互联网的增长、内容、活动、产品等工作都是围绕着“用户”去做的，可以说都是在做“用户运营”。用户画像用通俗的话说就是给用户打标签。

比如，存储的用户日志数据进行分析和挖掘，这些“标签”是能表示用户某一维度特征的标识，主要用于业务的运营和数据分析。

举个例子，以下图片就是一位用户在某公司里的表现，利用一些标签，描述了在性别、住址、消费习惯、爱好等多方面的特点。

1、精准营销：可以给细分用户进行针对他们的运营，以短信、推送、邮件、活动等手段给出挽回激励等策略。

2、产品设计：根据用户画像了解有哪些用户有哪些需求，产品经理可以研究并且设计新产品的开发。

3、 数据建模：用户画像可以作为数据用在广告、推荐、防止用户流失等多种模型里面使投放达到最佳的效果。

按阿里电商对标签的分类，可分为：

我们主要讲从用户日志中得到标签，主要有三种数据来源：

统计类标签，规则类标签、预测类标签。

可以统计用户相关数值、客观描述用户状态，通常可以从用户注册数据、用户访问、消费统计中可以得出。

例如对于某个用户来说，其性别、年龄、城市、星座、近7日活跃天数、近7日活跃次数、累计购买金额、累计购买次数、月均消费金额等字段。

在实际开发画像的过程中，根据业务的需要由数据科学家和运营共同制定，例如，对平台上“交易活跃”可以定义为“近30天交易次数>3”。

这类方法中就会用到数据分析了，比如Facebook有一个著名的用户预测，就是如果用户在加入10天内好友数多于7人就更会留存，那么10天内人数多于7人就是一个“长期用户”的标签方式。

我们可以使用模型和算法预测用户的相关特征比如根据购物历史和浏览历史判断对商品的偏好，根据用户使用信用卡的还款记录预测它的风险程度等等。这里可以用到分类算法，也可以用回归算法预测再进行分类，比如前20%和后80%各分一类等等。

根据以上三类标签，我们就可以按照需要从0-1建立合适的用户画像。