用户画像是营销人员经常遇到的营销工具之一，它在营销的前期精准用户获取、服务过程中的用户个性化推荐、以及用户生命周期末端用户流失预警中提供依据和准绳。人工智能技术不断发展，并逐渐在数字化营销领域发挥威力，用户画像的应用方向就因她而改变。

用户画像

广义用户画像是指用户的社会属性、生活习惯和消费行为等信息抽象出来的一个完整的信息集合。狭义的用户画像是指业务界面下的产生可以反映用户特征的行为痕迹数据。

因为分工和场景复杂度，获取广义的用户画像是有难度的。下面我们只讨论狭义的用户画像，简称用户画像。

用户跟人的属性有啥区别？

人是一切社会关系的总和。他的描述中包含基本属性和行为属性。其中基本属性又包括人口属性和社会属性；而行为属性又包括长期兴趣、短期意图和日常行为习惯。

人的属性

用户则是基于某种领域中的人（比如在某个场景下使用某种产品/服务的人），用户数据则由基于某项业务的数据抽取的。数据的沉淀是因业务、服务过程而来，自然带有运营的历史印记。

大数据时代有价值的数据也是基于现实生活中的主体的功能、场景产生的，数据内也带有现实主体的属性。不同的平台承载的不同属性特点的数据，腾讯重在社交关系、阿里重在消费交易、百度搜索营销、数据沉积，而这些属性就是我们要挖掘的用户画像。而且随着技术的发展与用户行为相关的数据可以被收集的领域越来越多，人机界面的表现形式也更加多样。

用户画像和用户标签有啥区别？

标签是基于产品和服务的某个瞬间产生的并有可能持续发生影响的分类工具。

靠标签来描述用户画像是有风险的：1.时效性；2.抽取模型的有效性；3.对应标准及模糊性；4.标签间的范畴重叠和冲突处理机制；5.非原生数据。

用户画像拼图

用户的画像有可能是模糊的，不完全的（业务、服务、场景的局限性），是缺了大部分小块的拼图。这给我们营销和运营提出了难题。在未知部分信息中如何做用户画像并找到解决问题的密码？

解决用户画像问题的两个方向：

1. 补全信息获得全貌；

2. 利用已有数据做相关推断，利用不完全数据解决问题。

第一种方案是利用运营资源对现有用户进行多方位探查和互动，获取营销过程中的因和果。需要策略，和实施过程，并不断检验调整。效率低、时间长。以更充分地理解用户和描述用户为目标。期间也要用到深度学习技术对样本进行自动标注。

第二种方案就是我们要说的。直接利用人工智能技术将已知数据做相关性训练，将训练好的模型用于待处理的数据。在处理用户画像时关注的是群体和行为的相关性。管中窥豹，虽不见全豹亦可猎豹。她不需要全部的拼图就可以揭开谜题，拿到钥匙，高效、快速并以获得某类相似问题的最优解为目标。

虽然在很多情况下，我们有的都是非结构化的数据，有可能是文字，也可能是声音或者图像，但在AI的帮助下，用户的画像不必再由定量到定性的描述过程。用户画像不必标签化、具象化。这样营销过程中涉及用户画像的过程由数据-人-数据而变成数据-数据间的闭环。

人工智能为用户画像的获取和使用带来了新的解决方案，未来还会有跟多的领域会因为人工智能而改变！

欢迎将您的观点告诉我们~