在数据分析时，如何刻画用户画像？应该从哪些角度入手？

Question

如题。在数据分析时，如何刻画用户画像？应该从哪些角度入手？

Answer 1

这个问题比较大，但是这个问题不应该是思考从哪些角度，而是思考需要做什么。

回到需求本身

最常见地说法，是像业务部门或上级询问，用户画像的目的是什么？

如果陷入了先分析后思考可以解决什么，这么一个怪圈之后很有可能就是：

1. 你不知道该怎么做，你也没有热情做。因为你只是接收了一个任务，这个任务的目的是什么却不知道。会不会是因为你们公司看到了其他公司在做，所以要做。

2. 你的结果很难转换成一个可执行的行为。最后的结果往往是，你做出来了，业务部门看了一两天。“不错！”然后丢到一边。你的工作不会受到尊重，而也很难看到模型的落地

如果你问清楚了原因，在分析，这个一个需求是不是需要通过用户画像的方式解决，事实上，大多数公司的用户画像仅仅是对用户数据的某种描述性统计。如果了解了需求，你就可以了解到，是不是业务部门需要的就是他们口中的"用户画像"。

用户画像的组成

如果以上问题都可以确定了，而且真的是某种“用户画像”问题，千万要理解用户画像不等于用户数据的描述性统计，但用户画像的第一步往往是描述性统计。

主要的方面，主要就是：

1. 用户的基本信息

2. 用户的行为

这和大多数用户数据分析的内容其实都是一样的额。

做完描述性统计之后的第二部，是将你的结果实例化，你要构造一个虚拟人物，你要标记这个人物的：

1. 容貌等基本特征

2. 生活处境，包括收入、工作

3. 生活习惯

4. APP内的习惯

记住，你现在描述的是一个具体的人，而不是某种数据的特性。如，“APP内有58%的用户是男性”应该表述成“用户，Mike，男”；“周末打开app的次数显著性小于平时”应该描述成“Mike周末忙着在外厮混，很少看手机”。

其次，很多的结果是一种suppose，不能由直接数据得到，但这些，往往是让产品设计和运营计划中产生更多灵感的内容。比如，你看到用户ip地址主要集中在北上广深，平均每月消费3万，然后这个数据也明显符合无偏态的中心分布，此外在6点以后的app使用频率明显增高，那么你可以换种说法描述，“Mike是在北京的一个高级白领，过着朝九晚六的生活，很少加班”。这样的描述对业务部门才是有益的。

最后，考虑这个人是否可能真实存在。比如，你计算出用户的平均年龄是23.214岁，你在表述中应该说“Mike未婚，23岁”而显然不能说成“Mike的极有可能的年纪是23.214岁”。再比如，这些特性不应该是某种混合，比如，你发现用户的平均年纪是23.214岁，有58%是男，52是女，然而，男性用户的平均年纪是21.234岁，女性用户的平均年纪是25.534岁，男女之间均值的差异是显著的，此时，你不能说“Mike，男，23岁”，而是基于需要，要么描述“mike，男，21岁”，要么采用两个虚拟人物，分别标注平均年纪。

画像之后

做完以上工作，还需要考虑两个问题：

1. 在你的用户画像之后，一定要给上描述性统计的数据支持，方便数据部门内的审核以及别的部门对数据其他画像中无法描述的东西进行数据上的索引。

2. 部分描述性统计结果是否可以工程化，转化成BI系统的一部分。比如监控使用APP的用户的年纪，这件事很重要，那可以考虑工程化成数据产品。