用户画像介绍
一般来说就是给用户贴标签，贴标签是通过对用户信息的分析，进行高度精细化的特征识别。通过标注，可以用一些高度概括、易于理解的特征来描述用户，使人更容易理解用户，便于计算机处理。
标签的分类方式有很多种，可以根据标签的输出方式、实际业务或者两者的结合来分类。
按照输出的方式:
1)事实统计标签，比如最近7天的活跃时长，最近7天的活跃次数等。
2)主动消费:最近30天交易次数>等事实规则标签；=2
3)模型类标签，如RFM模型和AARRR模型。
4)算法标签，比如根据用户购买的商品来判断某个商品的购物性别和偏好程度。
根据实际业务:
1)用户属性标签
2)用户消费标签
3)用户行为标签
4)风险控制标签
。。。
在互联网和电子商务领域，用户画像经常作为精准营销和推荐系统的基础工作，其作用一般包括:
1)精准营销:根据历史用户特征，分析产品的潜在用户和用户的潜在需求，针对特定群体，运用短信、邮件等手段，提升营销效率和营销效果。
2)用户统计:将用户按照属性和行为特征进行分类后，统计不同特征下的用户数量和分布情况；分析不同用户的画像群体分布特征。
3)数据挖掘:基于用户画像构建推荐系统、搜索引擎和广告投放系统，提高服务精度。
4)服务产品:对产品的用户进行画像，分析产品的受众，更透彻的了解用户的心理动机和行为习惯，改进产品运营，提升服务质量。
5)行业报告&；用户研究:通过对用户画像的分析，了解行业趋势，比如对人们消费习惯、消费偏好的分析，对不同地区消费差异的分析。
6)ABtest:用于创建ABtest实验，并分析实验结果。
用户画像必须从实际业务场景出发，解决实际业务问题。用户画像的原因是获取新用户，改善用户体验，或者挽回流失的用户，有明确的商业目标。
数据源的数据是标签构建的最底层，它来自各个业务端的数据，主要包括线下和实时数据源。一般的大数据架构会单独有流批量处理的环节，还有流批量集成的架构，所以数据产品可以不重点介绍。
在数据层的开始，数据产品会更加关注。数据产品在设计标签时，需要关注标签生产在数据仓库中的流通口径。尤其是在定义原子标签的时候，他们需要深入了解业务，了解用户的来源、状态、订单渠道、线上线下、订单状态等等。
一般来说，标签层会根据上面提到的实际业务分类来构建标签。一般构建原子标签就够了，服务层的标签工厂可以单独创建新的衍生标签。
服务层主要包括两部分，一是画像平台的应用，二是画像数据的统一API服务，为前台的营销系统和广告系统提供标签分组数据支持。
以上是用户画像系统的基本概念。下一节，我们将了解人像系统的难点之一:如何构建oneid？