你会做抖音快手用户画像吗？不用担心，有这张图就够了

抖音，记录美好生活，快手，记录世界记录你。这两句耳熟能详的Slogan，大家应该听过也

用户画像分析报告(用户画像分析报告模板)

看过多次吧。作为短视频界的 左膀右臂 ， 抖音和 快手占据了年轻人，包括中老年朋友的 大部分碎片时间，也有越来越多的用户成为创作者，记录和分享他们的平凡故事。

在正式成为创作者之前，了解两大平台的 用户画像 ，做到知己知彼，是很有必要的。

俗话说磨刀不误砍柴工，了解屏幕另一头的“你”，是为了更好的服务。

我们将结合一份数据分析报告，带大家了解 一下抖音和 快手的用户画像 ，你会发现它们的定位倾向其实是各有特色的。 下面上图：

这是第三方做出的一份关于“抖音快手用户画像”的数据报告。

分别从

「用户性别分布

用户年龄结构

用户区域分布

用户性别分布

用户城市分布

用户年龄分布」

来 分析抖音和 快手的用户画像区别：

Tip:图片左边 是抖音 ，右边是快手。

可以 看到抖音的 用户层次以女性居多，占到5 7 % 。

户区域分布集中在新一线和二线城市，占到总比的4 0 % 。

用户的年龄层次来看，以1 8 岁到2 4 岁这部分年轻人群体居多，换言之， 抖音在 大学生群体中很是受欢迎。

再来看看右边快手的用户画像

一般人对于快手的 映象 是怎样的呢？平民化、世俗对吧，快手的用户市场 较抖音 更下沉，由此也形成了用户地域分布的差异。

如果 把抖音 和快手比作不同的画风，运营 姬 认为快手应该是更“随性奔放”的那种。

快手的用户年龄层次分布图中，最多的是“小于 18 岁”这个年龄段，占到了4 5 %。

转换到具体人群，应该是中学或者中专学历，未成年、还在接受初等教育，对社会认识尚浅。

再来看用户性别，占比最高的是男性用户，有5 5 %。 （总结：抖音小姐姐多，快手小哥哥多）

用户城市的分布，最高的是“四线及以下城市”，说白了就是乡镇。

所以在抖音和快手上，它们的用户人群是完全不同的 。

值得注意的是，快手的中老年用户，也就是父母或者爷爷奶奶辈，他们通常喜欢在上面看美食烹饪、新奇有趣类的短视频，所以中老年用户的增长趋势也是非常之快的。

下期讲 「 账号定位及获取流量 」 --“抖音运营7 步走”，如果觉得这节干货满满的“抖音快手用户画像”课能带给你启发的话，记得给运营姬来个三连“关注、收藏、转发”。 关注 不 迷路，源源不断的运营干货等你取经。

【结尾】：更多自媒体运营干货，欢迎大家移步职场人终身受益的学习平台“一技学习社”

看看视频，涨涨知识，每天几分钟，再配合图文，效果更佳哦！

什么是用户画像分析？创建维度＋方法，透视其价值究竟在哪？

用户画像分析是反映企业核心客户群的想象中的个人形象。用户画像分析的写法就像个人是真实存在的一样，但同时，它们也反映了一群人的共同属性。它们是半虚构的，因为它们不是一个具体的个体，但它们的特征应该是从对现实世界的用户的观察中收集的。

用户画像分析旨在可靠而真实地反映企业期望一群人如何参与产品、服务或活动是建立一个可用软件应用的基础之一。用户配置文件推动了应用程序的组织和术语的使用。例如，菜单、功能和控件是根据用户的功能需求进行分组的。软件组织任务和任务序列的方式，以及软件的语言。它的使用取决于了解其用户是谁，以及他们如何做他们的工作。

用户画像分析在设计公司对应用程序的定制的时候也很重要。通常情况下，为每个客户定制独特的营销手段是必要的，因为企业的工作实践是独特的。该企业的工作不仅要知道特有的营销手段但还需要了解软件如何实施，尤其是如何使用他们。有了用户画像分析，就会有设计师可以根据用户的属性来进行设计。例如，如果一个任务序列对相对新手来说是新的，那么就会有一个新的任务序列。计算机用户设计可以使用向导或限制性设计的步骤顺序来指导他们。

提到用户画像分析，就不得不提到用户数据文档。他们很相近却完全不同虽然它们经常被混淆。我们可以把用户画像分析看作是一个虚构角色，它是根据用户的个人资料来描述一个合适的的用户。角色描述的是一个代表一组用户的个体。这个人有名字或者照片，它描述了这个人的个人和工作目标、技能、期望、关键任务、与其他用户的关系等。每个用户配置文件可能有一个以上的角色。用户数据档案描述的只是一个用户角色的特征范围，而不是单个虚构用户的特征。

用户画像可以从哪些维度展开分析

人口特征——年龄、性别、地点

职业经历——职称、工作年限、简况。职务说明、公司分工-

权威程度——跨业务决策流程或在业务流程中，在企业级、部门级或地区级

公司信息—行业、规模、分布，设施、结构组织

教育和培训——学位/专业，证书；专门培训，

计算机经验——平均使用率、互联网使用率。硬件使用

三、如何进行用户画像的分析与创建。

创造的角色不仅仅是一个，它反映了目标用户在产品领域内的真实行为模式、态度、技能、动机和目标。

a) 目标导向型画像分析。目标导向型角色的目的是研究用户希望利用什么流程和工作流来实现他们的目标。研究工作已经做得够多了，现在要针对目标进行设计了。

b) 基于客户的画像分析。对用户在现实生活中通常扮演的角色进行研究，可以帮助我们做出更好的产品设计决策。

c) 能够进行参与的角色设计。这个想法是通过使用角色来创建一个真正的3D用户渲染。人们越是与角色接触，并将其视为 "真实 "的角色；他们就越有可能在设计过程中考虑到这些角色，并希望用最好的产品为其服务。这些角色研究了用户的情感、心理、背景，并使其与当前的任务相关。

d）虚构角色。虚构角色不是从用户研究中产生的，而是从用户体验设计团队的经验中产生的。它要求团队根据他们过去与用户群和产品的互动进行假设，以提供一个画面。与目标导向型角色相辅相成

对于进行用户研究，角色画像分析可以很好的构建为：

一，背景调研。背景研究包括了解客户的第一步。研究行业、他们的资料、他们的竞争对手、仔细研究他们的社交媒体是研究客户的好方法，也是寻找信息时的一个良好的开始。

二，定性研究。这种研究通过进行客户访谈、当面用户测试、滑动调查和在线聊天。这是与被研究对象最直接的接触，通常可以让你获得关于你想了解的内容的最佳个人判断。

三，观察性研究。观察性研究的核心是能够看到用户在自然环境中与网站互动的结果，因为它可以向研究人员展示用户在没有指导的情况下的行为。

四，定量研究。一般的网络和数据分析，事件跟踪，漏斗报告，以及其他关于网站的统计数据，这些数据对衡量用户在网站上的互动情况很有影响。

四，使用用户画像分析将面临什么挑战

开发深入的用户画像通常需要分配大量的时间和资源，因此，企业可能会偷工减料，只进行少量的用户访谈，或者依靠小规模的用户数据集，并在此基础上进行广泛的推断，这将会导致企业的用户画像分析不准确。这就不可避免地导致了不可靠或高度推测的用户角色。更糟糕的是，工作团队不进行任何研究工作，而是根据自己的直觉或经验收集并形成用户档案。这种方式形成的角色是有问题的，因为他们的发展伴随着团队成员的内部偏见，这种偏见会预先判断或决定用户的需求。对特定用户的狭隘观察也会过度或低估某些特征。

总结

角色画像分析是虚构角色，我们可以根据研究结果创建这些角色，以表示可能以类似方式使用您的服务，产品，网站或品牌的不同用户类型。创造角色将帮助您了解用户的需求，体验，行为和目标。同时也可以帮助您摆脱困境。它可以帮助您认识到不同的人有不同的需求和期望，还可以帮助您确定要为其设计的用户。角色画像分析使设计任务变得不那么复杂，可以指导相应的构想流程，也可以帮助实现为目标用户组创建良好用户体验的目标。

与根据设计团队的偏好来设计产品，服务和解决方案相反，在许多以人为中心的设计学科中，整理研究并将数据中的某些趋势和模式拟人化已成为标准做法。因此，用户画像不是描述真实的人，而是根据从多个人收集的真实数据来构成您的角色，从而科学指导您的营销实践。

用户画像介绍

用户画像是指根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。

通俗说就是给用户打标签，而标签是通过对用户信息分析而来的高度精炼的特征标识。通过打标签可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户，并且可以方便计算机处理。

标签的分类方法比较多样，可以按标签的产出方式分，也可以按实际业务分，也可以组合起来分类。

按产出方式来分的话：

1）事实统计类标签 例如近7日活跃时长、近7日活跃次数等等

2）事实规则类标签 例如消费活跃：近30天交易次数>=2

3）模型类标签 例如RFM模型，AARRR模型

4）算法类标签 例如根据用户购买的商品判断其购物性别、对某商品的偏好程度

按实际业务来分的话：

1）用户属性标签

2）用户消费标签

3）用户行为标签

4）风险控制标签

。。。

在互联网、电商领域用户画像常用来作为精准营销、推荐系统的基础性工作，其作用总体包括：

1）精准营销：根据历史用户特征，分析产品的潜在用户和用户的潜在需求，针对特定群体，利用短信、邮件等方式进行营销，提升营销效率和营销效果。

2）用户统计：根据用户的属性、行为特征对用户进行分类后，统计不同特征下的用户数量、分布；分析不同用户画像群体的分布特征。

3）数据挖掘：以用户画像为基础构建推荐系统、搜索引擎、广告投放系统，提升服务精准度。

4）服务产品：对产品进行用户画像，对产品进行受众分析，更透彻地理解用户使用产品的心理动机和行为习惯，完善产品运营，提升服务质量。

5）行业报告&用户研究：通过用户画像分析可以了解行业动态，比如人群消费习惯、消费偏好分析、不同地域品类消费差异分析

6）ABtest：用于创建ABtest实验，和实验效果分析

用户画像必须从实际业务场景出发，解决实际的业务问题，之所以进行用户画像，要么是获取新用户，要么是提升用户体验、或者挽回流失用户等具有明确的业务目标。

数据源的数据是标签构建的最底层，来源于各个业务端的数据，主要有离线和实时两大数据来源，一般的大数据架构会有流批处理的链路分别处理，也有流批一体的架构，数据产品可不重点关注。

数据层开始数据产品会比较关注，数据产品在设计标签时需要关注标签的生产在数据仓库的流转口径，特别是在定义原子标签的时候，需要深入理解业务，了解用户的来源，状态，订单的渠道，线上线下，订单状态等等。

标签层一般的，会按照上面说的实际业务分类进行标签的建设，一般构建原子标签就足够了，在服务层的标签工厂可以个性化的创建新的派生标签。

服务层主要包含两块，一个是画像平台的应用，一个是画像数据的统一API服务，给前台的营销系统、广告系统等提供标签分群数据支持。

以上是用户画像系统的基础概念，下一节我们了解下画像系统的难点之一：如何构建oneid？

什么是用户画像？如何分析用户画像？

什么是用户画像？

通俗来讲，就是——我们产品的目标受众是什么，使用我们产品的核心人群是什么样的，他们有什么行为特征、消费习惯，什么是能够刺激他们购买的核心需求。

我们可以理解成，它就是一家企业的核心武器，它可以帮助我们：

聚焦、洞察用户的需求。

更精准地决策。

培养用户思维。

为了帮助大家更好地理解用户画像，这里为大家梳理了一套用户画像建立模板，大家可以参考：

如何分析用户画像？1.百度大数据洞察：百度指数

百度指数是以百度海量网民行为数据为基础的数据分享平台。分别有趋势研究、需求图谱、人群画像是百度指数的三个展现维度。

趋势研究：这是百度指数最核心、最基本的功能，是以时间维度，判断关键词的关注热度；我们可以做对比分析，从而找出规律。

以美术班为例，搜索关键词后，发现了一条规律，每年的3月和9月是搜索高峰期，这也正好应对了两个开学季。

需求图谱：通过用户在搜索该词的前后的搜索行为变化中表现出来的相关检索词需求。

比如，通过“美术”这个大关键词，检索出的相关小关键词。可以帮我们更精准地掌握用户的需求。圆中的圈越大，说明与大关键词的关联性越强。

人群画像：搜索关键词的人群共性特征，是从地域、年龄、性别分布以及兴趣属性这几个特征展开的。

2.全域数据洞察——观星盘

观星盘汇聚了百度域内数据、客户数据、合作伙伴数据组成的全域数据，构建海量用户行为标签，提供多维度行业和品牌洞察能力，全方位感知用户行为和意图，帮助品牌锁定精准目标用户。

借助观星盘数据精细化细分人群，可以覆盖不同侧重点进行引流营销，增强目标用户对品牌的认知，提升影响力。

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。

如果有用户经常购买一些玩偶玩具，那么电商网站即可根据玩具购买的情况替你打上标签“有孩子”，甚至还可以判断出你孩子大概的年龄，贴上“有5-10岁的孩子”这样更为具体的标签，而这些所有给你贴的标签统在一次，就成了用户画像，因此，也可以说用户画像就是判断一个人是什么样的人。

1.用户画像的焦点工作就是为用户打“标签”，而一个标签通常是人为规定的高度精炼的特征标识，如年龄、性别、地域、用户偏好等，最后将用户的所有标签综合来看，基本就可以勾勒出该用户的立体“画像”了。

具体来讲，当为用户画像时，需要以下三个步骤：

第一、收集到用户所有的相关数据并将用户数据划分为静态信息数据、动态信息数据两大类，静态数据就是用户相对稳定的信息，如性别、地域、职业、消费等级等，动态数据就是用户不停变化的行为信息，如浏览网页、搜索商品、发表评论、接触渠道等；

第二、通过剖析数据为用户贴上相应的标签及指数，标签代表用户对该内容有兴趣、偏好、需求等，指数代表用户的兴趣程度、需求程度、购买概率等；

第三、用标签为用户建模，包括时间、地点、人物三个要素，简单来说就是什么用户在什么时间什么地点做了什么事。

用户画像指的是这群人的年龄、性别、爱好等进行统计分析，贴上标签就是用户画像

可以利用统计工具统计消费者年龄、地区等信息，涉及到更多的数据需要借助第三方平台

如果想学习更多的数据分析知识，可以进入主页

用户画像包括APP使用偏好、收入能力、消费能力、年龄、职业、性别、和学历等等，如果要做游客画像的话，还包含游客来源、停留时长、常住地、去向地、交通方式偏好、婚姻状况、子女状况景区类型偏好等等。海鳗云对于这块旅游大数据是很专业的