什么是用户画像？
收集分析用户的线上线下行为数据，把个性化的人，打上标准化的标签，把标签做梳理聚合，形成一个个典型的用户画像，再根据不同的用户画像做精准营销or推荐。
本质是去差异化的过程，抽象出一定级别的共性，反哺降低业务成本，创新业务场景。
对标签分类的架构设计很重要，
1.要确保分类合理，覆盖后续使用的业务场景，拓展性要好。
2.应该满足MECE原则，即相互独立&完全穷尽。总的说，前期架构设计的好，后期维护修改成本低。
根据对数据的加工深度，标签又可以分为，基础数据标签，事实模型标签，需求预测标签；
根据用户属性，标签可以分为：静态基础信息标签，动态标签，预测标签；
标签是一维维特征，画像是标签的集合，因为业务目标是一个个人，所以我们一定是基于画像，指导营销/运营工作。
1.标签搭建步骤
网上各种教程很混乱，下面这个是说的比较清晰,细节我们再拆解下
1.基于业务构建标签体系
这是产品工作的重点，也是标签体系是否合理决定性的部分。
由上至下考虑几个维度：
a.我们的战略目标是什么？部门的战略目标是什么？
b.我们的业务模式是怎么样的？
c.用户/商品 在整个业务中所处的是什么环节？有哪些应用方？
2.构建特征工程
直接开始做规则、特征工程，就有点着急了，可以再深维度思考，从什么类型的标签，到具体什么样的标签
3.底层数据清洗
底层数仓治理
4.计算每个用户的标签值
开始搭建特诊工程，利用历史数据训练，决定权重，再根据训练模型结果，落实到用户，计算用户对应每个标签的值
5.系统可视化
DMP
2.用户画像应用
2.1 战略目标拆解
1.精细化运营
2.拉新/留存用户
这其实是用户标签所处的业务环节决定的
2.2 应用场景深度归纳
从业务分类分类看，可分为五类
1.营销增强：基于用户人口属性，偏好，指导精细化营销
2.用户洞察：根据用户的社交属性信息，探索用户的社会关系信息
3.渠道优化：从用户生活方式，用户分群，消费能力等角度，探索用户的习惯方式
4.产品创新：从用户生活习惯，行为轨迹，指导产品创新
5.个性推荐：从用户行为轨迹，个性化推荐
最后贴一个自己整理的房源标签
标签：是对富信息的简化，因为便捷的展现访问形式，所以会用在各业务环节上，做提效用
画像：多标签的整合，相比单一标签，是量变到质变
