用户画像在需求分析，产品设计以及许多非产品工作中都十分重要，也是推荐系统等智能系统的基础功能。本文主要讲述通过产品已有数据去构造用户画像，用户画像的用途等基本概念。
什么是用户画像？
用户画像也叫用户标签，是基于用户行为分析获得的对用户的一种认知表达，也是后续很多分析工作的起点。用户画像可以很宽泛，只要是对人的认知都可以算。
用户画像的价值（用途）？
用户画像可以用在如下场景“市场细分/用户分群”，“用户分析/数据化运营”，“精准营销/定向投放”，“各种数据应用：推荐系统，预测系统”。
以业务目的为起点，构建用户画像系统，能更清晰地清楚要标记哪些业务，标记不是越多越好，我自己在实际业务中就接触过，数据埋点过多，最后产生的数据多而杂，反而失去了用途的情况。
用户画像的两个大类
统计型画像：此类是客观存在的，多为兴趣偏好，比如说每天都在阅读汽车新闻，那么我们就认为对汽车感兴趣。这类标签无所谓正确率，通常需以应用评估，不需要训练样本集。在实际业务中例如会员系统就用到统计型画像。
预测型画像：利用行为特征预测，常见的有：人口属性，态度，价值观，例如银行风控系统就用历史数据建模，构建高风险用户，以及用历史用户，构建潜在客户类型。
常用的用户画像标签
常用的用户画像标签如下：
人口属性：性别，年龄，常驻地，籍贯，身高，血型...
社会属性：婚恋状态，教育程度，资产状况，收入情况，职业...
兴趣偏好：摄影，运动，吃货，爱美...
意识认知：消费心理，消费动机，价值观，生活态度，个性....
对用户画像接触不多的时候，通过常用用户画像标签，可以对某个产品进行一个粗略的用户画像。二象限法里也会采取两个重要的用户画像标签对用户分类，实现分析业务的目的，例如银行的投资用户画像，通过年龄和投资风险的承受能力，把用户划分为年少激进型，年老保守型等用户画像。
用户画像生产流程概述
上图中，浅色背景路线（从用户行为日志→内容抽取....→标签产出）为统计型画像的生产流程图。深色背景路线（用户行为日志→特征抽取...→标签产出）为预测型画像的生产流程。
