用户画像与用户标签
亚马逊的CEO Jeff Bezos曾说过他的梦想，「如果我有一百万的用户，我就会做一百万个不同的网站！」，做这个的基础是先对用户打标签。
什么是用户画像呢？就是根据某个人表现在网络上表现出来的消费行为，猜他的性别，每个月收入多少，孩子多大，乃至要买什么东西这些背后的特征。
用户画像最核心的组成部分其实是其中所包含的用户标签，用户标签其实可以理解成用户特征的一系列符号表示，每个标签可以理解成认识用户的一个角度。用户画像其实是标签的集合，每个标签之间都有一定的联系，整体上看各个维度的标签组合到一起形成了一个完整的用户画像。所以说用户画像其实可以用标签的集合来表示。
简单说可以这么理解，用户画像是用户在现实生活中抽象的描述，而画像本身是通过标签来组成的，整个标签的体系构成了用户完整的用户画像。
用户标签体系的结构
用户标签体系可以分为三个部分：数据加工层，数据服务层，数据应用层。每个层面面向用户对象不一样，处理事务有所不同。层级越往下，与业务的耦合度就越小。层级越往上，业务关联性就越强。
以A电商公司为例，来说明该系统的构成。
数据加工层。数据加工层收集，清洗和提取来处理数据。A公司有多个产品线：电商交易，电子书阅读，金融支付，智能硬件等等。每个产品线的业务数据又是分属在不同位置。为了搭建完善的用户标签体系，需要尽可能汇总最大范围内的数据。同时每个产品线的也要集合所有端的数据，比如：App，web，微信，其它第三方合作渠道。
收集了所有数据之后，需要经过清洗：去重，去刷单数据，去无效数据，去异常数据等等。然后再是提取特征数据，这部分就要根据产品和运营人员提的业务数据要求来做就好。
数据业务层。数据加工层为业务层提供最基础数据能力，提供数据原材料。业务层属于公共资源层，并不归属某个产品或业务线。它主要用来维护整个标签体系，集中在一个地方来进行管理。
在这一层，运营人员和产品能够参与进来，提出业务要求：将原材料进行切割。主要完成以下核心任务：
定义业务方需要的标签。
创建标签实例。
执行业务标签实例，提供相应数据。
数据应用层。应用层的任务是赋予产品和运营人员标签的工具能力，聚合业务数据，转化为用户的枪火弹药，提供数据应用服务。
业务方能够根据自己的需求来使用，共享业务标签，但彼此业务又互不影响。实践中可应用到以下几块：
精准化营销。
个性化推送。
