引言
我们已经进入到互联网的下半场。在上半场，也就是早期的互联网时代，你永远不知道在对面坐的是什么样的人。那个年代大部分人还是 QQ 的早期用户。在下半场，互联网公司已经不新鲜了，大部分公司已经互联网化。他们已经在用网络进行产品宣传，使用电商销售自己的商品。 ——王兴
案例--如何进行用户分析
假如你进入到一家卖羊肉串的餐饮公司，老板说现在竞争越来越激烈，要想做得好就要明白顾客喜欢什么。于是上班第一天，老板问你：“你能不能分析下用户数据，给咱们公司的业务做个赋能啊？
用户画像
什么是用户画像？
将自己企业的用户画像做个白描，告诉他这些用户“都是谁”“从哪来”“要去哪”。
用户画像建模
分为三步:
1、统一化：统一用户标识
2、标签化：给用户打标签，即用户画像
3、业务化：将用户画像，指导业务关联
为什么要设计唯一标识？
我们以一个 App 为例，它把“从用户开始使用 APP 到下单到售后整个所有的用户行为”进行串联，这样就可以更好地去跟踪和分析一个用户的特征。
设计唯一标识可以从这些项中选择：用户名、注册手机号、联系人手机号、邮箱、设备号、CookieID 等。
如何给用户打标签？
标签有很多，且不同的产品，标签的选择范围也不同，这么多的标签，怎样划分才能既方便记忆，又能保证用户画像的全面性呢？
这里总结为八个字——“用户消费行为分析”。
用户标签:包括了用户基础属性（姓甚名谁,家住何方）
消费标签:这里指的是购买习惯,购买意向,是否对促销敏感
行为分析:时间段、频次、时长、访问路径,即使用APP的习惯
内容分析:对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，比如，金融、娱乐、教育、体育、时尚、科技等
可以说，用户画像是现实世界中的用户画像建模,将海量数据进行标签化，来得到精准的用户画像，从而为企业更精准地解决问题。
那么,用户画像可以给企业数据分析带来什么价值呢？
从用户生命周期的三个阶段来划分业务价值？
1、获客：如何进行拉新，通过更精准的营销获取客户
2、粘客：个性化推荐，搜索排序，场景运营等
3、留客：流失率预测，分析关键节点降低流失率
如果按照数据流处理的阶段来划分用户画像建模的过程，可以分为数据层、算法层和业务层。你会发现在不同的层，都需要打上不同的标签。
数据层 指的是用户消费行为里的标签。我们可以打上“事实标签”，作为数据客观的记录。
算法层 指的是透过这些行为算出的用户建模。我们可以打上“模型标签”，作为用户画像的分类标识。
业务层 指的是获客、粘客、留客的手段。我们可以打上“预测标签”，作为业务关联的结果。
所以这个标签化的流程，就是通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。
根据上述所讲的步骤,进行用户画像建模
羊肉串店用户画像
用户唯一标识:手机号码
用户标签:姓名、性别、区域、联系方式、年龄
消费标签:餐饮口味、消费均价、优惠券使用占比
行为分析:下单时间段、是否线上消费、每周每月消费频次
内容分析:关联性分析(经常搭配的产品)
规律:
- 获客：拉新，精准营销获取客户，找到优势的宣传渠道
- 粘客：场景运营，个性化推荐，提高用户使用频率，比如说可以通过红包、优惠等方式激励优惠敏感人群
- 留客：流失率的预测，降低流失率，顾客流失率降低 5%，公司利润提升 25% ~ 85%
