相比
传统的线下会员管理、问卷调查、购物篮分析，大数据第一次使得企业能够通过
互联网便利地获取用户更为广泛的反馈信息，为进一步精准、快速地分析用户行
为****惯、消费****惯等重要商业信息，提供了足够的数据基础。伴随着对人的了解
逐步深入，一个概念悄然而生：用户画像（UserProfile），完美地抽象出一个用
户的信息全貌，可以看作企业应用大数据的根基。
一、什么是用户画像？
男，31 岁，已婚，收入 1 万以上，爱美食，团购达人，喜欢红酒配香烟。
这样一串描述即为用户画像的典型案例。如果用一句话来描述，即：用户信
息标签化。
如果用一幅图来展现，即：
二、为什么需要用户画像
用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能
够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜
欢红酒的人群中，男、女比例是多少？
也可以做数据挖掘工作：利用关联规则计算，喜欢红酒的人通常喜欢什么运
动品牌？利用聚类算法分析，喜欢红酒的人年龄段分布情况？
大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算
机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解” 人。当计
算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，
都将能进一步提升精准度，提高信息获取的效率。
三、如何构建用户画像
一个标签通常是人为规定的高度精炼的特征标识，如年龄段标签：25~35 岁，
地域标签：北京，标签呈现出两个重要特征：语义化，人能很方便地理解每个标
签含义。这也使得用户画像模型具备实际意义。能够较好的满足业务需求。如，
判断用户偏好。短文本，每个标签通常只表示一种含义，标签本身无需再做过多
文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。
人制定标签规则，并能够通过标签快速读出其中的信息，机器方便做标签提
取、聚合分析。所以，用户画像，即：用户标签，向我们展示了一种朴素、简洁
的方法用于描述用户信息。
数据源分析
构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。
对于用户相关数据的分类，引入一种重要的分类思想：封闭性的分类方式。
如，世界上分为两种人，一种是学英语的人，一种是不