用户基本信息主要是年龄、性别、学历、职业、收入、资产、婚否、是否有房、是否有车等。

用户行为画像主要指用户的消费行为，如品类偏好、下单预测、分期意愿等。

用户分群画像是基于统计方法（聚类）将同类型用户划为一类。

用户基本信息与用户行为画像常用模型指标验证，用户分群画像则需结合业务及每个群体用户覆盖度进行相应调整，最后的验证通常也是基于事后的业务反馈效果。

1.画像开发过程中验证

（1）模型验证

此方法较多用于基础信息以及基于用户行为的用户画像，在用户标签例如性别、年龄等能够有相应的标注，真实结果时可以使用，通用的验证指标为AUC、KS、ROC、Confusion Matrix等。

（2）抽样验证

在用户量较大的前提下，可以采用随机抽样或者分层抽样的方式进行验证，但由于抽样验证的数据量相对较小，因此准确性一般。

（3）交叉验证

交叉验证指画像指标间的交叉验证及第三方机构的外部数据的补充交叉验证。比如收入与资产存在一定的相关性，通常收入越高资产也会越高。

2.画像上线后验证

（1）真实数据验证

随着业务发展，一些用户画像信息会从无到有慢慢积累，将真实数据用于验证画像类指标是最准确的。验证方法主要看业务反馈排序、与画像模型排序模型是否呈现单调性。

（2）A/B Test

A/B Test是互联网公司最常用的验证方法，一般基于用户画像制定的策略在上线时都会进行严格的对比试验以测试画像的准确性。