导读
在数字化浪潮背景下，用户研究是每家企业的核心工作。在实际业务中，对用户研究的结果决定其产品设计、渠道策略、价格策略等。本文为“运营指标分析详解系列文章之用户画像数据篇”。
用户研究的基础是对用户做画像，通常涉及用户行为和用户属性两部分。
前者指用户在日常使用产品时的所有操作，包括访问页面、点击按键、输入信息等具体的操作，记录的形式是每个动作产生一条日志记录；而后者指用户相对静态的一组状态值，包括年龄、性别等基础属性和根据行为加工计算的行为属性。
▌本文以电商行业为例，列举电商APP常用的用户属性。
最常用的基础属性包括：
//自然属性：包括性别、年龄、星座、文化程度、国家、民族、职业、省市、行业等。
//文化属性：包括学历、专业等。
//硬件属性：包括设备品牌、网络情况、设备价位、当前APP版本等。
//消费偏好：包括直接的品牌和商品类型，前者诸如Nike、三星、雀巢等，后者诸如3C、服装、食品等。
//触媒偏好：指用户平时会接触哪些广告渠道，诸如今日头条、微信公众号、百度推广、爱奇艺视频等。
继续在业务中深度挖掘，可以产生更多基于用户行为采集和简单加工的属性：
// 购物车内商品数量：
// 剩余优惠券数量：
// 最近优惠券过期日期：
// 用户等级：指是否是Plus会员、Prime会员等
// 积分数量：
// 积分过期日期：
// 生命周期/注册日期：
// 累计活跃天数：
// 累计交易笔数：
// 活跃时段：指一天24小时内，哪个小时访问最多，用来优化消息推送时段。
// 最近下单日期：
// 最近3个月下单金额：
// 最近3个月下单次数：
// 累计交易金额：指用户从注册到现在，所有交易的金额。
// 最近登录日期：
// 最近3个月登录次数：
// 登录设备数量：
// 使用优惠券比例：根据交易中使用优惠券的笔数和折扣计算的两个比例。
如果再加大计算学习的投入，还可以得到更抽象的标签属性，例如：
// 活动敏感度：打折活动、优惠券对下单起多大因素。
// 消费层次：基于购物商品的价位学习。
// 运动指数：基于浏览、收藏和购买运动类商品的行为计算对该类商品的偏好程度，同理这个指数还可以应用到服饰、母婴、数码、汽车、旅游这些领域。
▌应用用户属性的案例：
// 如何确定是否发布新版本？
通常一个版本的生命周期是：新发布首日，使用新版本的用户比例极低，而接下来几天使用新版本的用户数逐渐提升，第7日时使用新版本的用户可以达到当日活跃用户的50~70%。而到达新版用户比例达到90%的时候就可以发布新版本了。
// 计算运动标签指数
通常需要首先要给每个动作加上对应的参数，例如一双Nike新品，商品页面中不仅要包含SKU号、价格等参数，还加入了运动、新品、复古等标签。
用户访问页面、收藏、下单、支付时都会为自己增加对应的权重值；通常来讲，不同行为的权重值不一样，支付的权重一定要大于简单的浏览。
用户的指数也会随时间逐步衰减，一次购买产生的偏好值的影响不会永久有效，终有一天会变为0，只有持续不断的消费行为才能保持标签有效性。
