用户画像怎么构建？

画像构建三步：数据源——行为数据（浏览、购买、活跃时段）、属性数据（注册信息、设备）、外部数据（谨慎合规使用）；标签体系——事实标签直接统计（近 30 天购买数）、规则标签按业务规则（月消费超千为高价值）、模型标签用算法预测（流失概率）；应用——分层运营、推荐、风控反作弊。标签要有明确业务用途，不为建而建。

我主导过电商画像落地：先和运营圈选场景倒推标签——他们要分层触达，所以优先做了 RFM 分层、品类偏好、价格敏感度、活跃时段四组标签。坑是数据质量：设备换绑导致 ID 打通错乱，先做 ID-Mapping 再做标签。上线后营销点击率提升 40%，验证了『场景先行』的正确性。

画像体系我讲三个治理维度：标签治理——命名、口径、负责人、生命周期（上线评估下线机制），标签复用度是健康度指标；效果闭环——标签进运营策略后回收效果数据，反哺标签权重；合规——最小化采集、脱敏存储、用户知情与退出权，画像数据是敏感个人信息，合规是底线不是成本。画像的本质是组织对用户的共识载体，共识比算法重要。

追问『冷启动没数据怎么办』：用人口属性加场景假设起步，小流量验证迭代；『标签冲突怎么处理』：优先级规则加版本化，如付费用户标签优先于活跃标签；『怎么评估画像好坏』：下游使用效果——圈人精准度、策略提升幅度、以及覆盖率与准确率的平衡。