「」从0到100，用户画像的构建思路，值得学习参考！( 三 )

用户价值是体现用户为产品贡献价值高低的标签，最经典的是RFM模型获得交易维度标签，与此同时，也应该看到用户的其它价值，例如为产品贡献活跃度，通过裂变拉来新用户，这些都可设计相应的标签。
示例：新手、成长、成熟、衰退、流失、高价值用户、VIP等级等。
第二步：画像从1到100的构建思路
在前面一节，我们讨论了一个用户画像的基础框架应该如何搭建，这一节讨论一下，有了基础框架，到底应该如何着手一步一步完善画像标签树，如何从一个基于业务的需求落地为标签的设计，如何将标签应用到具体的业务中。
要解决“如何做”“如何用”两大问题，要从这个问题的根本入手思考，也就是我们为什么要做用户画像，用户画像的作用是什么，了解了这个问题，便能水到渠成的根据用途合理的设计方案。
用户画像的主要目的有三个，具体如下：

第一用于用户信息的统计，建立对产品对用户的基本认知；
第二用于用户定向营销，利用人群圈选投放物料；
第三用于算法，沉淀用户特征，供模型使用。

所以标签的完善也可以按照这三个维度不断丰富，以下分别举例说明标签建设的思路。
① 用于统计，对产品对用户的基本认知
每个产品功能策略完善，都需要建立在对产品对用户的充分认知基础上，也就是说，用户是谁，有何特点，基本情况如何，这些是用户画像需要回答的重要问题。
思路拆解：既然要了解用户的基础信息，就需要将用户基本属性进行拆解：年龄、性别、居住城市（几线）、家庭结构（婚否、孩否）等。为了盈利考虑，还需要了解基本的收入水平、消费能力等。将拆解的维度抽象，构建对应标签，然后进行分布统计，便能生成一份基本的用户认知报告。
标签结果：年龄、性别等。
② 用于定向营销和精细化运营
运营同学作为画像的重要业务使用方，每天都会通过标签圈选人群，做定向的用户、活动、内容精细化运营，以及各app每天都在进行的促销活动。这些运营和活动的场景分布在产品的各个渠道和各个资源位，对场景和人群的惊喜程度要求都很高。
我们举例一个日常工作中最常见的需求：通过一次数据分析发现，产品的流失用户占比提升，通过讨论，大家认为通过一次结合利益点的push推送，召回流失用户，是有效且快速的手段，同时push作为各个业务都在争取的有限资源，希望可以提高使用效率，确保push这个资源渠道的整体ROI ，以上需求希望画像可以支持。
【「」从0到100，用户画像的构建思路，值得学习参考！】思路拆解：从这个需求背景中，我们做一次关键词提取，不难发现，关键词如下是“流失用户”、“利益点”、“push”“效率” 。其中流失用户是用户身份识别，利益点是用户优惠敏感度， push是产品渠道资源，效率意味着要尽可能的确保全选人群精准，不能为了覆盖率牺牲准确率。
思路拆解完毕，具体落地就变得简单多了，参考步骤如下：