用户画像的操作过程
作为一个非技术型的运营，对用户画像会偏向通过数据简单整合、与用户多维度沟通过程中实现。这跟很多专业的产品经理会有很大的差距，不过小圆也在不断学习跟实践中，这文章更多的是小圆对于用户画像学习跟复盘经历的过程。小圆所理解的用户画像过程并不会很复杂，简单的概括起来会有3个重要的过程。
1.用户维度筛选
用户画像需要建立在真实有效的数据上，在做用户画像的过程中要对数据做筛选整合，首先并不是所有数据信息都有用，其次，数据还会有主次重要跟非重要的区别。每一个公司的不同阶段，构成用户画像的数据维度会不一样。
用户画像维度的筛选是为了指引营销、产品或者运营指标，不同职能人员对不同用户画像维度的看重程度不一样。以电商平台为例，客服销售关注的是用户的购物情况，产品运营关注的是页面的用户体验变化，渠道推广关注的是用户在流量上的表现。
有人会认为维度越多越好，这样用户画像的结果就会更全面。但是小卓并不是这么认为，用户画像是一个动态的过程，强行的去追求更全的维度，有时候反而会耽误了营销决策的时间。例如，有一些公司在做用户调研时总是觉得数据量不够，然后花非常多的时间
去做数据的汇集，到最后做营销决策的时候，反而因为数据收集时间太长，很多维度因为时间拖延而失去了时效性价值。
为了不出现这种情况，把用户的数据维度分成：静态维度、动态维度，然后归类维度属性，接下来就开始进入到数据信息收集的过程了。APP刷评论
2.数据信息收集
收集数据的方式方法，会决定数据是不是有效的。线上运营比较常用的方法就是对用户进行“监控、跟踪”，一般是PC端cookie，还有移动端的IMEI、IDFA。而初始化阶段比较常用的方法是用户访谈。
当然，也有数据跟踪，用户调研两者结合的方式收集用户数据信息，例如电商运营，除了跟踪用户购物下单等数据之外，还可以筛选出特定的用户做访谈调研，例如：横比产品的选择偏好，对于产品消费过程中的反馈等等。
3、数据建模分析
数据是零散的，或者是表面的，用户画像要对收集到的数据做整理，比较常用的是通过数据建模的方式做归类创建。小圆接触过的大多是比较初级的用户画像，通过excel工具就可以基本完成整合。而对于技术工具层面的数据建模，感兴趣的可以看推文的第二条。
在数据量不大，用户画像比较初级的情况下，通过筛选、归类、整合的过程对用户做属性归类，然后确定用户画像，这种方式可能有一定不到位的地方，但是在产品还没有推出或者数据量不大的情况下，运营还未进入深度精细化阶段，对用户画像的初级处理，也能避免很多决策过于主观化。
在数量比较多，用户画像精细化的情况下，就需要通过一些用户画像的工具做数据的整理了，通过对数据进行规整处理，然后做例如聚类，回归，关联，各种分类器等算法做处理。关联性分析和RFM模型都是用户画像中数据建模分析常用的方式