客戶畫像(persona)的概念最早由交互設計之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真實客戶的虛擬代表，是建立在一系列屬性數據之上的目標客戶模型。隨著互聯網的發展，現在我們說的客戶畫像又包含了新的內涵——通常客戶畫像是根據客戶人口學特征、網絡瀏覽內容、網絡社交活動和消費行為等信息而抽象出的一個標簽化的客戶模型。構建客戶畫像的核心工作，主要是利用存儲在服務器上的海量日志和數據庫里的大量數據進行分析和挖掘，給客戶貼“標簽”，而“標簽”是能表示客戶某一維度特征的標識。

客戶畫像的作用

提取客戶畫像，需要處理海量的日志，花費大量時間和人力。盡管是如此高成本的事情，大部分公司還是希望能給自己的客戶做一份足夠精準的客戶畫像。

那么客戶畫像有什么作用，能幫助我們達到哪些目標呢?

大體上可以總結為以下幾個方面：

精準營銷：精準直郵、短信、App消息推送、個性化廣告等。

客戶研究：指導產品優化，甚至做到產品功能的私人定制等。

個性服務：個性化推薦、個性化搜索等。

業務決策：排名統計、地域分析、行業趨勢、競品分析等。

客戶畫像的內容

客戶畫像包含的內容并不完全固定，根據行業和產品的不同所關注的特征也有不同。對于大部分互聯網公司，客戶畫像都會包含人口屬性和行為特征。人口屬性主要指客戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等。行為特征主要包含活躍度、忠誠度等指標。

除了以上較通用的特征，不同類型的網站提取的客戶畫像各有側重點。

以內容為主的媒體或閱讀類網站，還有搜索引擎或通用導航類網站，往往會提取客戶對瀏覽內容的興趣特征，比如體育類、娛樂類、美食類、理財類、旅游類、房產類、汽車類等等。

社交網站的客戶畫像，也會提取客戶的社交網絡，從中可以發現關系緊密的客戶群和在社群中起到意見領袖作用的明星節點。

電商購物網站的客戶畫像，一般會提取客戶的網購興趣和消費能力等指標。網購興趣主要指客戶在網購時的類目偏好，比如服飾類、箱包類、居家類、母嬰類、洗護類、飲食類等。

消費能力指客戶的購買力，如果做得足夠細致，可以把客戶的實際消費水平和在每個類目的心理消費水平區分開，分別建立特征緯度。

另外還可以加上客戶的環境屬性，比如當前時間、訪問地點LBS特征、當地天氣、節假日情況等。

當然，對于特定的網站或App，肯定又有特殊關注的客戶緯度，就需要把這些維度做到更加細化，從而能給客戶提供更精準的個性化服務和內容。

客戶畫像的生產

客戶特征的提取即客戶畫像的生產過程，大致可以分為以下幾步：

客戶建模，指確定提取的客戶特征維度，和需要使用到的數據源。

數據收集，通過數據收集工具，如Flume或自己寫的腳本程序，把需要使用的數據統一存放到Hadoop集群。

數據清理，數據清理的過程通常位于Hadoop集群，也有可能與數據收集同時進行，這一步的主要工作，是把收集到各種來源、雜亂無章的數據進行字段提取，得到關注的目標特征。

模型訓練，有些特征可能無法直接從數據清理得到，比如客戶感興趣的內容或客戶的消費水平，那么可以通過收集到的已知特征進行學習和預測。

屬性預測，利用訓練得到的模型和客戶的已知特征，預測客戶的未知特征。

數據合并，把客戶通過各種數據源提取的特征進行合并，并給出一定的可信度。

數據分發，對于合并后的結果數據，分發到精準營銷、個性化推薦、CRM等各個平臺，提供數據支持。

http://www.mapvision.com.cn/hyxw/811.html