一、什么是用户画像
用户画像是指根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。
通俗说就是给用户打标签，而标签是通过对用户信息分析而来的高度精炼的特征标识。通过打标签可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户，并且可以方便计算机处理。
标签分类
标签的分类方法比较多样，可以按标签的产出方式分，也可以按实际业务分，也可以组合起来分类。
按产出方式来分的话：
1）事实统计类标签 例如近7日活跃时长、近7日活跃次数等等
2）事实规则类标签 例如消费活跃：近30天交易次数>=2
3）模型类标签 例如RFM模型，AARRR模型
4）算法类标签 例如根据用户购买的商品判断其购物性别、对某商品的偏好程度
按实际业务来分的话：
1）用户属性标签
2）用户消费标签
3）用户行为标签
4）风险控制标签
。。。
标签的应用
在互联网、电商领域用户画像常用来作为精准营销、推荐系统的基础性工作，其作用总体包括：
1）精准营销：根据历史用户特征，分析产品的潜在用户和用户的潜在需求，针对特定群体，利用短信、邮件等方式进行营销，提升营销效率和营销效果。
2）用户统计：根据用户的属性、行为特征对用户进行分类后，统计不同特征下的用户数量、分布；分析不同用户画像群体的分布特征。
3）数据挖掘：以用户画像为基础构建推荐系统、搜索引擎、广告投放系统，提升服务精准度。
4）服务产品：对产品进行用户画像，对产品进行受众分析，更透彻地理解用户使用产品的心理动机和行为习惯，完善产品运营，提升服务质量。
5）行业报告&用户研究：通过用户画像分析可以了解行业动态，比如人群消费习惯、消费偏好分析、不同地域品类消费差异分析
6）ABtest：用于创建ABtest实验，和实验效果分析
标签设计的核心
用户画像必须从实际业务场景出发，解决实际的业务问题，之所以进行用户画像，要么是获取新用户，要么是提升用户体验、或者挽回流失用户等具有明确的业务目标。
二、标签画像结构
数据源
数据源的数据是标签构建的最底层，来源于各个业务端的数据，主要有离线和实时两大数据来源，一般的大数据架构会有流批处理的链路分别处理，也有流批一体的架构，数据产品可不重点关注。
数据层
数据层开始数据产品会比较关注，数据产品在设计标签时需要关注标签的生产在数据仓库的流转口径，特别是在定义原子标签的时候，需要深入理解业务，了解用户的来源，状态，订单的渠道，线上线下，订单状态等等。
标签层
标签层一般的，会按照上面说的实际业务分类进行标签的建设，一般构建原子标签就足够了，在服务层的标签工厂可以个性化的创建新的派生标签。
服务层
服务层主要包含两块，一个是画像平台的应用，一个是画像数据的统一API服务，给前台的营销系统、广告系统等提供标签分群数据支持。
以上是用户画像系统的基础概念，下一节我们了解下画像系统的难点之一：如何构建oneid？
