1、数据源分析

数据是构建用户画像的核心，也是建立客观、有说服力的画像的重要依据，一般包含宏观和微观两个层面。

宏观维度的数据来自于行业数据、用户总体数据、总体浏览数据、总体内容数据等。微观维度的数据包括用户属性数据、用户行为数据、用户成长数据、访问深度、模块化数据、用户参与度数据和用户点击数据等。

2、目标分析

完成用户画像的基础数据梳理后，根据相应的标准对不同维度的用户数据进行精细化处理，拆分成不同的用户群组和用户标签，对用户进行细分。依据用户属性、用户偏好、消费场景等要素将数据进行处理和区分，最终为每个用户打上标签，以及该标签的权重。

3、数据建模方法

一个事件模型包括：时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件，可以详细描述为：什么用户，在什么时间，什么地点，做了什么事。

（1）什么用户：关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。

（2）什么时间：时间包括两个重要信息，时间戳+时间长度。时间戳，为了标识用户行为的时间点，时间长度，为了标识用户在某一页面的停留时间。

（3）什么地点：用户接触点，Touch Point。对于每个用户接触点，潜在包含了两层信息：网址 + 内容。网址可以是PC上某电商网站的页面url，也可以是手机上的微博、微信等应用某个功能页面，某款产品应用的特定画面。内容可以是单品的相关信息。对于每个互联网接触点，网址决定了权重，内容决定了标签。

（4）什么事：用户行为类型，对于电商有如下典型行为：浏览、添加购物车、搜索、评论、购买、点击赞、收藏 等等。

综合上述分析，用户画像的数据模型可以概括为公式：用户标识 + 时间 + 行为类型 + 接触点（网址+内容），某用户因为在什么时间、地点、做了什么事。所以会打上某标签。