1.用户画像简介
简单的理解就是海量数据的标签，根据用户的属性、行为和观点的差异将他们区分为不同的类型，然后从每个类型中抽取典型的特征，赋予名字、人口统计要素或者场景等形成一个人物原型。
2.用户画像的作用
- 精准营销：分析产品的潜在用户，针对特定群体利用短信邮件的方式进行营销；
- 用户统计：国内爱好看电影的用户人数
- 数据挖掘：购买智能推荐，利用关联规则计算，喜欢运动的人通常喜欢什么体育用品，使用聚类算法分析
- 效果评估：完善运营，提高服务质量；
- 对服务或者产品进行私人定制，也就是个性化服务，服务每一类群体甚至每一位用户；
- 业务经营分析以及竞争分析，定制企业发展战略；
3.用户画像展示
3.1用户静态画像
用户填写资料的时候并没有将数据填写完整，比如说性别有男性、女性和保密，这时候我们可以用户的一些行为建模，判断出用户的性别
3.2用户行为画像
此部分数据来源于动态信息数据：
- 用户行为产生的数据：注册、浏览、点击、购买、评价、签收、收藏等
- 用户比较重要的行为：浏览商品、加购物车、收藏商品、购买商品；
根据这些行为特征，我们可以计算出用户的注册时间、购买时间、该用户的最大消费额、订单数量、偏好等，我们还可以根据用户的行为与消费习惯预测商品的发展趋势，提高产品质量，提高用户的满意度。
3.3动态画像和静态画像结合
在电商领域，bat大佬公司都多维度记录着用户的网络行为，用户画像就是通过对这些数据的分析而得到的用户基本信息、购买能力、行为、社交、兴趣偏好等方面的标签模型。从大量的数据中挖掘出对企业有价值的信息。
- 用户画像：基本属性、购买能力、行为特征、兴趣爱好、心理特征、社交网络
- 行为建模：文本挖掘、自然语言处理、机器学习、预测算法、聚类算法
- 数据收集：用户信息、用户行为日志、媒体标签；
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
- 基本属性：性别、职业、月收入、有无车等标签，通过用户注册信息和多维建模获得
- 败家指数、潮妈族、消费水平等标签，通过消费金额、下单频度、消费周期等数据分析建模获得；
- 活跃程度、购物类型、起居时间等标签，通过分析浏览、点击、下单等数据获得
- 社交关系网、公司关系网等标签，通过收货地址、活动地址等信息来判断；
- 促销敏感度、购物忠诚度等标签，通过代金券使用频度、购买单品类的品牌分布等数据判断；
- 即运动偏好、品牌偏好、爱打扮、颜色偏好等标签，通过购买的商品、颜色、品牌等信息判断。
4.用户画像的实现
4.1准确识别用户
用户识别的目的是为了区分用户、单点定位。用户识别的方式有很多种，如cookie、注册ID、邮箱、微信/微博/QQ等第三方登录、手机号等，
