01
混淆过去与将来
只能被现实无情的打脸
领导沉默不语，业务部门的人说，你的这些数据我们早知道了，而且你说的“忠诚用户”标签这栏，后续也没有其他购买动作了。而且A产品爱好者这个标签，我们后续推产品的时候也并没有购买。
这是为什么？因为你在做用户画像的时候，混淆了过去与未来，你往往对着一堆过去发生的行为贴一堆标签，对未来却毫无预测的概念。所以，这样产生的数据对业务毫无帮助。
图片来自网络
脱离业务实际的用户画像标签毫无用处。
02
会用户画像模型体系搭建
在未来会越来越吃香
这时，我请教了多年用户分析工作经验的师兄，他的思路是这样的，首先进行目标分析，然后运用模型进行体系构建，最后进行画像建立。
I：对基础数据进行收集，然后对这些数据进行分析、加工，构建可视化模型，然后抽象出用户标签
II：用RFM模型来进行用户分层，以行为标签做主题逻辑，以此来进行精细化加工，将标签管理化
III：将标签结果进行计算，数据可视化展示
下面是美团真实使用中的RFM模型：
图片来自于网络
用户画像相关工作，是互联网公司的中心职位，因为互联网时代，用户是天下，谁获得用户，谁将掌握话语权，比如腾讯、阿里巴巴、百度等，都是典型的例子。
而且，用户分析相关工作也是薪资诱人。
图片来自于网络
Python AI 学习资源汇总 需要的伙伴自取腾讯文档-在线PDFhttps://docs.qq.com/pdf/DR1doYmNBYUZ3RVNX
如果你想要从事互联网公司用户分析类岗位，我建议你尽快提升自己，增强自己的用户画像构建能力。
