标签是用户画像的核心，一切画像都是标签的总和。本篇文章分为2大部分，第一部分，从What、Why、How三个方面讲解怎么样去做产品的用户画像；第二部分，分享微信支付以中小微商户的用户数据分析报告。
在当今互联网时代，用户是所有的需求之源，所有的解决方案和产品形态都是为了更好的服务我们的用户。优秀的产品经理甚至比用户自己更了解自己。
要想满足他，就要了解他，做一款好的产品，就应该有一套精准的用户画像。
WHAT！基础概念扫盲
用户画像（User Prafile）
定义：俗称人物角色。是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。标签是画像建设的基础，用户画像的核心工作即给用户“贴标签”。
标签（Tag）
定义：具体实现的形式为数据点，是对用户信息高度精炼的特征标识。一般标签越精准，对应的覆盖人数就越少。主要途径是用各类数据指标结合具体的应用/业务场景来构建，没有应用场景构建出来的标签往往是经不起市场的考验的。
用户画像多是采取层级概念，条理分明地呈现了人群数据的特征分布。用户画像层级自顶向下包含画像体系（User Profile）、维度（Dimension）、数据点（Tag），画像体系可以理解为标记画像类别的文件夹，常见的有基础信息、地理位置、兴趣爱好、设备信息、消费信息等等。
画像层级
举个栗子
看图说话，以下包含画像体系有：基本信息，地理位置，兴趣爱好，设备信息等。而基本信息下的维度包括:性别，年龄、学历、职业等；地理位置包括:当前位置，原籍等；设备信息：手机品牌、机型、系统等。
每个维度下的取值即可称作标签（数据点），如职业下的标签可以是射鸡师、程序猿、产品汪等这里注意的是，有些地方的标签定义有所不同，包含多个维度的取值。例如:喜欢购买护肤品的一线城市白领。
WHY？使用用户画像的出发点
用户画像是当下很多企业都会提及的概念，多数情况下会和大数据及营销挂钩。
1.从公司战略层面出发
好的用户画像可以帮助企业进行市场洞察、预估市场规模，从而辅助制定阶段性目标，指导重大决策，提升ROI；更有助于定制独特产品策略，为小而美的市场营销方案提供指导。
2.从产品本身出发
用户画像可以围绕产品进行人群细分，确定使用的核心人群，有助于确定产品定位，优化产品的功能点。比如美妆类的产品，则前期就可以大致锁定画像一二线城市，爱购物，懂时尚，年龄段在18至35岁之间的女性。
3.从数据管理出发
构建用户画像有助于建立数据资产，挖掘数据的价值，为数据分析师提供最有力的证据。在国内一些大型的互联网公司，例如BAT，还会进行数据交易，促进数据流通。互联网营销行业中常见的DMP（Data Management Platform）就是用户画像使用的一个好例子。
How？构建方法详解
构建用户画像的步骤如下图所示：
数据采集
数据的来源有多种，很多公司有自己的CRM系统，或者有智能采集系统日志的工具，常用的采集方式包括API、SDK和传感器采集等，可以通过想要挖掘什么标签来反推需要的数据源。
数据筛选
原始数据源存在“脏数据”：数据空缺和噪声、不一致、重复、错误等问题，为了保证后期挖掘的准确性，避免对策造成影响，须对原始数据进行预处理。
数据标准化
用户画像的建立需要有整合多源数据的能力，例如一个实体可能使用多个设备，拥有网络世界的多个账号，则须把多个身份ID组合，建立一个统一的标准，这样才能完整标识实体的用户画像。
用户建模
通过算法模型来定义人群的用户画像，常见为分类模型和聚类模型，例如SVM，神经系统，K-means。
标签挖掘
通过平台来进行标签的加工和计算，通常需要部署环境，如通过Hadoop平台进行训练和学习，大规模的并行计算。
标签验证
通过真实的case验证标签挖掘结果的正确性，保证标签对应的处理结果跟预期大体相符。此步骤有时可以跟标签挖掘对调，即可以先用小样本数据验证模型的可靠性，再依照结果进行调整，再进行挖掘。
数据可视化
用图表的形式视觉呈现群体或个人的用户画像，常用的有柱状图、饼状图、表格等，市面上也有一些数据可视化工具。
微信支付：2019小商家经营大数据报告
2019年10月8日微信支付首次发布《2019微信支付小商家经营大数据报告》，全面展示移动支付时代下个体商户与商家的智慧经营发展。
1. 国庆“小店”微信支付交易笔数同比增长26%，其中10月2日成为交易最高峰，单日交易笔数同比上涨30%。
2. 微信支付小商家实现从“无”到“无穷”的飞速成长，小商家年日均交易同比增长3倍。
3. 晚8点到晚10点是“夜经济”最活跃的时段，快餐、小吃、便利店消费成为夜经济的“三驾马车”。
文章总结
- 用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的一个标签化的用户模型。
- 标签是用户画像的核心，一切画像都是标签的总和。
- 用户画像的设计层级是：画像体系->维度->数据点
- 用户画像有助于我们的产品在市场上更有竞争力，帮助产品优化功能点，挖掘数据价值。
- 构建的7个步骤：数据采集->数据筛选->数据标准化->用户建模->标签挖掘->标签验证->可视化
注意事项：
- 用户画像的制定须与具体业务场景或所属行业相结合，避免太过抽象，不同场景下同个标签名称可能表示不同意思，例如性别分为真实生理性别以及网络虚拟性别，须区别对待；
- 画像的粒度不是越细越好，划分的标签越多，对应的覆盖人群会急速减少，表征能力弱，且可能是为特征；
- 不能盲目使用用户画像，画像多为静态特征，用户特征随时间动态变化，也可能随场景空间而不同；
- 分清主次，不要为了画像而画像，一定要区分出哪些是真实的用户特征，哪些是你想象中的特征。
