Page 57 - 打通产品与用户需求

第二章 产品与用户需求

像所涉及的用户特征，不再是企业用户的全体平均化特征，也不是某个用户的个
性特征。根据企业逐渐形成的特定用户画像群体，又称为情景化用户特征，可以
将其用于大量用户画像的构建和整理存档。

第二步是匹配用户画像特征数据。用户画像所反映的虚拟化用户的大概率行
为并不全然代表全局性用户的必然行为。因此，基于大数据平台的用户画像必须
对用户角色和属性进行标签化和系统化，结构上形成对用户行为的分层分析和分
类分析，通过分层分析和分类分析两方面进行深度的研究，而不仅是单从用户数

量出发进行的简单统计描述分析。基于大数据分析平台的用户画像技术代表了虚
拟化用户的全面性大概率的行为特征。通过对用户画像图集的持续更新，资料库
的持续迭代等系统升级的工作，可以大大提高虚拟化用户行为的判别概率。这就
启示我们可以基于用户画像技术进行用户行为分析。

第三步是用户画像的构建，包括准确识别用户、动态追踪用户行为轨迹、根
据静态数据评估给予用户标签等。用户画像是具有双向特征的结构化数据集，可
以虚拟地反映出相应用户的兴趣爱好、情绪变化等心理特征。尽管小营销市场不
存在的情境用户，但依旧可以借助人工智能形象地刻画出具有智能科技的自我演

化型用户。企业根据对情境用户特征的深度剖析，可以从中找到创新路径的先导
方向，可以基于用户画像进行市场趋势预估。
企业要想基于互联网大数据技术对用户画像进行分析要关注两个方面：一是
需要将营销中的用户信息按不同维度、不同层次赋予不同的管理标签，再根据实

际情况将不同标签组合起来寻找符合此特征条件的用户，然后构成用户画像分析。
因此，大数据的用户画像分析，主要就是将用户信息标签化、按要求对标签重组
编排、根据特征筛选标签、投放市场检验、最后接收大数据反馈来修正标签、迭
代完善资料库。二是大数据的用户画像是一个用户画像集册，从不同方面可以构

建用户外貌特征画像、用户产品特征画像、用户行为特征画像、用户互动特征画
像等。这就需要从用户对产品的外观偏好、功能偏好、系列偏好、体验偏好及技
法偏好等角度来构建用户产品特征维度体系，从而构建用户产品特征画像的框架，
着重实现产品创新营销，提高对标产品的识别能力。

2. 用户行为技术分析
基于用户画像系统的分析，根据企业营销需求可以进一步拓展大数据平台的
用户行为分析。从技术角度看，基于大数据平台的用户行为分析与用户画像分析

49