用户画像分析方法(案例)
平时我们也会在网上搜索用户的画像，一般情况下会找到两个答案。
第一个是告诉你用户更喜欢标签号的内容。
二是描述一个用户的职业兴趣和使用产品时的一些特点。
两者之间也会有一些差距。第一种一般指系统中用户的一些行为和特征，或者用户自愿填写的信息，更偏向于数据统计过程中形成的标签体系。第二种更多的是偏用户访谈用户，一些感性的东西。
第一个会用在产品推广运营和产品设计上。这种表现通常来自于产品的具体数据，所以在业务或运营中会用到更多。第二种一般会帮助我们识别产品主要服务的人群类型，是比较感性的东西。但在指导我们具体工作时就会缺失。
两者有一定的区别，但基于数据的第一种用户画像，我们还需要进一步了解。
基本属性(用户基本信息):年龄、性别、生日、星座、学历、身高、收入、职业？....
社会关系:婚姻，孩子，女孩，家里老人，性取向。....
行为特征:基本行为注册时间，来源渠道...？商业行为买到了优惠商品，赢得了优秀学生。
商务相关(运动类型产品):高瘦，体脂率，锻炼肌肉，日均9000步，收集100健身项目。....
1，直接填写(比如注册的时候，相亲产品，外卖产品，装修产品)
2.源于用户自身已有的特点(一般做活动的时候操作简单，个性化，商业分析要分小组进行观察和用户调研(准备))
比如产品是电商平台，运营部门要和北京的女大学生进行一次女生节之类的运营活动。
这时候怎么区分性别，住址，消费能力呢？
我们可以利用现有的功能进行推送。我们可以从自己买过的东西来推断，比如买了很多男性用品的就归为男性，买了很多种卫生巾产品的就归为女性。该地址也可以从接收地址推断出来。消费能力也可以从消费细节(比如买了一个超过200块钱的消耗品)和用户的特征来推断，这些都是通过以往的信息筛选出来的。不可能所有用户都这样，只能给部分用户贴标签，部分用户不认可。
当然，我们还需要做进一步的推导。比如通过用户的常用IP，可以进一步发现自己是否在北京。或者消费能力也可以查看用户使用的手机型号是否是新的。比如通过手机型号vivo和米托手机也可以得出结论，大部分女性用户(当然会有一些误判)可以通过收货地址、大学消费等地方。
3.从用户周围的人推断。
距离近(部分属性被周围人拥有，用户概率大)
相似行为(通过协同过滤找到行为相似的目标用户)
共同特征:基本属性、社会关系、行为特征、业务相关性
使用场景:营销、个性化运营、商业分析、用户研究。....
通过用户画像了解数字背后的用户，一般有三种落地场景(优质创新、精准运营推送、辅助产品设计)。
如何拉高质量的新品？(二手书交易平台)
1如何从现有用户中找到我们，谁是真正的用户？
定义我们真正的用户是什么(比如高留存用户，核心行为频率，高完成率)。
2真实用户的特征
是谁呀？电商平台可以通过他买的书。把他们的年龄、受教育程度、地域、消费能力反过来。
它从哪里来的？？电话面试等。，发现很多都是朋友推荐的。
3按此类型查找相似用户。
？用户画像:高校、科研院所、知识密集型工作领域。社科类图书的消费倾向。
有时候这种拉人的方法可能做不好。会有很多条件限制我们，没有办法做到。在这种情况下，我们可以选择很多渠道进行合作，不同的渠道会有不同的属性，不同渠道的用户会有不同的标签，比如年龄标签，职业性别等等。有了自己的标签之后，在对接渠道的时候，可以对应自己的诉求和特点，选择更好的投放渠道。
除此之外，也有很多广告做得好的，都是可以精准选择受众的。对比两个平台的标签和画像，可以是正确的。但是在开始的时候，一定要理清自己想放什么样的人进去，否则再好的平台也用不上。我们有了用户画像之后，拉新的时候就有了大概的参考。