一、我们要建立的用户画像是什么样的？

用户画像是一个老生常谈的话题，但我们经常想建立的用户画像是下面这样的。

用户A，性别男，年龄20～30岁，湖北人，在北京工作，小公司程序员，平时喜欢吃火锅、看科技展，喜欢购买新的科技产品。

这算是一个中规中矩的用户画像了，那么然后呢？有什么用呢？

节假日期间给他推送北京到湖北的机票，平时可以推送火锅店的信息，推送开发相关的信息，推荐新款电脑、手机、键盘或耳机。

这时候问题来了，这样的用户画像需要多方数据才能建立。一个旅游网站可以拥有的相关用户的画像是什么样的呢？

用户A，一年中购买了2次北京往返湖北的机票，喜欢购买特价机票，平时几乎不出差也没有定过酒店，过去1年浏览了3次旅游路线但没有下单，出行动机产生于8月。

通过这份用户画像我们可以在节假日向用户推送北京到武汉的交通信息。其次，在8月向用户推送旅游优惠券和目的地推荐广告。

之所以觉得用户画像没有用，是因为上文中的两个用户画像并不完全是数据，还有基于数据的推测。实际上我们得到的数据是什么呢？

用户A在2月份和8月份购买过北京—武汉的机票和购买的机票的详情信息，在8月的3次登录行为。

建立用户画像是对用户行为数据的实际洞察和相关场景的联想，例如根据机票信息可以关联机票的价格、飞行时间、购买折扣以及购买时机票价格的排序，进一步得出更多的信息。

如果我们想通过该用户的用户画像做更多的营销计划，例如旅游网站向该用户推荐酒店，就无法得到准确的信息。所以，用户画像是基于用户行为数据的联想为用户建立标签，再根据关联标签进行下一步营销行为。

二、用户画像应该怎么用？

面对海量用户，我们无法对每一个用户进行分析。用户画像代表的是用户的典型特征，在具体应用上，我们可以根据用户行为差异建立用户分组，根据每组用户的特征建立用户画像。

在实际使用中，我们要根据目的来调取用户分组，而不是从用户特征中设计运营目的。

例如我们的目的是提高机票的销售额，那么可以筛选出年度飞行次数大于4次的高频用户。从这个维度进行用户分组，再进一步分析每个分组中的用户，例如常见目的地、购票喜好（价格、航空公司、机型或舱位等）、飞行时间，按照具体的用户属性设计推广文案。例如每月向习惯乘坐商务舱的旅客推荐机票优惠券、向固定目的地的用户推荐相关航线的信息。

如果反过来，我们精细化筛选出一个群组“年度飞行大于10次并且乘坐商务舱概率为80%的乘客”，可以做什么呢？这就需要针对这部分用户去设计营销活动。

两种思路的区别在于，一种是通过用户画像找到目标用户，通过目标用户的特征指导营销活动的细节；另一种是已经知道了这一用户的喜好，针对用户去做下一步行动，这会影响整体运营目标的达成情况。

总结

从用户分层的角度应用用户画像是营销中常见的一个思路。用户画像可以指导我们在活动文案、海报、优惠福利方面该如何设置，但无法告诉我们要设计一个什么样的营销活动。

分析用户画像是对现有资源的合理有效利用，对运营效果的提升。我们无法通过用户画像预测下一步行动，只能将用户需求与现有资源建立有效联系，实现将有用的信息告知有需要的人的目的。