静态数据:用户相对稳定的信息，主要包括人口属性、商业属性等方面数据；这类信息果企业有真实信息则无需过多建模预测
动态数据: 用户不断变化的行为信息，主要是用户的网络行为。包括搜索、浏览、注册、登陆、签到、发布信息、收藏、评论、点赞、分享、加入购物车、购买、使用优惠券、使用积分……等一系列的行为。
通过统计真实的用户行为，给用户打上不同的行为标签，然后建立模型标签。比如人口属性、用户活跃度、用户兴趣爱好、用户满意度、渠道偏好使用、购买偏好、内容偏好、用户关联、用户风险评分等。
通过模型标签，进一步建立预测标签，如：人群属性、消费能力、流失概率、违约概率、近期需求、潜在需求。
2.用户画像的使用场景
- 不同的客户对企业具有不同的价值，通过对用户进行多个维度
的特征分析，企业可以根据用户的特征进行区分，帮助企业实
现对潜在用户的识别，并对不同价值客户采取不同程度的维护
手段。 - 通过给不同用户打上专属标签，可以重新理解消费者，分析并
预测用户的消费行为。不仅能满足消费者日益挑剔的需求，同
时也可以促进商品曝光，提供转化率 - 用户画像可以辅助决策者在正确的时间对正确的人开展正确的
活动，通过用户画像分析方法改善经营决策，为管理层提供可
靠的客户相关数据支撑，可以使经营决策更加高效
总结：
案例1：有一天，你的运营同事找到你，说京东电商平台最近小家电类目的订单数量、产品浏览量、搜索数量等都有所下降， 现在部门计划对小家电类目进行一次季末促销活动，希望你能针对小家电的用户特征给出一些建议。
1.需求拆解：
这是一个非常典型的对用户画像进行构建和分析的需求，需求要求我们能够对促销活动进行一些建议，一场促销活动必然包含以下几个部分：
● 促销活动的受众
● 促销活动的时间
● 促销活动的产品
…
我们可以从这些角度去勾勒出小家电消费群体的用户画像，从而可以进一步从用户特征本身来为促销活动提供建议和指导。
受众 -> 用户的基本属性
时间 -> 用户的购物行为属性
产品 -> 用户的偏好属性
-
下单小家电类目的消费者多为男性，但与女性用户数量差别不是特别大（10%）。
-
用户多集中在25-35岁的年龄区间，25岁以下的年轻用户和45岁以上的中老年用户比较少。
- 绝大多数小家电消费用户拥有专科及以上的学历，说明该类目的消费者学历水平比较高；
- 大多数消费用户从事互联网、白领、教师等收入比较高的职业，这与其学历水平相符。
用户的基础属性描述总结：
-
小家电消费者的典型用户为：
男性，年龄在30岁左右，已婚且有孩子。
他在一线城市居住，拥有本科学历，并在一家互联网公司任职，收入比较高。
他应该拥比较追求生活品质，注重家庭观念。但是一线城市节奏快，生活压力大，他可能缺少时间和精力来关注家庭生活。 -
结论
促销的文案可以采用比较中性的风格，突出促销产品对于家庭生活品质的提升。
4.用户的购买行为属性
- 从订单数据上来看，电风扇是最受欢迎的品类。但是这个订单数据是八月中旬的数据，那时正值天气炎热，所以电风扇需求量比较大。
- 如果促销活动是在夏天快要结束或者夏天结束之后进行，那应该选择第二受欢迎的净水器、饮水机和加湿器等类目。
- 绝大部分的小家电消费用户对产品的评论极度敏感。这说明小家电消费用户非常看重产品的口碑和使用反馈，
- 在促销选品上可以选择评价高、评论数多的产品；
- 在活动文案上可以多体现促销产品的口碑。
- 小家电消费用户在其他产品类目上的加购次数最多的是厨房小电，其次是粮油调味。
- 从这个数据可以看出，小家电消费用户的偏好还是集中于家庭生活中的需求，而且厨房用品占到很高的比重。
- 可以以此为切入点，多在小家电产品或者搜索页面对和厨房有关的产品进行引流。
结论