用户畫像的操作過程
作為一個非技術型的運營，對用户畫像會偏向通過數據簡單整合、與用户多維度溝通過程中實現。這跟很多專業的產品經理會有很大的差距，不過小圓也在不斷學習跟實踐中，這文章更多的是小圓對於用户畫像學習跟覆盤經歷的過程。小圓所理解的用户畫像過程並不會很複雜，簡單的概括起來會有3個重要的過程。
1.用户維度篩選
用户畫像需要建立在真實有效的數據上，在做用户畫像的過程中要對數據做篩選整合，首先並不是所有數據信息都有用，其次，數據還會有主次重要跟非重要的區別。每一個公司的不同階段，構成用户畫像的數據維度會不一樣。
用户畫像維度的篩選是為了指引營銷、產品或者運營指標，不同職能人員對不同用户畫像維度的看重程度不一樣。以電商平台為例，客服銷售關注的是用户的購物情況，產品運營關注的是頁面的用户體驗變化，渠道推廣關注的是用户在流量上的表現。
有人會認為維度越多越好，這樣用户畫像的結果就會更全面。但是小卓並不是這麼認為，用户畫像是一個動態的過程，強行的去追求更全的維度，有時候反而會耽誤了營銷決策的時間。例如，有一些公司在做用户調研時總是覺得數據量不夠，然後花非常多的時間
去做數據的彙集，到最後做營銷決策的時候，反而因為數據收集時間太長，很多維度因為時間拖延而失去了時效性價值。
為了不出現這種情況，把用户的數據維度分成：靜態維度、動態維度，然後歸類維度屬性，接下來就開始進入到數據信息收集的過程了。APP刷評論
2.數據信息收集
收集數據的方式方法，會決定數據是不是有效的。線上運營比較常用的方法就是對用户進行“監控、跟蹤”，一般是PC端cookie，還有移動端的IMEI、IDFA。而初始化階段比較常用的方法是用户訪談。
當然，也有數據跟蹤，用户調研兩者結合的方式收集用户數據信息，例如電商運營，除了跟蹤用户購物下單等數據之外，還可以篩選出特定的用户做訪談調研，例如：橫比產品的選擇偏好，對於產品消費過程中的反饋等等。
3、數據建模分析
數據是零散的，或者是表面的，用户畫像要對收集到的數據做整理，比較常用的是通過數據建模的方式做歸類創建。小圓接觸過的大多是比較初級的用户畫像，通過excel工具就可以基本完成整合。而對於技術工具層面的數據建模，感興趣的可以看推文的第二條。
在數據量不大，用户畫像比較初級的情況下，通過篩選、歸類、整合的過程對用户做屬性歸類，然後確定用户畫像，這種方式可能有一定不到位的地方，但是在產品還沒有推出或者數據量不大的情況下，運營還未進入深度精細化階段，對用户畫像的初級處理，也能避免很多決策過於主觀化。
在數量比較多，用户畫像精細化的情況下，就需要通過一些用户畫像的工具做數據的整理了，通過對數據進行規整處理，然後做例如聚類，迴歸，關聯，各種分類器等算法做處理。關聯性分析和RFM模型都是用户畫像中數據建模分析常用的方式
品位站
