使用者persona的含義：
p 代表基本性（primary research）指該使用者角色是否基於對真實使用者的情景訪談
e 代表移情性（empathy）指使用者角色中包含姓名、**和產品相關的描述，該使用者角色是否引起同理心。
r 代表真實性（realistic）指對那些每天與顧客打交道的人來說，使用者角色是否看起來像真實人物。
s 代表獨特性（singular）每個使用者是否是獨特的，彼此很少有相似性。
n 代表數量（number）使用者角色的數量是否足夠少，以便設計團隊能記住每個使用者角色的姓名，以及其中的乙個主要使用者角色。乙個產品，一般最多滿足3個角色需求。
我們通過調研去了解使用者，根據他們的目標、行為和觀點的差異，將他們區分為不同的型別，然後每種型別中抽取出典型特徵，例如：一些個人基本資訊，家庭、工作、生活環境描述，賦予乙個名字、一張**、場景等描述，就形成了乙個具象的典型使用者畫像。人物角色一般會包含與產品使用相關的具體情境，使用者目標或產品使用行為描述等。為了讓讓使用者畫像容易記憶，可以用具體的名字、標誌性語言、幾條簡單的關鍵特徵進行描述。乙個產品通常會設計3～6個角色代表所有的使用者群體。
如何去落地使用者畫像分析的？
一、如何建立使用者畫像
說白了主要是對兩類客戶的認知和判斷：
現存客戶 (existing customer) - 我的現存客戶是怎麼樣，喜歡什麼，什麼消費習慣，哪些客戶最值錢等等
潛在客戶 (prospect customer) - 潛在使用者又分：認知客戶和競品客戶，我的潛在客戶在哪，他們喜歡什麼，通過什麼渠道獲取，獲客成本是多少等等
分析的維度，可以按照人口屬性和產品行為屬性進行綜合分析，
人口屬性：地域、年齡、性別、文化、職業、收入、生活習慣、消費習慣等；
產品行為：產品類別、活躍頻率、產品喜好、產品驅動、使用習慣、產品消費等；
這個問題從本質上看是兩類問題：
1、對使用者畫像，打上標籤。這是個聚類問題，將同一類使用者通過演算法聚合成一類。
2、對不同使用者進行精準營銷。這個問題是個**問題，對使用者行為建模，**某一類使用者會對什麼更感興趣。
一、先說第一類問題，聚類。這個成熟的演算法很多，具體選擇哪種就要看你的資料有什麼了。既然叫做資料分析，那邊必然是以你的資料為準基礎的，看你的資料報含什麼，如果能把使用者對映到某乙個空間裡面，表示成向量（也就是高維空間的座標），就可以kmeans，dbscan等等方法來進行聚類，如果只能給出兩兩使用者的相似度，那麼就是用基於層次聚類的演算法。再重申一遍，關鍵是資料。
二、就是對使用者行為建模，同樣因為不了解資料，就只能簡單講一講普通的流程。精準營銷這個問題可以規約為**使用者對什麼商品感興趣。這個建模流程簡單來說應該包含下面幾個過程：
a、選取特徵，從歷史資料中選擇、構造出一些特徵，假設這些特徵和要**的值之間的乙個關係（這個關係也就是你的模型）。這一步是定性的過程。
b、確定模型中的未知係數，也就是定量的過程。
（1）定性與定量相結合的研究方法
定性的方法，表現為對產品、行為、使用者個體的性質和特徵作出概括，形成對應的產品標籤、行為標籤、使用者標籤。是
描述性的
定量的方法，則是在定性的基礎上，給每乙個標籤打上特定的權重，最後通過數學公式計算得出總的標籤權重，從而形成完整的使用者模型。
是可量化的
。關於建立使用者畫像、標籤化的問題，不僅需要從已有的使用者資料進行定量分析，還需要以問卷、訪談等形式進行定性研究。定量和定性分析相結合，才有可能得出乙個更為精準的使用者畫像。但更重要的是以使用者為中心，而不是以資料為中心。
使用者的行為，我們可以用4w表示：who（誰）；when（什麼時候）；where（在**）；what（做了什麼）
，具體分析如下：
when（時間）：這裡的時間包含了時間跨度和時間長度兩個方面。「時間跨度」是以天為單位計算的時長，指某行為發生到現在間隔了多長時間；「時間長度」則為了標識使用者在某一頁面的停留時間長短。越早發生的行為標籤權重越小，越近期權重越大，這就是所謂的「時間衰減因子」。
where（在**）：就是指使用者發生行為的接觸點，裡面包含有內容+**。內容是指使用者作用於的物件標籤，比如小公尺手機；**則指出使用者行為發生的具體地點，比如小公尺官方**。權重是加在**標籤上的，比如買小公尺手機，在小公尺官網買權重計為1,，在京東買計為0.8，在**買計為0.7。
what（做了什麼）：就是指的使用者發生了怎樣的行為，根據行為的深入程度新增權重。比如，使用者購買了權重計為1，使用者收藏了計為0.85，使用者僅僅是瀏覽了計為0.7。
當上面的單個標籤權重確定下來後，就可以利用標籤權重公式計算總的使用者標籤權重：
標籤權重=時間衰減因子×行為權重×**權重
舉個直觀的例子，通過使用者的行為資料，「b使用者今天在蘋果官網購買了iphone6」反映出的使用者標籤可能是「果粉1」；而「a使用者三天前在天貓收藏了iphone6」反映出的標籤可能只是「果粉0.448」，這些可以給不同使用者打上不同的標籤和權重。
有了標籤和權重後，這將在後續的營銷決策中發揮指導作用，比如廣告重點推送給這些使用者，以及協同推薦。
二、使用者畫像的利用
關於得到使用者畫像後可以區分不同使用者級別從而進行相應的精準營銷的問題，推薦引擎利用特殊的資訊過濾技術，將不同的內容推薦給可能感興趣的使用者。較常見的推薦引擎通用演算法有
（1）基於關聯規則的推薦演算法（如買了泳衣的使用者可能會買泳鏡）；
（2）基於內容的推薦演算法（需要使用者的歷史資料，例如我在**上買了個貓砂盆，轉眼第二天又給我推薦了乙個貓砂盆）；
（3）協同過濾推薦演算法。
協同過濾推薦的核心是找到和目標使用者興趣相似的使用者群，技術上叫「最近鄰居」（nearest neighbor）。
通過最近鄰居對商品的加權評價來**出目標使用者對該商品的喜好，從而進行精準推薦。套到題主所說的使用者畫像，那麼可以理解為
：系統匹配與目標使用者的畫像所相似的使用者群，然後推薦這類使用者群感興趣的商品給目標使用者
。簡單來說
，物以類聚，人以群分
。 最後補充一點關於協同過濾推薦的最主要的優缺點。
優點：可以過濾難以進行內容分析的商品，例如**。且推薦具有新穎性。
缺點：使用者做出評價較少的情況下，資料不充足，產生稀疏性問題。
整理**於：
如何落地使用者畫像分析？
舉個直觀的例子，通過使用者的行為資料，b使用者今天在蘋果官網購買了iphone6 反映出的使用者標籤可能是 果粉1 而 a使用者三天前在天貓收藏了iphone6 反映出的標籤可能只是 果粉0.448 這些可以給不同使用者打上不同的標籤和權重。有了標籤和權重後，這將在後續的營銷決策中發揮指導作用，比如...
使用者畫像 如何構建使用者畫像
1 使用者畫像是什麼 what 2 為什麼要構建使用者畫像 why 3 如何構建使用者畫像 how 下文將會對這三部分內容做詳細介紹。1 什麼是使用者畫像 使用者畫像是一種用來描述產品目標使用者特徵的使用者研究方法，在實際操作的過程中往往會以最為淺顯和貼近生活的標籤將使用者的屬性 行為與需求聯絡起來...
使用者畫像 聚類分析
本來我不打算說這個，但是覺得還是有必要提一句，收集到的資料很多都不能直接使用。需要對資料進行編碼和分類，還要去掉異常值和補全缺失值這些。我這裡將會用到的分析軟體是跟隨我五六年的spss 用了這麼多年依舊不是高手 我就假設這一步大家都做完了。知道了為什麼要因素分析，就談談因素分析的作用，因素分析就是把...