用户画像是一个挺新颖的词，最初它是大数据行业言必及之的时髦概念。现在我们运营谈及用户画像，它也是和精准营销、精细化运营直接钩挂的。
什么是用户画像？
在中文的语言环境中，用户画像是用来描述用户特征（用户背景、特征、性格标签、行为场景等）和联系用户需求与产品设计的。
简单来说，构建用户画像的目的就是想要通过从海量用户行为数据中提炼出用户特征信息，并根据用户信息来进行精准营销。它根据用户在互联网留下的种种痕迹，主动或被动地收集信息，然后尽可能全面细致地抽出一个用户的信息全貌，从而帮助解决如何把数据转化为商业价值的问题。比如：猜用户的性别，来自哪里，月收入多少，有没有谈恋爱，喜欢什么，准备购物吗？
用户画像细分维度
用户画像主要包括：
1-性别，年龄段，成长环境；
2-生活情形，生活方式，生活习惯；
3-性格描述，以及内心的渴望；
4-消费情绪，喜欢什么，不喜欢什么；
5-内心的期待，未被满足的需求；
6-世界观，人生观，价值观；
7-社交特点；
8-媒体接触习惯；
9-对新事物的好奇心和反应程度；
10-对产品需求的联想层面；
11-和产品的接触点；
用户画像分类
随着时间的推进，用户画像也在不断完善和改进，分析方法也从最初的“经验论”逐渐改进，变成以大数据为基础和导向。
1. 虚拟用户画像
早期的用户画像和上文描述的用户画像定义和细分维度都有所不同。它是通过对用户各方面信息的调研，将得到的多种信息分类聚合，并进行分析，形成有典型特征的虚拟用户。
通过调查的方法得出的这种用户画像主观性比较强，没有数据的参与构建，自然粒度也就比较粗，做不到精确地描述用户的特征，只是将用户抽象成几个简单的形象。
比如，这种用户画像的描述形式可以用下图表示：
2. 数据用户画像
通过“虚拟用户画像”我们可以定义用户的性别、年龄等这些表面的基本特征，但这种特征的定义比较粗放，并不精确，想要更加全面准确的了解你的用户，就需要使用数据用户画像。
在互联网时代，大数据技术的应用使数据用户画像成为可能。这种用户画像是随着互联网的不断发展，积累的用户信息、行为记录越来越丰富，可以计算出每一个用户的特征。用户画像的细分维度前文已经讨论过了。
用户画像用标签集合来表示，例如：
张某，女，28岁，北京人，上海工作，金融业，分析师，年收入50万，已婚，一套房，两辆车，有孩子，不喜欢社交，爱运动，消费力强等。
基础信息可以通过用户的注册信息获得，但像是否有孩子、是否喜欢社交、喝白酒、消费能力等级等，用户不会告诉我们，需要建立数据模型才能计算出来。
当然，企业的业务领域不同，用户标签体系也不同，是需要有针对性的进行设计的，比如：金融和快消用户标签体系就会不同。