“用户画像”近几年在零售领域一直比较火爆，从技术角度来看，属于个性化推荐技术在精准营销领域的应用，也可以理解为是用户信息标签化、并建立用户与货品间简单的关联关系的过程。

构建“用户画像”的核心工作即是给用户贴“标签”，而标签就是用户重要特征高度凝练的标识，是根据用户人口统计学信息、社交关系、偏好习惯和消费行为等信息而抽象出来的标签化画像。

部分标签是由用户行为数据直接得到，比如用户在网站或APP上主动填写和上传的数据，一些电商平台会要求用户填写人物属性的基本信息，还有要上传身份证、学生证、驾驶证、银行卡等；而另一部分标签则是是通过一系列算法或规则挖掘得到。

例如，一个用户最近开始购买育婴类商品例如育婴书籍，孕妇专用的日化用品等、婴儿穿的衣服等等，商家可以根据用户购买的频次及数量，结合用户的年龄、性别推断是否为新妈妈/爸爸，以及可能的预产期和未来所购商品的偏好。

用户画像或者标签的初衷是让精准营销得到最直接和最有价值的应用，给各个用户打上各种“标签”之后，店铺、商家就可以通过标签要触达的目标用户，进行精准的广告投放。同时一个产品想要得到广泛的购买，用户分析必不可少，除了需要知道用户与产品交互时点击率、跳失率、停留时间等行为之外，用户画像能透过用户行为表象看到用户深层的动机与心理。

然而理想是美好的，如何最大化发挥用户画像分析结果对决策产生的影响，用户画像对自己的业务帮助有多大，这些问题则成了很多零售商挥之不去的隐忧。不少零售商说，用户画像的系统也建立起来了，或者花钱买了份用户画像的报告，其实自己之前也知道自己的用户大致是一个什么样子的，其实和自己想的也差不多，看完也就看完了，后面具体怎么做，做什么还是不太清楚，对工作好像也没啥帮助。

按照CRM系统的要求根据用户画像进行短信推送后，初期有些效果，后续效果越来越不显著，甚至于用户已经明确表示不看短信，对于各种送券也已经不敏感了，此时零售商也不知道怎样把用户画像用起来能更好地服务于商品销售决策和服务消费者，这样的情况越来越多，让不少零售商开始觉得用户画像似乎用处越来越小，甚至怀疑大数据是不是看上去很美就是讲故事的。

产生这样的问题主要有两个原因，一是对自己商品的不了解，其实没有给自己的商品进行画像，更没有达到人货匹配、人货合一的状态，人和货还是割裂的。第二是没有找到合适的途径触达到消费者。例如，通过人物画像，商家对自己的目标有了深入的了解并且对其需求有了更深入的认识，但如何用自己手中的商品去满足，却又束手无策。

因为商品也很多，即使是同一种类的商品里面的品种、SKU也非常多，到底推荐什么样的商品例如品牌、价位段、品质、功能等，消费者喜欢的卖点或者说关键属性和购买动机其实还不是很清楚，而推荐试错的成本又很高。自己如同找到了一个目标，手中用于击中这个目标的手段也很多，但具体哪种手段则能够一招制敌则不是非常清楚。

以上面那个最近开始购买育婴类商品的用户为例，通过消费者所购买的育婴书籍，孕妇专用的日化用品等，我们可以了解到极有可能这个家庭在迎接一个婴儿的出生，通过注册的信息判定消费者为30岁左右的女性、工作稳定、收入中等，有很大的情况是在为自己所购买。

现在的问题是，一旦孩子出生后，商家要推荐什么样的婴儿配方奶给这位妈妈，因为即使同一阶段的配方奶其品牌、功能、价位段、是否组合销售、当前流行程度、是否有人代言等因素都不一样，特别是在线下零售环境中，这位妈妈周边的店铺类型、店铺主要服务人群、店铺增减信息等，都会对这位妈妈最终购买哪个品牌和价位段的婴儿配方奶带来影响，这就需要对商品进行画像，也是就是给商品“打标签”，这其实就是对商品进行深度分析，看什么样的商品适合和匹配什么样的消费者，而且这个商品不是大类，是具体到最底层的SKU。

同时后端供应链的各种环节开始围绕商品的“标签”进行行动，预测、补货、促销、库存、生产、物流等等其实都是和这些标签相匹配，模型不同，管理模式不同。而且一切都是动态的。例如一款婴儿配方奶粉被贴上“畅销，利润好”的标签，那么对于预测要求开始提升，精度一定要高，库存一定要备足，后端的生产、原材料采购也要保证不出事，确保不断货；特别是对于一些时尚品，一旦被贴上“滞销”的标签，那就赶快准备“后事”吧，否则短短几个月的销售季结束后大量的库存积压在仓库里那就麻烦了。

对于零售商来说用户分析一直有，不过现在是用大数据的技术手段来分析，用户画像单纯从技术角度出发不会持续成为方向和趋势。回归到零售的本质，“人货场”三个核心要素是不能被割裂的，无论是对“人”还是“场”的研究最终还是要落实的“货”的身上。

用户画像可以对人性、人的需求有了更深层次的了解，但最终还是要回归到业务本身上来，最终还是要有满足消费者需求的商品，做到通过“场景”的连接，让“人”和“货”真正的匹配起来。

作者：高峻峻