什么是用户画像
假设现在有一个商场，商家营销活动，广告，用户等级定位 这些怎么做呢
早期：线下接触，收集个人信息，了解用户意向，判断用户喜好
问题：样本数量不足，收集的信息有限，对用户的判断不够准确，能否做出有限的推荐主要依赖个体员工的个人能力，公司没有办法把流程标准化
现在：构建用户画像，用标签描绘用户属性，不同活动采用不同的用户标签做针对性推荐，根据用户标签对用户做用户分层
解决的问题：充足的样本数量，标准化的标签流程，更科学精准的推荐方式
信息收集的方式
早期：最早期的个人信息采集–商场的会员卡，问卷调查
问题：人工成本高，信息收集不够全面，准确度也很低
现在：现在的个人信息采集–账号注册，网络留痕信息采集，网络问卷调查
解决的问题：只要公司有足够的用户，通过数据采集的方式，可以将所有用户数据进行收集整合
对用户的定义
以前：一线员工对自己负责的客户主观感受来决定
问题：对用户的判断是否准确全依赖于员工个人能力，无法做出标准化定义流程
现在：通过线上收集到的基数信息，直接或者经过二次加工产生用户标签
解决的问题：标签的产生标准化，对用户的定义更加准确，基于已有信息产出更多衍生标签，丰富用户信息
怎么基于已有信息对用户做营销，转化等后续动作
以前：一线员工基于手中已有客户信息，进行一些主观推断的业务拓展
问题：业务拓展是否合理，成功率的高低完全取决于员工自生经验，员工差异决定了业务发展
现在：通过系统性标签以及不断沉淀的运营管理规则，加上AB实验等科学的数据分析方案对用户进行营销转化
解决的问题：合理的营销运营方案，标准化的流程，能去除90%人为主观推断对结果的影响，通过规则的不断沉淀进一步提高运营等活动效果
总结
以前：公司依赖员工个体的能力来完成公司的运营，营销等活动，缺少规则的沉淀，每次活动产生的效果差异性大，不确定性高，可复制性低
现在：基于用户画像系统，将整个流程固定化，标签的提取规则沉淀下来，每次活动的效果有更合理的预期，同时沉淀的规则越多，对后期相同活动的可复制性也就越高
用户画像的项目
目标
基于实际用户的虚拟标签，建立在一系列真实数据之上的目标用户模型，简单来说就是通过现有数据，经过计算分析，对用户进行打标，通过标签的形式展示他们的行为习惯，消费习惯等；也就是说通过这些标签，我们对所有的用户进行抽象，基于这些抽象的结果，公司可以进行精确的用户圈选，也可以支持公司做出更精确的决策，同时也可以通过标签完成用户漏斗，AB实验等操作
数据采集（信息收集的方式）
多种数据源：商场数据源
流量数仓
借贷业务数据源
三方购买数据源
采集方式：离线–sqoop;datax
实时–flume
文件数据直接映射
数仓建设（对用户的定义）
数仓的各层级建设，以及最终的数据应用的产出
用户画像对外输出应用（怎么基于已有信息对用户做营销，转化等后续动作）
用户画像上层的标签建设
对外输出的方式–技术选型
输出的标签价值；后续应用
标签的健康度监控，以及持续优化
对已有标签的健康度做持续的监控
对及格线以下的标签做持续优化工作