這七家大公司的實踐，告訴你用戶畫像到底該怎麼做 | 免費下載電子書

策劃｜Tina序言｜易觀CTO 郭煒

在2016年，王興說，互聯網已經進入了「下半場」，互聯網人口紅利的時間已經過去了，需要對用戶的深耕細作獲得更多的收入和利潤。過去的一年裡，各家將大數據從嘴上落到實際的運營體系當中， 「用戶畫像」就是其中必不可少的一環。

無論是「增長黑客」還是「精益數據分析」，所有公司精細化運營者面對成前上萬的用戶，都會問那三個哲學上的終極問題：「你是誰？」（用戶畫像與特徵），「你從哪裡來？」（用戶來源渠道與效果），「你到哪裡去？」（用戶流失與召回），其中用戶畫像系統會在業務和技術領域中不可或缺的組件。

由於產生用戶畫像會用到大量的數據挖掘演算法，很多的CTO/CDO都認為將用戶畫像系統想當然的放置到挖掘團隊來執行，而筆者認為，用戶畫像系統，是與大數據存儲平台、大數據調度平台、元數據管理平台等平行的大數據基礎業務組件，它執行力度層次應該以CTO/CDO執行領導的項目體系。一個優秀的用戶畫像系統存在以下幾個挑戰，需要CTO/CDO親自重視。

用戶畫像系統的基礎是用戶統一ID系統：用戶統一ID系統，在傳統公司里叫做ECIF，它橫跨了數據治理、數據整合、業務打通等幾個難關；在互聯網公司中叫用戶跨屏唯一ID，對於跨屏ID整合演算法，APP硬體設備指紋/防刷量等技術門檻有很高的要求，而做好這幾點的業內公司少之又少。

用戶畫像標籤體系是業務技術共同合作的結晶：在大數據融合的背景下，很多不同公司之間進行數據補全的工作，經常會遇到標籤打通的難點。其實，一個公司好的標籤體系與其業務是強綁定的，通用性較強的只有用戶基本屬性一層，越良好的標籤體系越是和公司業務與運營密切相關，例如萬達的線下品牌偏好度標籤與易觀線上APP TGI標籤就是典型不同維度的指標體系分支。

用戶畫像系統與各系統打通：一個完備的用戶畫像系統，不僅僅為搜索推薦引擎服務，也會為數據分析BI展示、風控系統、數據挖掘引擎、數據元數據管理平台等提供有效的用戶全生命周期的標籤以及計算指標。技術和業務整合難度非常大，需要跨多個技術和業務部門進行協同，是一個技術「一把手」工程。

用戶畫像的時時併發挑戰：一個優秀的畫像系統經常會被各種系統時時訪問，很多動態標籤也需要實時更新，今日頭條和的時時推薦系統就是基於一個龐大的時時用戶興趣標籤集群計算而得；而大量大數據Ad-hoc查詢經常體現在這裡，最常見的案例就是要求秒級的用戶標籤與用戶行為的交叉查詢（十億級別用戶 v.s. 千億級別的用戶行為），InfoQ中我和各位專家有很多類似文章，跟興趣的同學可以去觀看。

簡而化之，用戶畫像系統的大致關係位置如下圖：

綜上，用戶畫像系統是一個涉及到各種知識體系的綜合系統，本電子書中幾個作者介紹一個公司如何從無到有的搭建用戶畫像系統，以及其中的技術難點與實際操作中的注意事項，實為用戶畫像的實操精華之選，推薦各位收藏閱讀，也希望各位大數據從業人士在各自領域裡有所斬獲，演算法精進，數據大成！

1. 美團外賣 O2O 的用戶畫像實踐

外賣是一個新鮮的事物，在用戶對一些新品類和新產品缺乏認知的情況下，需要通過技術手段識別用戶的潛在需求，進行精準營銷。面臨外賣業務場景下的一些挑戰，需要用戶畫像團隊更細緻的數據處理、融合多方數據源，同時發展出新的方法論，才能更好地支持外賣業務發展的需要。而外賣的挑戰，又分別和一些垂直領域電商類似，經驗上存在可以相互借鑒之處。因此，外賣的用戶畫像的實踐和經驗累積，必將對整個電商領域的大數據應用作出新的貢獻！

2. 去哪兒的用戶畫像構建策略及應用實踐

用戶畫像的構建原則有兩條：

• 必須從業務場景出發，解決實際的業務問題，之所以進行用戶畫像要麼是獲取新用戶，或者是提升用戶體驗，或者是挽迴流失用戶等有明確的業務目標 。

• 根據用戶畫像的信息做產品設計，必須要清楚知道用戶長什麼樣子，有什麼行為特徵和屬性，這樣才能為用戶設計產品或開展營銷活動。

用戶畫像作為大數據的根基，它完美的描述了一個用戶的信息全貌，為進一步精準、快速的分析用戶行為、消費等重要信息，用戶畫像倉庫同時也提供了足夠的數據基礎。

3. 40 億移動設備的用戶畫像和標籤架構實踐

這篇整理TalkingData的王鵬老師在大數據雜談的分享。說起大數據的應用可能很多朋友們腦子裡邊第一映像就是畫像，我想從以下幾個方面跟大家聊聊畫像相關的事情：1、什麼是畫像；2、畫像的用處；3、如何進行用戶畫像；4 畫像應用中的難點。

4. 攜程是如何做用戶畫像的

用戶畫像作為「大數據」的核心組成部分，在眾多互聯網公司中一直有其獨特的地位。作為國內旅遊 OTA 的領頭羊，攜程也有著完善的用戶畫像平台體系。目前用戶畫像廣泛用於個性化推薦，猜你喜歡等；針對旅遊市場，攜程更將其應用於「房型排序」「機票排序」等諸多特色領域。本文將從目的，架構、組成等幾方面，帶你了解攜程在該領域的實踐。

5. 百分點蘇海波博士：為什麼你做的用戶畫像模型不精準？

對企業而言，得用戶者得天下。

用戶畫像不是數學遊戲，而是嚴肅的業務問題。構建用戶畫像的核心是進行標籤建模，標籤不僅僅是個符號，更要和業務緊密關聯，是業務和技術的最佳結合點，是現實與數據化的最佳實踐。不斷從更深的邏輯角度思考建模理論，並有效匹配業務應用，用戶畫像在實際業務中的重要價值將會越來越大。

6. 易觀用戶畫像實踐

本文概括介紹了用戶畫像的定義、作用以及如何構建用戶畫像，在這個實踐過程中，我們深刻體會到演算法不是萬能的，除了需要掌握那些挖掘演算法的原理外，仍應以業務為中心做展開，一定要對自己的業務數據做分析。模型只是其中的一部分，即便在深度學習發展趨勢迅猛的今天，我們也能看到很多傳統的數據挖掘演算法效果仍然優於深度學習。現在業界的整體模型也差不太多，能拉開差距的基本還是對數據的理解和數據處理上。

7. 讓機器讀懂用戶：大數據中的用戶畫像

用戶畫像是當前大數據領域的一種典型應用，也普遍應用在多款網易互聯網產品中。本文基於網易的實踐，深入淺出地解析了用戶畫像的原理和生產流程。

方法一：