文章从数据产品层面出发，对如何从0到1建设用户画像体系进行了梳理分析，主要是4个步骤：业务需求分析、建设标签体系、建设画像系统和画像应用，供大家一同参考和学习。

从PC到移动互联网，一批搭乘流量红利快车的互联网产品，曾极速崛起。而如今，流量红利消失，一个疯狂的、传奇般的流量时代，已然结束。增量乏力，存量市场竞争更加激烈的环境下催生了精细化运营，结合大数据，对用户进行分群，针对不同群体的用户采用不同的营销策略。

兵法云：知己知彼，百战不殆，在整个精细化运营过程中，用户画像体系的搭建起到不可或缺的作用。前面草帽小子介绍了埋点数据采集、指标体系搭建、数仓和OLAP分析等数据基础层建设，接下来我们来研究如何从0-1搭建用户画像体系，以及用户画像的应用场景。

初识用户画像

用户画像的概念，最早由交互设计之父Alan Cooper提出，是对产品或服务的目标人群做出的特征刻画。

在早期，用户数据的来源渠道比较少，数据量也相对比较小的时期，用户画像的研究主要基于统计分析层面，通过用户调研来构建用户画像标签。

后来，加利福尼亚大学的Syskill和Webert，通过手动收集网站用户对页面的满意度，然后通过统计分析逐渐构建出用户兴趣模型。

再随着互联网及信息采集技术的发展，加州管理大学开发了Web Watcher，可以通过数据采集器，记录互联网上用户产生的各种浏览行为以及用户的兴趣偏好，实现对用户兴趣模型的构建，并随着数据的不断累积，扩大更新系统模型，用户画像标签也更加丰富。

近年来，随着互联网海量数据的爆炸式增长，众多企业的用户画像研究有了新的机遇，基于用户的属性、行为、兴趣爱好等数据标签，运用算法对特征进行分析建模，从而抽象出用户的全貌，成为了产品人员的关注重点。

例如对于路飞而言，其用户画像可简单描述为18-25岁中二少年，15亿身价，爱吃肉，爱炫酷机器人，冲动性消费人群，若某电商网站提前得知了该用户信息，就可以根据其偏好特征，给其推送肉类以及高科技商品，促进路飞在平台上完成购买。

这个过程中，用于描绘用户画像的关键性因素就是标签，通常不同应用场景下，标签分类不同。

例如腾讯广告对标签的分类，可分为：

• 人口学