用户画像不是简单的性别、年龄堆砌，而是要真正驱动业务决策。本文从“先圈人再做事”“先有事再圈人”“主动发现问题”三大场景出发，系统讲解如何构建能落地、可迭代的高价值用户画像，帮助运营和产品精准触达用户、提升转化。

用户画像是一个被高频提及，却很难做出彩的工作。因为很多用户画像分析，就止于列一堆：性别、年龄、人均消费金额、消费频次之类标签，并不能……导致大家看之前期望值很高，看完以后感慨：“还是不知道该干啥！”

到底要怎样做，才能让用户画像有用？今天一文讲清楚。首先要知道：用户画像只是工具，不是目的。做分析之前，得先清晰用户画像的使用场景。而常见的场景，有2种。

场景1：先圈人，再做事

此时，运营/产品/销售会先提出：我要发展XX客群。有一个明确的目标。之后可以进一步给出该群体的特征，方便业务行动。只不过，此时不要盲目陈列性别、年龄之类标签。业务看了也不知道干啥。

对业务而言，发展客户，就是“把客户需要的产品，通过客户高频活跃的渠道，以客户高概率点击的信息，推送给客户”，因此重点列五种标签：

1）消费能力标签

2）产品偏好标签

3）活跃偏好标签

4）内容偏好标签

5）价格敏感性标签

比如，业务想“召回3个月以上未消费用户”，那么初始类标签可以如下图设计：

注意！如果业务一开始圈人的范围很宽，那么做分群可以有效提高圈人精度。比如“召回3个月以上未消费用户”，只是限制了未消费，可能包含多种情况。

此时可以用以下标签，进一步细分：

1）近期是否有登录APP

2）历史消费金额高/低

3）是否有投诉记录

4）处于流失状态时间

分群后，可能有些群体先天更容易召回，有些已经彻底死掉。这样细致划分，更有利于业务开展工作。

有可能，针对同一人群，业务会多次行动。此时，记录每次效果，优化标签组，就能让用户画像越来越精准。比如“召回3个月以上未消费用户”，业务可能开展多次行动。此时记录如下图，逐步迭代，就能淘汰不好用标签，积累经验。

场景2：先有事，再圈人

另一种典型场景是，业务先有一个商品要卖/一个APP要推/一个社群要建，然后需要找到适合这个商品/APP/社群的人。这时候有两种典型做法：

1）先盲推一波，回收数据以后，观察谁是重度用户，再针对重度用户推

2）先分析一波，找理论上的重度用户，然后观察推送效果，再优化

比如，现在有一个公司主力产品A要推广，那么先问：

1）该产品的价格带在什么范围（高中低）

2）该产品是之前哪一款产品的改良/更新版

3）该产品和哪些品类产品，在功能上有互补

4）该产品对标的竞品是谁？

5）该产品和竞品比，功能/价格有什么优势？

梳理清楚产品本身的特征后，才好捞对应的用户标签。这里有一些固定套路：

清晰了方向以后，后续操作和场景1是类似的。建标签组 → 推送信息 → 观察响应情况 →优化标签组。

不过，这里有个特殊问题：有可能实际购买的用户和业务期望的不一致。比如业务期望推给年龄40+高收入男性群体，结果实际购买的是年龄25-35之间中低收入男性群体……

此时不要轻易下结论！有可能，阴差阳错卖得也很好。也有可能，即使卖得好，业务也不认账。此时，建议业务先做市场调查，抽典型用户访谈一下看看，再做定夺。

场景3：主动发现问题

当然，有可能业务没需求。比如数据部门上了CDP，打了500个标签组成“用户画像”正准备兜售出去。

此时，可以先从极端用户下手，找到最奇葩的客群，激发起业务的好奇心，比如：

1）上市新品不买，清仓期大量扫货的

2）促销参与率极高，促销订单占比极高

3）大促期间大量囤货，不促销不来的

这些是所谓“夜壶型”用户，一般冲业绩的时候都会拎出来用。

再比如：

1）活跃度高但就是不付钱的

2）精准搜索商品关键字但没买的

3）流失用户突然回流的

这些一般都是营销机会，只要人群基数够大，业务就有兴趣试试。