什么是客户画像

xiaohua客户画像算法 

用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。

用户画像最初是在电商领域得到应用的，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。

扩展资料：

用户画像的PERSONAL八要素

P代表基本性(Primary)：指该用户角色是否基于对真实用户的情景访谈；

E代表同理性(Empathy)：指用户角色中包含姓名、照片和产品相关的描述，该用户角色是否引同理心；

R代表真实性(Realistic)：指用户角色是否看起来像真实人物；

S代表独特性(Singular)：每个用户是否是独特的，彼此很少有相似性；

O代表目标性(Objectives)：该用户角色是否包含与产品相关的高层次目标，是否包含关键词来描述该目标；

N代表数量性(Number)：用户角色的数量是否足够少，以便设计团队能记住每个用户角色的姓名，以及其中的一个主要用户角色；

A代表应用性(Applicable)：设计团队是否能使用用户角色作为一种实用工具进行设计决策；

L代表长久性(Long)：用户标签的长久性。

参考资料来源：百度百科-用户画像



客户画像:客户信息标签化，完美地抽象出一个客户的信息全貌，可以看作企业应用大数据的根基。
客户画像的核心工作是为客户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？
也可以做数据挖掘工作：利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌？利用聚类算法分析，喜欢红酒的人年龄段分布情况？
大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。
我的理解是通过客户不同维度的各种特征描述区分出某个群体与其他群体的区别，目的多是为了找到客户需求，完成客户营销！
每一个客户都独一无二，如果仔细去看每一个客户个体，人人都有不同特征。无论是基础的客户档案、多种身份、特征标签还是消费记录、互动记录，这些信息都同等重要并合力构成一个客户的360°画像。
就是给客户画像！