用户画像（Profile），即用户信息标签化，通过收集用户社会属性、消费习惯、偏
好特征等各个维度数据，进而对 用户或者产品特征属性的刻画，并对这些特征分析
统计挖掘潜在价值信息，从而抽象出一个用户的信息全貌； •
可看做是企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数
据驱动运营奠定了基 础。如何从海量数据中挖掘出有价值的信息已经愈发重要。
⽬标⽤户画像
•来源：第三方检测SDK
用户画像（profile）的作用
用户画像（user profile）的构建步骤
数据挖掘：
预先设定好需要获取的事件，让程序员在相应页面上
进行数据埋点，用于追踪和记录用户的行为，并将实
时数据传送到后台数据库或者客户端。
数据挖掘举例
以电商为例，为了抓取用户的人口属性和行为轨迹，
先预设用户购物的可能行为，比如：
把这些用户信息和行为用程序语言进行数据埋点，比如访问时长、浏览路径、页面停留时间等），数据被发至服务器，被存放在后台或者客户端，形成用户基础数据。
确定标签
给用户“打标签”是构建用户画像最核心的部分
不同的受众，不同产品、不同目的，给用户的标签各
有侧重，具体问题具体分析
常见标签分为两类：
静态标签：相对静止的用户标签，包括最基础的用户
信息如性别、年龄、学历、角色、收入、地域、婚
否、性格等
动态标签：变化中的用户标签，记录用户互联网上的
行为偏好。如：搜索、浏览、注册、点赞、收藏、打
分、加入购物车等等。
数据建模就是给用户行为标签赋予权重
用户的行为可以用4w表示：
Who
（谁）
When
（什么时候）
Where
（在哪里）
What
（做了什么）
数据建模
Who（谁）：定义用户，明确研究对象，用于用户分类，划分用户群体。
比如用户注册ID、昵称、手机号、邮箱、身份证、微信号等
When（什么时候）：包含时间跨度和时间长度两方面。越早发生的行为，
标签的权重越小，越近则权重越大，既“时间衰减因子”
What（做了什么）：用户发生了怎样的行为，根据行为的深入程度来添加
权重。比如，用户购买的权重为1，用户收藏为0.8，用户仅仅浏览记为0.7.
Where（在哪里）：指用户发生行为的触点，包括内容和网址。内容是指
用户作用于的对象标签，比如小米手机；网址指的是用户行为发生的具体地
点，比如小米官网。权重加在网址上，比如小米官网为1，京东为0.8。
当单个标签的权重确定下来，可以利用标签权重公式计算总的用户标签
权重：
标签权重=时间衰减因子*行为权重*网址权重
