推荐策略之用户画像

导语

有的人热衷于看NBA的时候，他的淘宝首页推荐已经悄悄变为了篮球鞋和球赛周边，又或者当你淘宝逛完化妆品之后，打开微博，刷下来出现了好几个美妆博主，让你停不下来看她们的开箱视频。

你有没有想过，这是巧合，还是必然？正是这种种的“巧合”，让用户与人、与物，方方面面的匹配度大大提升了，从商业角度来看，用户购买的转化率、内容频道的停留市场正在突飞猛进的增长，这正是企业想要的目标，那么，究竟是什么因素促使了整个格局的改变呢？其实是因为机器了解了你的用户画像，从而“定向”的为你推荐了你喜欢的内容，那么今天我们就来谈谈，推荐策略中的「用户画像」到底是什么。

用户画像是什么

1、女性，31岁，未婚，收入3万，爱美食，爱摄影，爱购物，这样一串描述即为用户画像的典型案例，用一句话来描述，即：用户信息标签化。

图1：笔者腾讯QQ的“个性标签”

2、通常我们将这些标签分为两类——静态与动态，静态的用户画像数据是独立于产品之外的属性，比如性别，年龄，学历，位置，这些信息较有统计性，比如女性消费力更大；动态的用户画像数据是指用户在产品场景内的显性（关注，点赞等）或隐性（页面停留时长等）动作，不同的场景所对应的行为权重各不相同，我们拿“搜索”这一行为举例，在社交场景中，“搜索”的行为十分主动，占比非常大，然而在电商的场景当中，“搜索”一个商品远不如“购买”的行为占比大。

图2：头条根据“地理位置”提供当地信息

用户画像的作用

我们为什么需要用户画像呢？收集到这些标签，我们就可以将用户画像有针对性的运用在各个场景之中了，这边列举几类主要的场景。

（1）精准营销：不论是广告主，还是自媒体都可以从平台选择对应标签的用户，更加精准的找到目标群体。如图3，4，为今日头条穿山甲付费推广，通过精准找到目标群体，再以特定的广告方式表达出来，能够加大对应产品的曝光量，更快增大受众群体的量量级。

图3，4：今日头条穿山甲付费精准推广

（2）行业研究：借助用户画像了解行业的动态进展，并制定相应策略。如图5，今日头条于2018年发布了2017年度120万头条号创作者画像，此画像显示生活、体育、娱乐内容是头条号创作者最喜欢创作的内容，并且数据显示他们最喜欢在晚上11点发布内容，根据此用户画像，CEO张一鸣表示2018年头条将从智能推荐走向智能社交，正式开始粉丝红利。

图5：今日头条2017年大数据用户画像

（3）产品的效率优化：不论是国内的头条、淘宝，还是国外的Youtube，都是基于用户画像来优化内容推荐排序的，Youtube在用户观看一个影片的时候，同时推荐用户观看类似内容的影片，增加用户留存时间，以此提升效益，降低成本。另外在内容推荐上，头条、一点资讯、天天日报等app在feed流（持续更新并呈现给用户的内容）上也同样适用，如图7今日头条不断推荐符合用户喜好的内容，使用户持续观看，同时穿插广告，可谓是商业的一大变现方式。

既然，我们知道了用户画像的重要性，而机器又不是人，如何能够知道一个“陌生”用户的画像呢，还记得开篇球鞋与化妆品的案例吗？事实上，我们会在很多情况会被“发现”，比如淘宝知道用户去看NBA，所以会给他们弹窗推荐球鞋。为了便于更好的理解“机器是如何从1到0用户画像”的，我们根据用户两个最直接的类别，即：新、老用户，来看看机器是如何构建用户画像的呢？

机器如何构建用户画像

1、我们先从新用户说起，当一个用户注册一款从未使用过的app时，机器如何去了解这个用户的画像呢（用户冷启动），在用户冷启动的场景中，我们最关心的是：用户的留存率。只有在保证用户留存的前提下，才会考量推荐的兴趣探索效果如何，是否在有限的展示里全面探索出了用户的偏好。下文以今日头条为例，考虑到用户所处登录状态不同，我们简单分为登录前、登录时、登录后三种情况。

登录前：

当你下载好app时，你的手机厂商、型号（设备层），是否为卸载重装的老用户，用户当前位置、常住位置、行为轨迹（权限层），用户关系（同一WIFI信息）就已经被捕捉，填充进你的用户画像了，笔者删除了今日头条，重新下载回来时并不需要重新输入密码或者验证码，而是点击一键登录即可重新登录。

基于社交关系的应用可能还会申请读取用户通讯录，补全社交网路，很多应用还会申请如读取目录或已经安装的软件权限，通过文件目录反推用户已经安装的应用情况，以此来确定用户的偏好信息。比如：如果用户安装了美柚之类的应用，则该用户极有可能是女性用户；再比如用户安装了虎扑、掌上英雄联盟，则该用户极有可能是男性用户，并热爱体育与游戏通过不同的市场渠道、不同的广告素材，或者是“邀请码”形式回溯用户是通过什么渠道和目的来安装的，进而了解到转化来的用户都具有什么特点。比如，通过金融相关素材转化的用户，显然会对金融类内容更感兴趣。

登陆时：

通过第三方登录能够快速获取用户基本信息，有助于分析用户的关系网和背景，比如今日头条，除了手机验证码的方式，还可以通过微信，火山小视频，抖音短视频等方式登录，一方面减少了用户的操作成本，另一方面又获取了用户第三方应用的信息，是一种两全其美的办法。

ps:目前仅曾经用微信登录过今日头条的用户可继续通过微信登录，其他用户请使用手机号登录，新用户已无法获得微信登录权限。

登录后：

业务设计：往往首次登录app的时候，系统会引导关注用户比较感兴趣的内容或者KOL，从而完善用户画像，然而这样的方式是一把双刃剑，首先为用户设置了一道门槛，其次用户不一定能准确的摸清自己的喜欢，或者过高的估算了自己的能力（喜欢摄影领域也许只是喜欢看作品，而不是学习专业的知识），因此现在很多应用已经引导而不强制用户去选择，如图6、7、8头条引导用户关注。

图6:今日头条引导用户关注

图7：今日头条推荐关注用户

图8：今日头条推荐关注频道

非个性化：面对冷启动用户的推荐，最典型的方式就是使用非个性化的热门榜单，满足“新”与“热”的特点，收集到一定数据再转换为个性化推荐，如图9，笔者用新账号注册的头条，可见推荐的都是不针对某种特定用户的内容，随着不断的深入，用户画像也会动态变化，更加准确。

图9：今日头条自动推荐

KOL：通过知名KOL的方式来留住粉丝用户，并逐渐完善用户画像也是初期一种比较普遍的方式，李开复、雷军都为知乎初期做过背书，吸引了大批人到处求购邀请码，李开复雷军本来就是IT界的大佬，因此知乎的第一批用户也是IT圈的人占了多数。换到现在的网红也是一样，一句话来说，KOL在，粉丝就在。

补贴：用一定的补贴来吸引用户留存，填写个人资料来完善用户画像，举例今日头条“2019发财中国年”活动，瓜分的新年红包需要用户绑定个人信息后才可以体现，不在一定时间内提现红包即失效，集卡时收获了大批用户，瓜分后收集用户画像，即使没有收集到未填写信息的用户，也回收了红包，是一个非常典型的案例。

游戏：通过一些调查类游戏，潜在的收集用户画像，比如发起一个H5测试“测测你离网红的路还有多远”，在这里面植入用户性别、用户职业、用户喜好等问题，最后随机给出一个有趣的结果，比如：“通过系统的缜密分析，你打败了全国67%的网民，你离网红主播还差一个韩国的距离”，这是获取了用户的基本画像；再比如网易云音乐口味测试，给你几首歌让你来选择，然后告诉你喜欢的品味，和跟你一样喜欢的用户比例是多少，从内容方面不知不觉中就已经收集到了比较完整的用户画像。

图10：网易云音乐测试

活动报名：用户填写报名资料的同时，也完善了对应的画像，比如微博“校园红人”招募的活动，填写自己擅长什么领域的时候，也就代表了用户会对这一领域具有强兴趣。

图11：微博“校园红人”招募信息表

2、那么当新用户逐渐变成了老用户，冷启动之后，又要怎么来完善用户画像呢，我们需要通过不断探索用户兴趣的方式，从短期留住用户的目标转化为提升长期的留存率。

丰富内容：

在内容资源的建设上，不断引入新的内容品类，并提升它们的知名度，有助于吸引到新的用户，或挖掘到老用户的新兴趣，通过动态的引入，我们对系统内的内容分布和内容价值体系也会有更好的认知。

对于大品牌可以尝试加权推荐的方式，即将内容直接交给推荐引擎去判断，展示量低就继续加权，保证内容能展示在一定规模用户群体的信息流中，挖掘出属于这个品类的受众用户，已有认知的用户继续保持观点，没有认知的用户经过多次曝光后也会慢慢建立认知，以规模换效果，对于小品牌的品类来说，采用生推的方式收敛速度太慢，点击数过少，效率过低，另一方面容易引起争议的内容通过生推的方式得到的反馈甚至是负面的，这样的方式就得不偿失了。因此大多数平台都会增加“先验”环节，向具有特定用户画像的人进行强展示。

用户消费：

通过用户停留时间的增加（隐性），完成一系列如点赞，评论，转发，关注的行为（显性），更加完善用户画像的信息，比如一个用户无意间点开一篇文章（或许也是刻意设计成容易“错点”），他会不会马上跳出，还是把这篇文章看完，分别统计这个用户在不同内容的跳出率，来完善他的用户画像，再比如一个用户点进一个大v的主页，进而点进一篇文章，然后退出，再点击下一篇（或者直接点击下一篇），虽然并没有关注，但从点击路径来看，这个用户显然对大V的内容输出感兴趣。

另一方面，系统会根据用户目前的画像，根据概率推荐用户可能喜欢的新内容，比如用户甲乙丙都喜欢内容A和内容B，那么当用户丁喜欢A的时候，系统会为他推荐B（实际情况数据会更大更精准）。