万事-平台注册！？说到大数据，有必要提到运营商的大数据。因为运营商大数据是互联网大数据产业的先行者，运营商本身也会有强大的数据信息。其真实有效性、及时性和可用性是对于运营商的天然优势，而运营商处理数据信息的能力和成熟度也是其他大数据管理系统的核心。

　　有数据显示，一家公司80%的亏损都花在了客户获取之上，而获取准确客户信息的成本占到了其营业收入的一半超过。当前，在互联网金融的大潮之下，无论是老牌企业还是新入市的小企业，如何以较低的成本获取客户，仍然是企业永恒的话题。

　　运营商已经看到了这类问题，并制定了针对性的解决方案，即运营商大数据。今天，我们就来解读用户画像。

　　用户画像，也就是标记用户的信息，企业采集用户的基本属性、社交属性、习惯、消费行为等数据，通过算法挖掘和分析用户数据，抽象出用户的全景属性，作为数据资产来实现业务场景和应用。用户肖像可以为公司提供基本的肖像表，帮助营销人员快速找到准确的用户群体，深入挖掘用户需求。

　　1、精准营销：以人群为导向的营销活动，可以使营销更有效率，在成本不变的情况之下，达到更好的整体转化效率。比如，以优惠的价格向在校学生推一个酒店营销活动，但没有必要把最接近酒店的营销活动推给IT白领。

　　2、推荐系统：用户特征分析和用户行为分析是高转化率个性化推荐非常重要的数据基础。例如，把最近的情侣酒店推到一对有酒店收藏的情侣。

　　3、搜索排序：在细化场景的过程之中，人群定位与意向分析相结合，可以提高转化率，并可以根据人群标签进行有针对性的排序。比如，推荐给大学生情侣的情感酒店。

　　4、筛选排序：在细化场景、提高转化率的过程之中，可以根据人群标签进行有针对性的排序。例如，对于出差在外的商务旅行者来说，离机场或车站较近的钟点房就在他们的身旁。

　　5、用户分析：用户分析和用户行为分析相结合，可以发现更高质量的用户。比如冬天，很多黑龙江人去海南住家庭旅馆。

　　6、业务分析：分析最近的客户行为和用户画像可以更好地帮助公司识别商业机会。

　　用户角色一般可以根据行为特征、基本属性、消费特征、交易属性、潜在特征、兴趣偏好和预测需求来组织。当然，由于业务的差异，你可以根据业务的特点，通过添加不同的方面来构建用户画像。一个基本的用户标记如下图所示。

　　行为特征：主要用于记录用户的行为操作信息。例如，每日发布、每周发布、每月发布、评论活动、最近浏览的页面数量以及浏览页面的时间。

　　基本属性：描述用户的一些基本特征，反映用户的一般信息。例如，用户ID、昵称、UID、性别、年龄、手机号码、城市、注册时间、活动、流失倾向等。

　　消费特征：主要用来记录用户的购买行为。在这里您可以使用RMF模型记录用户最近的购买时间、消费价格、消费频率等。

　　交易属性：主要用于记录某些事务的首选项。例如，订单总数、交易量、付款时间间隔等。

　　兴趣偏好：主要是有针对性地寻找一些兴趣点，用来区分用户，并结合日常的营销活动来设置兴趣偏好。比如，品牌偏好、房间偏好、品类偏好、星级偏好、食物口味偏好等等。

　　潜在特征和预测需求主要用于分析用户的价格敏感性和目标价格，从而为价格敏感度高的用户进行价格营销活动提供便利。