首先，为什么要设计为标识用户也标志是整个用户画像的核心。
其次给用户打标签，
我们可能会想，标签有很多。从四个维度
1、用户标签包括姓名，年龄，地域，收入，学历，职业。
2、消费标签，消费习惯，购买意向，是否对敏感促销这些可以用于消费习惯。
3、行为标签时间段，平时时常访问路径，得到他们的使用习惯。
4、内容标签，平时浏览什么内容？停留时长浏览次数，分析出对哪些内容感兴趣。
用户画像是对现实生活中的用户进行数学建模，将海量数据标签化来得到准确的用户画像，为企业更精准的解决问题。
从生命周期的三个阶段来发挥业务，包括霍克年克游客。
1、获客：如何进行拉欣，通过精准的营销获取客户。
2、粘客：个性化推荐，搜索排序场景运营等。
3、留客：流失率预测分析关键节点，降低流失率。
如果按照数据流处理的阶段来发挥用户建模的过程，可以分为数据层、算法层和业务层，不同的程序要不同的标签。
数据层指的是用户行为里的标签，我们可以达到事实标签作为数据客观的记录。
算法层指的是透过这些行为算出用户建模，可以打上模型标签，作为用户画像的分类标识。
业务层指的是获客留客的手段，我们可以打上预测标签，作为业务关联的结果。
美团外卖的用户画像如何设计？下面我们来做个练习，如果你是美团外卖的，数据分析是如何制定用户标识的ID，制作用户画像以及基于用户画像做哪些业务关联。
首先美团外卖的产品背景美团已经和大众点评进行合并，因此大众点评和美团外卖上可以进行外卖下单，另外美团外卖针对的是高频oo的场景，美团外卖是美团的核心资产，基本上一般的市值都是外卖撑起来的。
一、首先我们需要一个统一用户的唯一标识，究竟用哪个字段可以用用户标识呢？我们看一下美团和大众点评都是通过哪些方式登陆的。
美团有手机号，微信微博，美团账号
大众点评采用的是手机号，微信，QQ，微博
两者有共同的是手机号，微信，微博。
主要用户是注册手机号为标准，这样账号体系就可以相通了
在集团内部各部门之间的协作，用户数据打通是非常困难的建议，如果大数据对各个部门都能负，能一定要比他的战略高度上的最高层的顶层架构上交用户进行统一，这样后续才能实现用户数据的打通。
二、然后我们思考有了用户可以用到哪些标签用户行为分析的准则来进行设计。
1、用户标签，性别，年龄，家乡居住地，收货地址，欢迎宝宝信息通过何种渠道进行注册？
2、消费标签，餐饮消费均价，团购等级，预定使用等级，排队使用等级外卖等级。
3、行为标签，点外卖的时间段，使用频次，平均点采用时访问途径。
4、内容分析，基于用户平时浏览的内容进行统计和餐饮口味优惠敏感度等。
当有了这些行为标签之后，就可以更好的理解数据了。
比如一个经常买沙拉的人很少吃宵夜，同样经常吃宵夜的人吃小龙虾的概率可能高于其他人，这都是数据挖掘中关联分析得出的，有了这些数据可以预测用户行为。比如一个用户购买了月子餐之后，更有可能购买婴儿水同样婴儿相关的产品，购买的概率也会增长。
到业务流程上，我们可以基于标签产生哪些业务数据呢？
* 或刻上，我们可以找到优势的宣传图，到如何通过个性化的宣传手段吸引潜在需求的用户，并刺激其转化。
* 年课上如何提升用户的单价和消费，凭此方法可以包括购买后的个性化推荐，针对优质用户进行优质高价商品的推荐，以及重复购买，如何通过红包优惠等方式刺激优惠敏感的人群，提高购买频次。
* 在留客上，预测，用户可能会从拳台上消失关于营销领域有一个观点，如果将顾客流失率降低5%，公司利润将提升25%到85%，留存率很重要，用户流失有多种情况，用户体验竞争对手需求变化，通过预测用户的流失率，可以大幅降低用户流程的运营成本。
锻炼自己的抽象能力，将繁杂的事物简单化。
我们最终的目的不是处理这些数据，而是理解使用这些数据挖掘的结果。
对数据的标签化能让我们快速理解一个用户，一个商品乃至一个视频内容的特征，从而方便我们去理解和使用数据。数据标签化考验的是我们的创新能力，日常工作中我们要锻炼自己的抽象能力，我们可以很快的这样一个反弹的时候讲的话，不仅方便理解，还有一后期的使用。
分析一下自己的朋友圈，看看自己有哪些用户画像。
1、信息标签：性别，年龄，地域、学历、职业。
2、关系标签：亲人、同事（不同公司）、同学（小中高大）、朋友、一面之交。
3、行为标签：是否进行互动、聊天点赞、发朋友圈的时间、频率
4、内容分析：是否原创、文字、视频、图片
