1704850168
（1）精准广告营销。用户画像对广告营销来说是最典型的应用场景。当给用户打上各种维度的标签之后，广告主就能够借助这些标签来圈定用户，以便更有效率地触达目标人群。我们以脸谱网的广告投放系统为例，广告主可以选择地域范围、年龄范围、性别、兴趣标签等。通过选择这一系列标签，系统也会实时反馈给广告主目前框定的候选人数。
1704850169
1704850170
（2）行业研究。借助用户画像，我们可以了解不同行业的动态进展。比如，90后、00后的购物娱乐消费分析，不同地域用户的消费差异分析，特定行业中用户的消费特点，等等。通常，平台会定期发布此类报告，帮助内外部人士更好地了解细分领域的最新特点。比如，在腾讯大数据（http://bigdata.qq.com/reports）上，你就可以查看到过往发布的行业研究报告。不久前，引发坊间争论的“成功人士用华为，普通人士用iPhone”，就出自于此。
1704850171
1704850172
（3）产品效率优化。信息匹配是最典型的场景，无论是国内的今日头条、淘宝，还是国外的YouTube、脸谱网，其平台都是基于用户的画像信息来优化推荐排序，以实现人和信息的高效匹配，从而提升效益、降低成本的。据Netflix估算，个性化推荐系统每年为它的业务节省的费用高达10亿美元。
1704850173
1704850174
坊间传闻，基于用户画像的推荐排序还有一些灰色的应用：比如真假货混发，罗振宇在跨年演讲“时间的朋友”中提到，某不良商家会根据用户的收货地址来预估用户的认知水平，从而决定是发送真货、高仿，还是假货；又比如价格歧视，同样一件商品添加进购物车后，不同的用户可能会收到不同的后续反馈，价格敏感型的用户更容易收到优惠券。
1704850175
1704850176
我们通常将用户画像数据划分为静态和动态两类。
1704850177
1704850178
静态用户画像数据：用户独立于产品场景之外的属性，如性别、学历、年龄、婚育状况、常住位置、教育程度等。这些信息往往相对稳定，可通过第三方联合登录、用户表单填写等方式获取。静态数据通常具有统计性意义，比如常住位置在某高档小区的用户可能付费能力更强，女性用户可能冲动性消费更多等。
1704850179
1704850180
动态用户画像数据：用户在产品场景中所产生的显式或隐式行为。显式行为包括对某篇内容点赞、评论、分享，关注了某个作者等。在众多显式行为中，由于产品场景的不同，不同行为的权重也不相同（如对于电商场景，购买的权重>购物车的权重>查看的权重）。隐式行为包括在某页面的停留时长、用户的操作行为轨迹等。通常，显式行为的权重要高于隐式行为，但是由于显式行为更稀疏，所以需要隐式行为来补充验证。
1704850181
1704850182
以下是一些常见的静态或动态用户画像数据：
1704850183
1704850184
位置信息。不同产品对常住位置有不同的应用方式：推荐本地新闻和特定水电暖通知之类的内容是能够想到的最直观的应用场景；美食团购类应用，是默认基于身边位置进行推荐的。但是，当你离开常住城市进入其他城市时就会发现，应用中会增加一个旅行者模块，其提供的内容更多考虑知名度而非距离因素。
1704850185
1704850186
1704850187
1704850188
1704850189
图2–8 美食团购类应用基于位置推荐示例
1704850190
1704850191
除了常住城市的应用外，对于朝九晚五的上班族来说，还有常住地点的概念，如高德地图和滴滴打车中提供的“家”和“公司”的选项。基于日常轨迹和常住地点，系统可以进行一些远距离的推荐，如可以在下班时段推荐家附近的饮食或尝试推荐沿途的消费地点。
1704850192
1704850193
搜索信息。搜索是一个显著表明短期意图的行为，具有随时间衰减的特性。以淘宝为例，当你搜索“螃蟹”之后，那么无论是在淘宝的首页横幅广告，还是在接入了淘宝广告的应用，你都能看到关于“螃蟹”的广告。而当搜索行为过去一段时间或是在你显式购买之后，这类广告的展现就应该降低或停止。
1704850194
1704850195
1704850196
1704850197
1704850198
图2–9 淘宝基于搜索推荐示例图
1704850199
1704850200
评分。评分是最常见的量化行为。如淘宝、京东等购物网站对购物行为不同维度的点评，豆瓣对书籍和电影的打分等，一般都设置为1~5分的评分机制。需要注意的是，不同用户有不同的打分偏好，比如有人习惯性好评，有人则偏严格。因此，需要将用户的历史平均分作为基准进行归一化处理，以衡量用户评分行为背后的认可度。
1704850201
1704850202
收藏。收藏表达了用户对内容的偏好程度。在内容领域，具有工具性或实用性的内容通常更容易被收藏。在电商领域，收藏和加入购物车一样都是用户购买意图的体现。
1704850203
1704850204
分享。除了表达喜好外，分享还传递了用户的立场和态度。比如，用户会阅读、评论很多热门的内容，但在转发的操作上是审慎的。转发到微博或微信朋友圈的动作代表了用户在用自己的社会身份扩散内容。从某种角度而言，转发的肯定意义比收藏、评论等行为的意义要大。
1704850205
1704850206
评论。评论代表了参与度，但不一定明确地关联到态度的好恶。对评论的处理需要进一步进行文本分析，以获取用户的表意性和情感倾向性。在产品层上，淘宝的宝贝印象算是一个典型应用，通过抽离出用户的共同评语来辅助新的消费者进行决策。
1704850207
1704850208
1704850209
1704850210
1704850211
图2–10 淘宝网站宝贝印象截图
1704850212
1704850213
播放比例或播放时长。与点击行为相比，播放时长是一个相对隐性的行为。我们通常可以用播放时长来衡量用户对特定视频点击后的消费体验。2012年，YouTube就已经调整视频排序算法，将获得观看时长更多的视频排在更优先的位置。
1704850214
1704850215
1704850216
1704850217