简易版用户画像，你需要掌握这3个数据处理方法思维导图

要知道这个用户是怎样的用户，就是要知道这个用户在这两个维度上的表现如何。所以我们给用户这两项数据分别打分，放到忠诚度和消费能力的坐标轴中，并分别以两项的均值（可做其他定义）为界，划分出4个象限。

以上，也可不拘泥于4个象限，划分出更多区域来进行更细化的运营。

获取数据因素（并不全面，仅以此为例）

用户数据多种多样，数值及跨度、单位可能大不相同。要怎么处理，使各项相加后不致于偏向某些数据呢？这里我们可以使用数据标准化方法来处理这些数据。

“数据标准化”：在数据分析中，经常用到数据标准化。数据标准化指的是将数据按比例缩放，使之落入一个小的特定区间。去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标进行比较和加权。

有两种非常重要的数据标准化方法：归一化和标准化。

这里我们使用归一化方法。

归一化：通过对原始数据进行线性变换把数据映射到【0,1】之间，变换函数为：

同理可得到用户消费能力评分：

第1步我们已经得到了两个维度的各个因素的评分，可以加和算出两个维度的评分了。

但是，这些因素的重要性可能有所不同，为了得到更符合预期的数据，我们可以给这些因素加权。

那各项数据的权重如何确定呢？这里介绍一种矩阵分析法。

以忠诚度为例，有3个因素，我们确定权重的步骤如下：

上面我们已经得到了用户的忠诚度加权评分和消费能力加权评分，现在只需将数据放入横坐标为忠诚度、纵坐标为消费能力的坐标轴，并以均值或其他条件划分象限，即可得到我们想要的用户价值分类了。

也可以结合多维数据，来得到更立体的用户画像，帮助我们更好的进行精准运营，更深入的挖掘用户价值。

以上为《产品心经》部分章节的阅读后总结及思考，感谢闫荣大大。