一、如何进行用户画像分析

（1）收集用户数据

主要包括：用户行为数据、偏好数据、交易数据。

以淘宝店为例，我们需要收集的用户行为数据：活跃人数、页面访问时长、浏览pv数、来源路径；以淘宝店为例，我们需要收集的用户偏好数据：用户登录方式、浏览的内容、评论的内容、产生咨询互动的内容、喜欢的品牌、喜欢的物品。以淘宝店为例，我们需要收集的用户交易数据：客单价、回头客率、用户流失率、店铺转化率、老用户唤醒率等等。

（2）根据用户行为建模

实际上这步就是我们把收据的用户信息进行标签化，建立出一个模型，把这些标签一个个分出来。

如：大款内衣、大款秋裤、小码鞋子、低价手机、免费回收、无效退款等。

（3）构建用户画像

第二步只是初步建模，想直接标签化，还有点麻烦，缺少第三步的具体用户特征分析。

我们需要将第一步的用户行为数据并根据用户特征继续细化，比如性别、年龄、职业、教育程度、家庭情况、购买能力、购买次数、兴趣爱好等。

二、什么是用户画像

用户画像顾名思义就是把各种用户形象的画出来，也就是描绘出来，其作为一种勾画用户角色、联系用户诉求与设计的一种有效的工具，可以说是一种统计和分类手段，在各个领域都被广泛的利用。

在实际的操作过程中，我们会结合实际情况，将不同的用户角色通过产品和市场，将其中的同一类划分出来，作为一种具有代表性的受众群体。

用户画像最开始在电商领域应用较多，但互联网背景下，处处都是大数据，用户充斥在各个角落，我们就需要将这些用户角色用用户画像的方式分成一个个具体的形象化的个体或群体，再针对这种用户去做营销或服务，如此往往能起到事半功倍的效果。

三、用户画像的几个要素

首先我们要知道用户画像并不是真实的人，而是一种虚拟的代表，是通过每个个体目标的行为和差异，从而区分开，将行为一致分为一类画像，有着多种行为的个体，我们根据每种不同的行为，分为多个不同类别画像。如此我们就能得到一些有用的数据了。其中有八个比较重要的要素：

（1）具有代表性，用户角色是否是对真实用户的行为反馈。

（2）代表通理性，包含同类事物的描述，如图片、产品描述、姓名等。

（3）真实性，用户角色是否可以具化一个真实的人。

（4）独特性，每个角色之间是独特的，有其他人没有的特点，或是相似度低。

（5）目标性，该角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标。

（6）应用性，设计团队能否使用这个用户角色作为工具进行设计。

（7）长久性，画像标签针对的某一类是否具有长久性，也就是长时间不会变化的。

（8）数量性，用户画像设计数量是否很少，画像太多，会让设计团队很难记住每个画像的名称和设计。