什么是用户画像
我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来。
作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
通常，用户画像有三类主要应用场景
(1)精准广告营销。用户画像对广告营销来说是典型的应用场景。当给用户打上各种维度的标签之后，广告主就能够借助这些标签来圈定用户，以便更有效率地触达目标人群。我们以脸谱网的广告投放系统为例，广告主可以选择地域范围、年龄范围、性别、兴趣标签等。通过选择这一系列标签，系统也会实时反馈给广告主目前框定的候选人数。
(2)行业研究。借助用户画像，我们可以了解不同行业的动态进展。比如，90后、00后的购物娛乐消费分析，不同地域用户的消费差异分析，特定行业中用户的消费特点等等。通常，平台会定期发布此类报告，帮助内外部人士更好地了解细分领域的最新特点。比如，在腾讯大数据( http://data.qq.com/reports)上，你就可以查看到过往发布的行业研究报告。不久前，引发坊间争论的“成功人士用华为，普通人士用iPhone”, 就出自于此。
(3)产品效率优化。信息匹配是典型的场景，无论是国内的今日头条、淘宝，还是国外的YouTube、脸谱网，其平台都是基于用户的画像信息来优化推荐排序，以实现人和信息的高效匹配，从而提升效益，降低成本。
我们通常将用户画像数据划分为静态和动态两类
静态用户画像数据:用户独立于产品场景之外的属性，如性别、学历、年龄、婚育状况、常住位置、教育程度等。这些信息往往相对稳定，可通过第三方联合登录、用户表单填写等方式获取。静态数据通常具有统计性意义，比如常住位置在某高档小区的用户可能付费能力更强，女性用户可能冲动性消费更多等。
动态用户画像数据:用户在产品场景中所产生的显式或隐式行为。显式行为包括对某篇内容点赞、评论、分享，关注了某个作者等。在众多显式行为中，由于产品场景的不同，不同行为的权重也不相同(如对于电商场景，购买的权重>购物车的权重>查看的权重)。隐式行为包括在菜页面的停留时长、用户的操作行为轨迹等。通常，显式行为的权重要高于隐式行为，但是由于显式行为更稀疏，所以需要隐式行为来补充验证。
