用户画像高大上，但90%的人都做失败了

编辑导读：做好数据分析，有助于清晰现有用户的画像，找到各个行业用户的核心关注点，来进行精细化的运营以提升用户的复购。但实际的情况中，很多人却并不知道如何做好用户画像。本文作者从项目实践出发，结合案例对用户画像失败的原因进行了分析讨论，与大家分享。

上一篇分享算法模型失败的案例，参见《不懂数据分析的算法工程师，会有多惨》，激起了很多同学的共鸣，有同学问：“有没有用户画像项目失败的例子，也分享下。”

答：失败的用户画像项目，简直罄竹难书！一抓一大把。今天我们系统讲解一下。

一、用户画像失败的标志

大家自己是不是也经常疑惑：“用户画像有啥用？”

如果有，恭喜，你的项目做扑街了，就这么直观！

当然，更一般的扑街方式，是刚开始做用户画像的时候，业务部门摇头晃脑的说：“我们要基于用户画像，详细深入的了解用户，比如用户性别，年龄，地域，喜好，消费习惯，……这样我们就能精细化决策了”。然后数据部门夯吃夯吃搞了几个月，打了30000个用户标签，还得意洋洋的跟领导汇报：“我们的用户画像大数据建设取得长足进步”。

然后项目第一期汇报会上，数据部门得意洋洋的讲到：

我们的用户男女比例6:4

华南地区占比30%，华东25%

购买A产品占比50%

业务部门一个白眼抛过来：

我早知道了！

我们的用户都是这样的呀！

你做这有啥用？

当然还有更惨的，就是你贴个“忠诚用户”的标签，业务方说：哦，既然那么忠诚，就不做啥动作了，结果丫下个月不消费也不登录了！你贴了“A产品爱用者”的标签，业务方推了A产品，丫没有买！业务方怒气冲冲找来算账：“这用户画像一点都不精准嘛！”于是项目彻底凉凉。

吐槽归吐槽，问题到底出在哪里呢？

二、用户画像项目失败的表面原因 原因一：混淆了过去和未来

问1：一个用户昨天买了苹果，前天买了苹果，大前天也买了苹果，他今天买不买苹果？

问2：一个用户买了酱油，鸡翅，可乐，请问他是否还需要买竹签去烧烤？

思考一秒钟，不用思考一秒钟，大家都知道，答案是：不一定，不一定，不一定。连续买苹果，有可能代表他喜爱吃苹果，也有可能已经买了很多了所以不买了。买酱油+鸡翅+可乐，可能是去烧烤，也可能是做可乐鸡翅。

过去的行为不等于未来的行为，未来的行为需要进行预测。无论预测的方法是基于业务逻辑的推理，还是基于算法模型的计算，都需要经过数据分析和试验验证。只有表现稳定的预测方法，才能被采纳。

然而做用户画像的时候，业务方经常混淆这两点。往往对着过去发生的行为贴一大堆标签，对未来预测毫无概念，在预测分析上半点投入没有。看用户画像报告，或者在CDP里设置推送规则的时候，想当然地认为：过去买了以后也买。最后预测不准，反而把锅甩给用户画像系统。结果自然悲剧。

原因二：混淆了行为和动机。

问一个简单的问题：一个用户在过去30天内，有1天来我们家购买产品，请问该用户是不是我们的产品爱用者？如果有2天呢、3天呢、4天呢……如果有30天呢？30天里天天都来买，肯定是爱用者了吧！

答：不一定。30天里天天都来买，你可以管他叫“高频购买者”，因为购买频率确实是很高。但是是不是人家很爱用我们的产品，不一定，因为你并不知道他到底爱不爱用，甚至不知道他用了没用。

购买频次不能直接等同于用户喜爱。用户喜爱或者不喜爱，需要更多维度的数据进行分析，并且分析结果得有一定概率的稳定性，才能这么叫。

类似的，很多企业里，业务方和数据分析师，对待这种“爱用者”等等名词使用非常随意、粗糙，基本上都是用消费金额、登录频次等等，高了就算“喜欢”、“爱用”，低了就算“边缘”“尝试”。做出来的结果，自然是毫无准确性可言。不用说，出了问题，比如推荐产品没有人买之类，又算在用户画像头上。

原因三：混淆了原因和结果。

问：累计消费10000元以上的用户，都购买了5次以上，所以让用户购买5次，用户就会累计消费10000，对不对……当然不对呀。然而业务方经常这么干！拿着过往消费高的用户行为，往消费低的身上套，认为只要消费低的模拟了某个数字，就能成为消费高的。还美其名曰：“魔法数字”。

很有可能从源头上，消费高的和消费低的就是两类人，应该通过深入的分析搞清楚到底驱动行为的原因是什么。