用户画像

标签化的用户模型
image
用户画像（英文：User portrait[1]）是一套全面关于用户信息的标签，给公司提供决策（商业业务的分析）。[4][2][5]用户画像最初是在电商领域得到应用的，阿兰·库珀（Alan Cooper）在1999年提出了用户画像的概念。[6]随着大数据时代的到来，用户画像开始逐渐在各方面领域应用，[3]从根据用户本人的需求开发，转变为以搜集用户数据进行分析而进行开发。[7]
用户画像的原理是，制定一套全面代替“人”的标签，进而代替用户，预测用户喜欢的内容。用户画像是真实用户的虚拟代表，基于真实数据形成不同类型的用户画像，一个产品通常需要4-8种类型的用户画像。[3][4][8]用户画像的标签类型分为统计类标签、规则类标签和机器学习挖掘标签3大类。用户画像的PERSONAL八要素包括：P代表基本性(Primary)，E代表同理性(Empathy)，R代表真实性(Realistic)，S代表独特性(Singular)，O代表目标性(Objectives)，N代表数量性(Number)，A代表应用性(Applicable)，L代表长久性(Long)。[9]
用户画像是利用大数据技术对不同类型的人群的进行分析，并为这些人提供出个性化服务，同时给企业带来商业价值。[3][10]用户画像的应用产生的影响呈现两极分化。[11]一方面用户画像应用于服务业、[12][13]教育、[14]公共服务[15][16][17]和制造业供应链等等[18]正面影响方面。[19]另一方面有信息泄露、信息茧房等产生的负面影响。[20][21]

起源

用户画像最早是美国人阿兰·库珀（Alan Cooper）在1999年Inmates Are Running the Asylum, the Why High-Tech Products Drive Us Crazy and How to Restore the Sanity的初版提出的。[6]他在应用用户画像时，将用户分为不同类型，并利用行为、性别和偏好等要素对用户进行描述，形成真实用户的虚拟代表，这种用户画像被称作“User Persona”。这是一种定性研究方法，能够直接将用户的核心诉求展现出来。[7]