用户画像如何构建、应用场景、以及怎么管理（用户画像三件套）
no.1 如何构建用户画像
用户画像的构建是面试c端产品经理或者策略产品经理都经常会问到的问题，其实这个问题其实比较吃经验，因为做过的和没做过的在思路上会有很大的差异，所以算是一个比较进阶的问题， 面大厂校招的二面或者面社招会被问到的概率大一些。
这个问题一般主要会考察两方面，一方面是看面试者有没有一个对构建用户画像最基本的思路，到底知不知道用户画像是基于树型的标签体系来去建立的，另外一个要重点考察的点就是在构建这个标签体系的过程中，是不是具备比较好的概括性和延展性
首先需要明确一个概念， 构建用户画像实际上就是在构建一个标签体系，一个 成熟的用户画像可能会有几千甚至几万个标签，这几千几万个标签不是一蹴而就的，很多都是随着业务的不断发展而添加进去的，所以这就需要这个标签体系有一个合理的结构，不然如果只是无序的堆砌标签，到后期很有可能就没法用了，所以构建一个合理的结构最重要的就是需要保证标签体系的高囊括性和强延展性，高囊括性意味着这个结构需要能够很好的包含一个用户的基本属性以及该用户和产品交互过程中产生的相关行为，同时也需要可以很好的覆盖业务相关的重点标签；强延展性则意味着结构全面的同时也需要一定程度的可拓展性，可以让不断新增的标签都能够找到对应的分类，整个结构不会过于的狭窄和局限。
所以在这两个原则下，用户画像一般可以按照以下7个维度来组织标签：基本属性、平台属性、行为属性、功能偏好、兴趣偏好、消费属性、用户生命周期
基本属性
基本属性是指一个用户最基本的社会属性和变更频次很低的特征，比如真实年龄、性别、手机号码等数据，这些标签基本可以通过通过注册信息表直接获取。
平台属性
平台属性就是通过用户在产品里的真实行为挖掘和计算出来的基本标签，举个例子， 平台性别标签，这里大家可能会有疑问，刚才那个基本属性里面不是已经有性别标签了嘛，那如果有这样一个用户，他注册的时候填写的性别是男，但是他在平台上发生的所有购买行为基本都是女性向的，比如买的衣服、鞋子、生活用品都是女性的，这个时候如果再基于男性标签做推荐，那推荐的结果自然可想而知。所以需要通过用户的真实行为来挖掘出可以更加代表用户真实意图的标签。一般在做推荐算法的时候，也都会基于平台属性的标签来去推荐，至于基本属性，主要是身份证、账号、昵称这种静态的标签使用的比较多。
行为属性
这个顾名思义就是记录用户全部的单点行为，这算是一个产品最基础的数据资产了，业务上的数据分析啊、算法推荐啊、以及刚才说的平台属性的挖掘都得靠它。用户的行为有很多，登录、浏览、点击、下单等等都是，主要还是要结合具体的产品业务来梳理，不考虑业务的情况下可以用一个简单的格式来去记录：用户+时间戳+页面+行为+交互对象，比如：22年3月1日下午三点，用户id为321的用户在 购物车页面 删除 商品id为123的商品。
功能、兴趣、消费属性
然后还有就是功能、兴趣、消费这三种偏好标签，功能标签简单来说就是用户在产品内对哪个核心功能有明显偏好，比如有用户对于搜索行为有明显偏好，有用户对于消息推送有明显厌恶，这些都是可以通过行为挖掘来去生成对应的偏好标签。
兴趣标签就是描述用户兴趣偏好的，主要是挖掘用户行为和产品里不同类型的供给之间的关系 ，比如电商产品里，就是要去描述用户和商品之间关系，比如对于什么品牌、对于什么类目、甚至是什么颜色的商品更加有兴趣偏好 。
另外还有一个就是消费属性偏好，无论什么产品，产品的最终目标都是收益，所以消费属性往往需要单独作为一个维度来重点刻画。消费属性的标签里主要又包括两种更加细分的标签，一种是统计性的标签，也就是统计用户的消费频次啦、消费金额啦这些；另外一种则是挖掘型的标签，就是通过用户的消费数据，来去分析和挖掘用户的消费能力、消费意愿、价格敏感度这些。
生命周期
最后一个就是用户生命周期的标签了，用户生命周期一般就是描述用户目前正在处于“新手期、成长期、成熟期、衰退期、还是已流失”的这五个环节中的具体哪个环节，因为针对不同阶段的用户，用户运营的手段和方式都存在很大差异，所以这个标签能够很好的辅助运营同学识别出不同阶段的用户从而制定出针对性的运营方案 。
no.2如何应用用户画像
这个问题主要考察用户画像的使用场景，因为再精准的用户画像也需要在对的场景下使用才能物尽其用。通过这个问题的回答，面试官可以考察你对用户画像的理解是否深刻，是否只是流于表面知道是什么却不知如何运用。
用户画像的第一个作用是用于定向营销和精细化运营，运营是用户画像的主要使用方，经常都需要通过标签圈定人群，做定向的用户、活动、内容精细化运营，精细化运营的场景分布在产品的各个渠道和各个资源位，对场景和人群的精细程度要求都很高。比如通过定向的优惠信息push推送来去召回对于价格敏感度高的流失用户，那这个时候就需要拉取用户画像中用户生命周期中的划分，从中标记出流失用户，然后分析对流失用户拉回效果最好的利益点，可以结合用户画像中的消费偏好，挖掘不同用户对于不同价位的折扣的敏感度，尽量做到优惠券的roi能够最大，把每一分营销费用都花到刀刃上。
第二个作用是可以用于算法中的各个环节，比如搜索、推荐、风控、广告等策略方向，比如推荐算法里的召回环节，在做召回的过程中就可以拉取用户画像中的兴趣标签下的细分标签，比如品牌标签、类目标签，再从对应的品牌、类目下召回相应的商品作为一个初步的候选集，为进入后面的排序流程做好了准备。
最后一个作用就是建立对用户、对产品最基本的认知，了解用户是谁，有什么特点，基本情况是怎么样的，要了解用户的基本信息，就需要将用户基本属性进行拆解，比如年龄、性别、居住城市、是否有孩子等。为了盈利考虑，还需要了解基本的收入水平、消费能力等。将拆解的维度抽象，构建对应标签，然后进行分布统计，就可以看出整个产品现在的用户概况是什么样的了
no.3如何管理用户画像
这个问题如果是面试策略产品经理、或者c端产品经理都有可能会遇到，尤其是jd上说了这个岗位是需要负责画像系统的情况下，那基本上被问到的概率就很大了，这个问题主要就是考虑画像系统搭建起来之后、怎么结构化的维护和更新里面的标签来保证画像系统的长期可用性和易用性。
其实之前一期有讲过，一个成熟的画像系统其实一般都是由成千上万个标签构成的（可以把之前那一期的脑图贴出来展示一下，然后给个tips详细可以看那一期），所以做一个好的画像系统很重要的一个工作就是对于标签进行有效的管理、分类和更新。因为用户画像里的标签都是有时效性的，每天都有可能有大量的标签要上线，同时也会有很多标签长时间没有使用变成废弃标签。所以对于后者，需要及时的回收和下线，那对于正在用的标签，那就需要基于数据是否需要更新、更新的方式以及更新的频次这几个维度来去管理标签的更新
标签一般来说又分为静态标签和动态标签
静态标签就是从标签生成起就不需要更新的那类标签，一般都是变更概率极低的那类标签，比如用户性别标签，这类标签需要就直接使用就行，一般不需要更新和管理。主要需要更新和管理的是动态标签，典型的动态标签就是用户生命周期的标签和用户行为标签，比如统计用户的注册时长是多少、用户发过弹幕的数量至今是多少、用户消费内容的数量至今是多少，这些标签都是动态的，并且需要从登录或者激活时间开始累加，因为这类标签都是做精细化运营需要的常见标签，对于数据的精准度要求很高， 所以更新频次一般是按天更新。另外用户偏好标签也是动态的，因为用户对于功能模块或者内容偏好的变化很频繁，比如对于某些领域内容的偏好变化、对于某一类博主的偏好或者对于某一类商品的喜好变化，不过这类标签不用从激活或者登录那天累加统计，一般就是将近半年的偏好数据合并更新，更新频次为天或者周都可以，这个具体需要看业务实际需求了。
所以所谓的针对用户画像的标签管理，其实主要就是确定什么标签按照什么方式以什么更新频次更新什么时间周期的数据。
