很多人说过“用户虐我千百遍，我待用户如初恋”。
然而，你真的待用户如初恋了吗？你知道用户的年龄、学历、喜好吗？
如果用户几千上万，你不可能接触到每一个用户。要想了解一个产品/服务的使用者，少不得要做 用户画像 工作！
一、用户画像是什么
简而言之，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。
▼ 标签化的用户
根据不同产品、不同目的，用户画像又分：
品类用户画像
产品用户画像
品牌用户画像
用户行为轨迹画像
用户态度/价值观画像等
二、为什么要做用户画像
通过用户画像，我们能描述、认识、理解用户，进而为 产品开发、用户服务、市场探索、品牌策略、营销方案 提供决策支持。
因此，需要用户画像的人很多。 市场、运营、公关、产品、研发、销售 都需要了解自己的用户。
比如：同样是新闻类公众号，A的用户大多是20-40岁的年轻人，B的用户大多是40-60岁中年男性，他们推送内容的主题、风格必然大相径庭。
▼ 根据用户画像细分用户
ATEM四种类型用户不同的需求度和消费力
三、怎么做用户画像
1、确定研究对象和需要了解的属性
通常我们选用的属性有
自然属性：年龄、性别等人口统计学特征
社会属性：职位、职业、收入、婚姻状况等
兴趣属性：习惯、爱好等
消费属性：产品、渠道、频率、数量等
不同行业、不同业务场景对用户画像需求大大不同。如何选择合适的属性？
1、目标相关的
产品/品牌相关
商业目标相关
项目目标相关
2、容易获取的
问得到的
容易答的
让人信的
3、有利区隔的
共性vs.个性
硬性vs.软性
质性vs.量性
X内容网站用户画像研究
研究目标：了解网站服务的用户特点，更有针对性地为其提供内容服务，增加用户粘性，进而提升网站价值
为达到目标，需要了解这些属性
网络相关的：
网络在各媒介中的占比、网络的优势与特点……
网络使用习惯——频率、时机、时长、活动……
内容相关的：
内容来源、关注类型、浏览时间、使用工具……
内容定义、关注程度、关注原因、分享理由……
2、数据来源
1）大数据挖掘
从产品本身入手。例如：对电商网站来说，用户所在地、消费频次、销售额等数据均可以从产品内获取。
2）网络调研
爱好、收入等用户属性大多是产品本身没有数据积累的，这就需要通过（定量/定性）调研来获取。
3、用户标签生动化
用户画像研究是 具象-抽象-再具象 的过程。
从具象的用户个体数据出发，抽象出描述用户群体的客观的用户属性的数据，再以生动的标签立体直观的描述用户。
因此，当我们从海量数据里统计出用户属性，接下来的重要工作就是给用户贴上生动化的标签。
经统计，某网站用户属性为：
性别 男性:女性=74%:26%
年龄 20-29:30-39:40-49:50-59=10%:28%:43%:19%
学历≤ 高中:大专:本科:≥研究生=10%:30%:48%:12%
标签生动化的过程：
Step1设立参照系
网络用户、竞品用户
Step2找出差异点
Step3提炼“关键词”
偏男性、偏年长、本科多
Step4讲一个生动的故事
蔡一德
男，45岁，本科学历
在一家国营企业任部门经理，他在这个岗位上已经做了5年了，成为单位里不可或缺的“骨干中层”
他有一个女儿，马上就要中考了，他和妻子现在正为女儿的学习和志愿烦心
看新闻已经成了他的生活习惯之一。每天上班、打开电脑的第一件事，就是打开自己熟悉的XX客户端，浏览一下时事新闻
看看新闻，可以让自己清醒、放松，也有了和同事朋友聊天的谈资，可谓“一举多得”……
生动化这一工作，让用户在我们脑海中留下一个“人”的形象，而非一堆标签的简单堆砌。
* 问卷网 模板库有很多用户调研相关的问卷模板，如果你还没有找到给自己产品做用户画像的思路，去那儿看看。
电商业务运营场景
当前，基于大数据与标签化思路的消费者画像分析，成为B2C企业深入认知目标消费者特性的重要工具，并在电商、DSP广告等互联网企业发挥作用。越来越多的传统B2C行业，也开始重视其价值。同时，更多的数据资源方(如运营商等)也希望凭借其大数据资源上的消费者画像服务，获得更多的衍生收入。
消费者画像，本质作为消费者研究的一种量化形式，核心问题仍然是消费者的洞察。而HCR作为市场研究公司，在消费者研究方面有着长期的模型积累和经验丰富的研究人员。如今，HCR借助自身研究优势，同时吸取其他系统优点，建立推出真正具有全景、深入洞察能力的消费者画像模型。
HCR消费者画像模型体系由两大部分组成：标签体系与相应的分析模型。首先我们来介绍一下标签体系。
已经完成的标签体系中，设计用户标签近200个(根据业务/.研究深入在不断扩展中)，共分为5大类，如下图(限于篇幅图中仅列举部分标签)
数据来源 : 大数据平台部@HCR
HCR用户标签体系所具有的全景刻画能力，主要表现在：
l 提供对消费者更全面的刻画维度。当前众多标签体系(以电商和在线广告为代表)基本是面向精准营销和个性化推荐为目的，虽然也号称全景，但实际标签集中于购买兴趣/爱好和消费倾向这些与后续营收相关的用户特性。而这只是HCR用户标签的一个子集(第四大类)。仔细研究HCR的标签体系你会发现，除了兴趣爱好外，HCR的基本属性、社会/生活属性与行为习惯的相关标签类，真正从消费者实际日常生活的更多基本角度(如健康/车辆使用/住房/移动通信/居住/日常交通等等)全面立体地描述消费者的特性。
l 标签的刻画粒度也更加细化。比如年龄段，常规的多采用70后/80后/90后这样的划分原则，而HCR除此之外还能提供更多描述粒度，如中学生/高中生(甚至高三学生)/大学生… 这对发现和细分目标用户更有价值。
而HCR用户标签的深入洞察能力，则主要表现在：
l 更加丰富的标签体系带来更多洞察可能，但这还不够，HCR首创引入了心理学属性标签(第五大类 共30多个)，融合了消费者研究的思想，以生活方式/个性/价值观等深层标识，来揭示消费者的内在特性，使得我们能够深入探查消费者的本性，也使得画像结果有更泛化的应用价值。
l 更深入的算法模型。基于标签体系上的分析算法模型，在标注精度和广度上都有了更大进步(见后面详细介绍)
l 标签的标注结果，加入程度指标来细化，这样更准确地区分消费者对某种特性的贴近程度(如爱好游戏可分为轻度、中度和重度三种程度)。这对于更准确地理解消费者大有帮助。
与标签体系一样，HCR的标签分析模型也具有独特而有效的的分析方法。
l 主要通过行为类数据为分析依据
在标签分析中，主要借助行为类大数据(而非直接的属性数据)来推演得到相应结果(如不是基于客户身份证信息推导其性别标签)。 这样的方法，难度大，需要对行为理解更深入，但可以避免涉及大量用户敏感信息，同时也更具有更好的适用性。
HCR认为，用户的行为数据(当前主要为线上行为)主要由下几种行为场景模式组成(这里浏览包含网页与视频)。当市面上大多数标签研究聚焦于搜索/浏览和购物行为数据时，我们选择了手机App使用行为这个独特的突破口。
数据来源 : 大数据平台部@HCR
HCR消费者画像分析团队由HCR资深消费者研究员与大数据平台部挖掘算法人员组成。双方配合探索研发兼具研究与技术分析优点的可计算模型。
n 行为规则库抽象用户行为模式： 因为消费者的日常行为会反映其个人特性(标签)，因此通过行为模式的推理就能为消费者打上相应标签。相比其他方案，HCR通过研究员团队，，把消费者行为推理思路进行抽象，得到可以用于自动分析的方法规则，记录到规则知识库。该规则知识库是对消费者研究的经验浓缩，覆盖大量常规行为场景，并具有相当的洞察深度(如可以推演出生活方式等深层次标签)，这是当前基于纯技术驱动的分析方法所无法做到的。
n 规则推演引擎自动分析常规标签标注：基于分析规则库，挖掘算法人员研发了智能推演算法与自动处理程序，可快速计算消费者相关行为的统计/分布特性，并结合规则库自动计算得到消费者的标签(以概率值形式代表可能性)。自动推演引擎解决了符合规则特征的海量用户的标签快速推演，模式具有独创性，相关算法正申请专利中。
n 机器学习算法给更多消费者打标签。实际分析中，很多标签所对应的行为特点是隐性的，无法被发现和规则抽象。此时，挖掘算法人员进一步通过机器学习算法(有监督学习加推荐计算)，通过已标注标签的消费者的行为特性，来推导大量未标注/新用户的特性标签，。这种机器学习的模式通过已分析消费者的结果，极大扩展了标签可标注的用户范围。
在初步建立相关分析模型后，我们对移动互联网用户的App使用行为大数据进行了标签分析的初步试验。目标数据来自HCR HiMobile业务的数百万移动互联网匿名用户的长期(2个月连续)App使用行为，共300多亿记录)，得到了良好的效果。下图是其中某匿名用户分析得到的实际画像结果，非常具有代表性。
数据来源 : 大数据平台部@HCR
从图里可以看出，该匿名属性用户的特性通过行为已被画像结果有效勾勒出来(所有标签通过可信度概率标示，右侧灰色内容为分析得到的心理学属性标签)。无论目标描述的特性范围和深度，都比其他系统有较大的优势。
在大数据产业链中，HCR的定位是数据洞察者。而消费者画像分析作为典型的研究洞察服务，将逐步成为HCR的核心竞争力，在未来得到不断地加强和广泛应用。主要的应用模式包括：
l 作为HCR所有消费者研究业务的基础分析功能，帮助研究员在研究业务中洞察消费者的群体/个体特性。
l 为具有消费者画像能力的企业(如电商)，提供更多角度的用户画像分析结果，作为其自身用户画像的有效补充，从而大大增加其产品推荐的精度与适用性。
l 为具有用户行为大数据但缺乏用户画像能力的大量B2C企业(尤其移动互联网企业)，以标准化API的方式，提供快速的标签化分析服务，帮助企业轻松获得用户标签化分析能力，从而将分析结果轻松应用于后续的业务服务中
在后续的研究工作中，HCR的消费者画像团队将继续完善现有行为规则库和算法模型。并针对更多行为数据空间(如搜索和浏览)，扩展标签的分析能力，力求使HCR消费者画像分析成为最具竞争力的消费者洞察服务。
那么，作为产品经理来说，在这样的一款平台设计的过程中，除了要听取客户的需求以外，必须要就产品整体规划好把握好主航道，做好产品的前提就是理解客户的使用场景和他们的业务，同时面对复杂的电商领域，产品需要掌握业务逻辑和系统架构。
做电商产品时，虽然很多产品的功能看似可以借鉴京东、淘宝等成熟的大平台的功能，但是现实情况是，产品需要公司自身业务的特点和战略方向来确定逻辑。无论是京东还是淘宝，他们现在的产品体系都是经过多年业务的发展和系统的演化相伴而生的，他们的系统和他们当前的体量的业务相符合，但并不是说他们的产品逻辑就一定符合其他公司的业务场景。
一个完整的线下商品运营业务包括“进 销 存”三大模块， 大部分企业的运营工作就是对这三个模块进行精细化管理，从而提升效率。只有这三个模块能够最大程度的契合运作，企业效率就会大幅提升。如果把“进、销、存”映射到传统零售行业的落地细节中，可以分为企划管理、供应链、OTB计划、销售、补货、调拨、清仓、仓储几个维度。
接下里我们的介绍也将围绕这运营闭环的业务逻辑进行展开。
企划管理是运营的起点，主要做的就是两方面，一方面是品牌定位，把企业的产品和形象体验印入消费者的记忆中。另一方面就是品牌战略，也就是品牌管理，通过研究和分析，以数据为导向去管理和经营商品种类。
供应链（Supple Chain）主要是指整个商品的生产、运输、销售链路中形成的生产关系和销售关系的网络链路。根据企业的经营模式划分，我们可以将企业分为生产型企业和电商平台或者零售型企业。
供应链管理主要是为了提升供应链效率，首先要进行这样的管理主要涉及三大职能流程，分别是采购管理、进销存、物流配送。那么判断它效率的提升我们主要会从成本上去考量，成本可以分为动态成本和静态成本。
国内的物流行业主要分成 3 种模式，城际运输、同城物流、即时配送，不同的运输模式对应的车源类型也是不一样的，同时物流行业根据交付商品的特性，采取不同的货运方式，成本也都不一样，主要的物流成本有以下几种
库存往往是计划的产物，存在于供应链的各个环节。
能否管好库存直接决定了供应链管理的质量和效率，库存充足可以有效的帮助企业履约订单、缩短供应周期、保障正常的销售，但是库存并不是简单的越多越好。
现代企业库存管理技术主要包括三方面：动态库存控制技术、静态库存控制技术以及供应链管理库存控制技术。分别是从业务过程监控来制定库存策略、从企业内部进行库存调拨、订货管理以及从企业合作的上下游管理对供应链响应时间进行动态把控。
同样，对于库存管理的有效性，也是有相应的指标可以进行衡量，核心指标包括现金流、仓库使用率、滞销率、动销率、现货率、残损率、周转率和售罄率等。
库存管理流程：
零售行业是向消费者进行商品销售，除了销售环节外，企业内部商品运营管理是保障销售的基础。所以企业运营管理能力的强弱，直接决定了零售企业的“存亡”。
整个商品运营管理的工作流程就是：科学订货->季末清仓->利润最大化&库存最小化
在这个逻辑闭环中的几个大方向包括：
补货主要关注的就是补货的时机和补货的数量。
一、补货的时机：
二、补货的数量：
影响补货周期的几个要素
总结：补货数量的计算方式如下：
调拨主要是将库存从一个仓库调拨到另一个仓库的过程。主要是为了平衡库存供给和消耗，引发调拨主要是两种情况：一、供应商只发货到某一个库房，其他库房需要调拨补充 二、本地供应商的供货能力不足或来不及供货。
仓储不是简单几句话就可以解释清楚的，将仓储的运作环节概括起来就是 5 个环节，即入仓、上架、盘点、库存管理、差异处理。
以上，是基于零售行业基本业务构成的整体了解，作为电商后台产品经理，一定要懂业务，懂商品的销售逻辑、渠道效率、用户画像、运营策略以及业务财务收益和成本。本文主要从品类定义到采购计划到商品运营中的调拨、补货以及仓储层面和通过成本收益核算损益平衡点来形成一个业务闭环，在这业务运营之上，才能更好的设计产品。
参考资料：
《电商产品经理兵法-基于 SaaS 的电商系统设计与实践》程亮
以上就是关于3步走，学会描绘用户画像全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
