如果说新商业是弹道导弹般的精准打击，那么准确的用户画像，尤其是对活跃用户的准确画像，就是实现精准打击所依赖的“GPS定位/激光制导”系统。

随着社会的信息化程度提高，智能终端的普及，可穿戴设备、智能家居系统也越来越多地出现在现实生活中。无处不在的***将人和设备连接在一起，海量数据在人机交互、机机通信中产生，构成了一个虚拟的大数据世界。

所谓大数据，是大量、高速、和多变的信息资产***，它可以被新型的处理处理，并促成更强的洞察力、决策力，与优化处理。

业界对大数据的概念定义经历了3V--4V--5V的发展过程。目前最新的，是阿姆斯特丹大学整合提出的5V理论：

大数据是信息技术的自然延伸。在大数据时代，人与人之间，人与机器之间，机器与机器之间的沟通***也在逐渐产生本质性的变化。如前文所述，智能商业时代的公司要从数据中解读用户，进而更精准地为用户服务。这时，构建用户画像就变得尤其重要。精准而提炼的用户画像（激光制导/GPS定位），使各种衍生应用（精准打击）变得可能。

交互设计之父AlanCooper最早提出了用户画像personas的概念：

用户画像是真实用户的虚拟代表，是建立在一系列MarketingData之上的目标用户模型。通过社交、商品和消费者行为的大数据，结合问卷和调研等小数据，根据用户在行为和观点方面的差异，将用户区分为不同的类型。每种类型在抽取典型特质，赋予名字、照片、场景等描述之后构建出的标签化的总结，便是用户画像。

构建用户画像的核心工作是给用户贴标签。在用户画像里，标签的建模通常分为多层，其中有些是根据用户的行为数据直接得到，有些则是通过算法或规则挖掘得到。

底层是事实类标签，是用户的具体行为描述，比方说客户的行为模式，当下需求等等。

第二层是预测标签，这类由MachineLearning可以获得，比方说基于某类用户的当下需求而推断出的潜在需求。

第三层是营销模型标签，这一层是用户价值和忠诚度的抽象。

最上层是业务类的标签，由底下各层标签组合生成，通常由业务人员来定义。

用户画像，是对现实世界中用户的数学建模。它从业务中抽象而出，是在符合特定业务需求的前提下对用户的形式化描述，源于现实，又高于现实。用户画像又是通过分析挖掘尽可能多的用户数据所得到的，它源于数据，又高于数据。

起始：助力设计

成功的产品往往专注、极致，能解决核心问题。一方面，用户画像为设计人员锁定了特定群体，可以让团队成员在设计产品和服务的过程中抛开个人的喜好，聚焦用户的动机和行为，透过用户行为的表象去分析和了解用户的深层动机与心理。另一方面，设计人员经常不自觉地认为用户的期望和他们一致，引入用户画像避免了设计人员代替客户发声。

售前：精准营销

传统营销采用一对多，单向式的信息沟通方式。没有针对性的市场营销，摊子大，成本高。而精准营销则是在充分了解用户信息的基础上细分市场，针对特定用户的喜好，依托现代信息手段建立个性化的沟通服务体系，预测NextBestAction或KeyEvent，从而进行有针对性的智慧型营销，实现低成本、高回报的市场扩张。精准营销的基础，便是建设用户大数据平台，收集和拉通企业内外的消费者用户数据，建立消费者用户画像。

售中：个性推荐

根据用户在本网站或其它网站的历史行为，利用全网的用户画像进行推荐，从而实现流量变现，增加销售量。Amazon、***网的个性化推荐，Google页面的动态调整，都属于经典案例。而大数据和用户真实需求的推测，则是个性化推荐的基础。

售后：增值服务

通过数据接口实时反馈用户的相关信息，如历史咨询、历史维修等，进行知识推荐，支撑服务效率，收集服务满意度数据，补充和完善用户画像信息。

综观：行业洞察

通过对用户画像的分析可以了解行业动态和用户偏好，从而可以指导平台更好地运营，为公司提供细分领域的深入洞察。

用户画像是对人的深入挖掘。除了用户的客观属性之外，在很多的应用场景，更有价值的是用户在兴趣、价值观等人格层面的分析和建模。用户画像是业务与技术的更佳结合点，也是现实与数据化的更佳实践。随着大数据、增强学习等技术的进一步提升，用户画像将会得到越来越多的重视和应用，它将在智能商业时代的浪潮中发挥更多更广的价值。

鸣谢

经微信公众号“践行而致远”作者MissC授权，笔者在原文基础上略作增补和删减，感谢分享。

原文链接：大数据时代之用户画像

引用资料

1.曾鸣，《智能商业20讲》

2.刘德，《小米创业7年这场仗》演讲