上图的2个描述即是一个典型的用户画像案例。
什么是用户画像？
用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。简而言之，用户画像其实就是“用户信息标签化”的梳理，结合产品业务的需要，给不同群体的用户特征贴上合适的标签
可能这个不够直白，举个例子说明一下，如果你经常购买一些尿布奶粉，那么电商网站即可根据购买的情况替你打上标签“有孩子”，甚至还可以判断出你孩子大概的年龄，贴上“有1-2岁的孩子”这样更为具体的标签，而这些所有给你贴的标签统在一次，就成了你的用户画像。因此，也可以说用户画像就是判断一个人是什么样的人。（性别、年龄、兴趣爱好、家庭状况等）
从电商产品的角度看，通过分析用户的个人基本信息以及在使用产品过程中的行为轨迹如：浏览、点赞、加入购物车、下单、使用支付方式等等，用标签把用户的典型特征描述出来，提炼以下用户信息：
1、基本属性
往往在注册时引导获取，如手机号码、性别、年龄、教育程度、所属地区等等
2、行为特征
通过分析浏览、购买行为，例如收藏母婴店铺、多次参加母婴专场满减活动等等，可以判断这是一个新晋父母，对优惠活动敏感度强；
3、购买能力
通过分析用户的订单金额和次数，购买品牌偏好，推算出其客单价、用户是否是高端中户、购买频次、是活跃用户还是沉睡用户等等；
4、社交特征
分析商品分享给好友的频次、收货人电话和地址的数量，可以研究该用户的社交情况；
5、心理特征
分析用户参加促销活动的频次，优惠券消耗的情况、同一品牌、店铺的复购率等维度，可以推算用户对大促的敏感度，对平台或者品牌的忠诚度；
6、兴趣爱好特征
用户浏览、收藏、关注店铺的类型，加入购物车、提交订单的商品类别，可以分析出用户对某些品牌、品类的偏好度，从而进行某个品类的专场营销活动。
举个例子：
挨踢宅男小马哥关注了66家动漫手办店铺，他的用户标签可能是“动漫达人”，如果平台或商家有动漫周边大促的活动上线，会优先将活动信息推送给这类的目标用户。
常见电商用户标签：动漫达人、数码发烧友、潮妈、游戏奶爸、单身贵族、家庭用户、持家党、尝鲜党、败家党
用户画像的作用
- 精准营销：通过邮件、短信等方式将用户最感兴趣的商品情况告知用户
- 用户统计：统计某地域、时段哪些特点用户的访问情况和分类统计
- 数据挖掘：通过用户画像分析用户行为特征以获取有用的规律来支持决策。商品搭配购买、关联购买，推荐购买，贴心为用户推荐符合其口味的品类，沉浸在“买买买”的愉快体验中。
- 智能推荐：最常用算法为协同过滤算法，分为两种：根据用户属性和根据产品属性。其中，根据用户属性的原理就是通过计算来寻找与该用户相似的用户，挑出那些相似用户共同喜欢的东西，并且展现出来。在寻找与相似的用户时，就需要比较用户的特征（基本信息和访问行为等特征）。
- 监控运营环境：用户画像系统能够为企业监控提供很大的帮助。根据业务特点，通过监控某几个类别用户的行为，可以发现运营环境的变化。
如何构建用户画像
构建用户画像是为了还原用户信息，确保信息的客观真实性，因此有一个大原则必须遵循：数据来源于所有用户相关的真实数据。
构建用户画像的过程可以归结为以下三步：
1、数据采集：
- 动态数据：网站上记录的用户浏览、搜索、发表、点赞等行为
- 静态数据：用户基本信息如性别、地域、职业、商圈、消费等级和周期
2、行为建模
通过对采集数据的处理，进行行为建模，以抽象出用户的标签，通过数学算法模型尽可能地排除用户的偶然行为。涉及的技术点：文本挖掘、自然语言处理、机器学习、预测算法以及聚类算法。
a.用户忠诚度模型
通过判断＋聚类算法判断用户的忠诚度
b.身高体型模型
根据用户购买服装鞋帽等用品判断
c.用户价值模型
判断用户对于网站的价值，筛选不同维度用户来进行针对性推广，对提高用户留存率非常有用
d用户汽车模型
根据用户对“汽车”话题的关注或购买相关产品的情况来判断用户是否有车、是否准备买车，进而推送汽车相关的商品，甚至保险服务；
此外，还有流失用户模型、数码用户模型、优惠敏感用户模型等等。
3、初步构建画像
通过记录、抓取用户的基本属性、购买能力、行为特征、兴趣爱好、社交网络等数据进行分析，创建、具体化用户画像。用户画像有其自身的特性和局限性，例如无法100%地描述一个人，且具有时效性，因此，需要根据用户画像的基础数据持续更新和修正，同时要善于从已知数据中具象化出新的标签使用户画像越来越鲜活立体，发挥其参考指引价值。不同的公司、团队获取数据、提炼用户特征方式均有所不同，大的公司会自建数据分析系统以及有强大的用研和数据分析团队支撑，而稍小一些的公司更多借力于第三方平台提取数据或开展细分用户群的用户调研工作。
用户画像价值与意义
价值：投用户所好，产品商业价值最大化
意义：产品团队：提高团队决策效率，数据挖掘完善算法，建立精确用户模型
产品应用：搜索引擎、推荐、广告投放、内容Push等
目标用户：提高信息获取效率，准确满足自身需求
