一、用户画像的来龙去脉

从1991年蒂姆·伯纳·李爵士（Tim Berners-Lee）发明了万维网（即WWW，World Wide Web）开始，经过20多年的发展，海量DT级别的数据出现，让任一个体和任一企业都无法独立消化吸收，互联网走向了一个全新的阶段：大数据时代。

早几年，这个概念曾一度被过度热炒，这几年，人们逐渐冷静下来，大家聚焦于如何真正利用好大数据，去挖掘潜在的商业价值，以及如何在企业中真正应用大数据技术。

在大数据应用的讨论中，个性化营销渐渐成为了其商业化应用中一个非常重要的落地点。相比传统的线下问卷调查等不那么高效的方式，大数据第一次使得企业能够通过互联网便利地获取用户们更为广泛的反馈信息，为进一步精准和快速地分析用户消费习惯等重要商业信息，提供了足够的数据基础。

由此，不可避免的给企业营销和消费者行为带来一系列的双重改变与塑造。其中最大的变化莫过于，消费者的一切行为在企业面前似乎都是“可视化”的。

随着大数据技术进一步的深入研究与应用，企业的专注点日益聚焦于怎样利用大数据来为精准营销服务，进而深入挖掘客户的潜在商业价值。

于是，“用户画像”的概念也就应运而生。

用户画像的目的是尽量全面地抽象出一个用户的信息全貌，为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息，提供了足够的数据基础。

它是对人的深入挖掘，除了基本的人口统计信息和地理位置等客观属性外，像兴趣爱好这类属性，就是主观度很大、变化很快且很难统计的属性。

但是，在很多的商业应用场景，广告主或者需求方恰恰想要的是这类主观度大的属性，还包括一个人的价值观和性格等等。

比如汽车客户，环保类的电动车品牌，最想要触达的那些有着环保意识，同时还喜欢小排量的客户，这里，其实就同时涉及到人的价值观和购车喜好。

而这些用户属性，其实就是“用户的标签”，而要找到这些标签，绝不可能仅仅通过用户行为的直接发现，需要更深入人格的挖掘。

简而言之，通过“用户的标签”，可以让让企业在广告投放的过程中，能够抛开个人的喜好，将焦点关注在目标用户的动机和行为上，以此进营销活动。 因为，为具体的用户画像进行广告设计，效果上要远远优于为脑中虚构的东西做设计，也来得更为容易。

　二、用户画像和标签的关系是什么？

用户画像的本质，就是“标签化”的用户行为特征。

用户画像制作的核心就在于给用户“打标签”，如年龄、性别、地域、用户偏好等，每一个标签通常是人为规定的特征标识，用高度精炼的特征描述一类人。

由此，用户画像可以为企业提供足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。

同时，在从真实的用户行为中抽象出典型用户模型后，企业通过收集与分析消费者的社会属性、消费行为和生活习惯等主要行为，完整描述产品和服务的目标用户特征，就能为企业中所有与用户有关的决策过程提供有效信息，指导企业的产品服务研发和市场营销。

用户的标签通常呈现出两个重要特征：语义化和短文本。

语义化使得我们能很方便地理解每个标签含义，这也使得用户画像模型具备实际意义，且能够较好的满足业务需求。

短文本，即每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。

同时，标签规则是由人来制定的，因此人能够在大量标签里快速读出其中的含义；而机器则高效地去做标签提取、聚合分析。所以，用户画像里的用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。

通常上，标签分两种：一种标签是可以结构化的，一种标签是不能结构化的。

结构化的标签有明确的划分，而且可以穷尽，比如性别、年龄和职业等。

但是这种标签打上后，往往会有时效性。中长期用户标签包括比较稳定，是用户身上比较不太频繁变化的特征，也称为静态标签；中短期用户标签变化稍快，比如兴趣类标签就是如此，也称为动态标签。

　　（结构化中长期标签示意）

　　（结构化中短期标签示意）

　　非结构化的标签无明确的划分，不固定，而且数量庞大，最要命的是，变化非常快，比如App标签和个性化标签。正是由于这一类标签的存在，才让精准用户画像的描绘难度成倍提高。

　　（非结构化标签示意）

　　在我们最终为用户画像打上标签后，还必须打上每个标签的权重。如，红酒 0.8、耐克 0.6。标签，表征了内容，用户对该内容有兴趣、偏好、需求等等。权重，表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度，概率。

通常来说，标签权重=时间（何时）X 位置（何地）X 行为（为什么）

每一次的用户行为，可以详细描述为：什么用户，在什么时间，什么地点，发生了什么事。

举个例子，A用户昨天在苹果官网买了iPhone7，反应出的用户标签就是“果粉 0.9”，而B用户上个月在天猫收藏了iPhone7，反应出的标签就是“果粉 0.498”。

这些不同的用户标签及相应的权重将在后续的营销决策中发挥重要的指导作用。

同时，用户画像里的用户标签和权重，也提供了一种可供计算机进行大数据处理的便捷和高效的方式，使得计算机能够程序化处理与人直接相关的信息，甚至通过一定算法和模型，能够在某种程度上“理解” 人。

当计算机具备了理解用户画像的程度以后，无论是个性化推荐和广告投放等应用领域，都将进一步提升效率和精准度。

　　三、为什么用户画像在如今的广告营销中，如此重要？

前面提到，用户画像的出现，其实源于其在商业领域的应用，那就是企业对用户认知的需求。在营销活动中，广告商最怕的就是钱打了水漂，而打水漂的大部分原因，就是用户定位不精准。

在营销决策的过程中，企业关心的问题不外乎两个：

1）如果做出客户更喜欢的产品？

2）如何把产品卖给对的人？

解决这两个问题离不开对用户需求的洞察，因此决策者不可避免的要考虑两类人：

现有客户：我的现有用户是谁？为什么买我的产品？他们有什么偏好？哪些用户价值最高？

潜在客户：我的潜在客户在哪儿？他们喜欢什么？哪些渠道能找到他们？获客成本是多少？

精准营销领域，用户画像是不可或缺的，也就意味着，移动营销时代，得用户者得天下。

如今的营销战，早就不是仅仅停留在创意层面了，企业从用户的角度思考越来越深入。不谈精准投放、数据分析和用户画像，企业都不好意思说自己还在做营销。

只有根据产品特点，更加精准地找到目标用户，在用户偏好的渠道上进行内容投放，适时交互促成购买行为，才能实现精准获客。

基于大数据技术而形成的用户画像，为营销行业展开了一幅全新的画卷，让营销人员第一次有机会从一个更高阶的维度接触和分析用户，让他们第一次在用户画像中看到了他们未曾接触过的感到无比兴奋的信息宝藏。

从用户画像中，广告主（店铺、商家，任何需求方）都可以通过里面的标签和权重，挑选和决策他们想要触达的用户和触达的方式。互联网公司比如BAT，依靠天然的优势，他们的很大一部分广告就是通过这种方式来触达用户。

360浸淫广告营销领域多年，广告收入一直是公司的营收大头，从老板到员工人人都很重视，所以更是早早在用户画像、个性化推荐和大书句算法等新技术驱动的企业营销领域进行了布局。

360旗下的产品矩阵中，总共覆盖5亿PC用户和8亿移动用户，这使其在数据的储备上完全足够。同时，其数据的多样性（自身的、客户的和第三方