编辑导读：用户画像是产品经理必备技能之一，我们可以通过构建用户画像了解客户和挖掘需求。本文作者从自身工作实践出发，分享了B端用户画像构建的相关思路，供大家一同参考学习。

当我们身处黑夜在茫茫海上漂流时，内心最迫切渴望看到地是远方的灯塔；当我们在面对未来产品方向四处张望而犹豫不决时，最需要的就是收回注意力、看清楚我们所服务的客户。

为什么？

因为产品和服务只是企业将价值传递给客户的一种工具和媒介，无论产品形态如何，其本质都是在解决客户的问题。因此，在任何一个踌躇不前的时刻，我们都需要停下脚步回归本质，认真地再一次审视我们所服务的客户：他们到底是什么样的人？他们各自又有什么样不同的特征和需求？

只有在明确解决了这些问题之后，我们才能拥有更懂客户和业务的团队，从而能够更有的放矢地进行下一步的决策，最终，也就能够在对手林立的行业市场中更好地寻求机会和突破。

客户画像对于团队这么重要，那么应该从什么时候开始搭建呢？

个人认为越早越好，但是务必注意控制深度和成本，因为不同阶段的企业其侧重点有所不同。在初创期，产品团队可以通过关注典型客户来积累定性数据，从而低成本搭建客户画像；而到了成长期和成熟期，在拥有大量客户数据的前提下，企业可以逐渐过渡到使用定性&定量相结合的方式来形成更为清晰的客户画像。

那么，一家企业的客户画像体系到底应该如何搭建呢？

乍一听好像很复杂，但客户画像体系的搭建其实就是为客户打标签。我们可以将其简单类比为一个警局画手为小偷描像的过程：3名证人先向画手分别描述小偷的长相和特征，画手在甄别剔除部分夸大的描述之后，通过画笔画出该小偷的图像，最终张贴到各大网站悬赏缉拿。

同样，搭建客户画像体系也是在经历一个相似的流程：画像数据获取、数据处理、特征标签体系搭建和最终的数据分析&呈现。

一、数据获取

画手是没有亲眼见过小偷的，那么在他下笔前就需要从多名证人口中获取小偷的特征描述；同样，在我们为客户“画像”之前，也需要从各个来源渠道去获取数据。以下简单列举几个客户画像数据获取的来源以供参考：

• 销售/CSM成单录入：以事实类的基础客观信息为主；
• 产品/运营回访录入：以定性类的主观信息为主；
• 系统数据埋点：以事实类的行为操作信息为主；

二、数据处理

只要是由人录入的数据，终归会存在真实性和可靠性上的问题。因此，在获取到定性or定量数据之后，我们不能立刻拿来使用，而应当对数据进行一定的清洗和空白处理等，保证最终送入客户画像模型前的数据是清晰准确的，不会对画像结果产生影响，从而保证画像可供支持决策的能力。

三、标签体系建模

什么是标签体系呢？其本质就是一颗标签树，而建立这棵树的原因是：我们需要根据业务所需对大大小小形形色色的标签进行分层和归类，这样才能我们满足未来在各种标签维度及其组合下对客户进行分群比对的需求。

下面来分享一种toB产品较为主流的客户标签体系，当然，每家公司的特点和需求不同，此处分享仅供参考。

1. 按标签对象划分

从打标签的对象来看，我们一般会分为如下三类：行业标签、企业标签和关键人标签。

行业和企业是相对较好理解的，那么关键人指的是什么呢？关键人其实就是我们所服务企业中的关键员工，包含老板、管理层等等。一般我们会根据每个员工在企业中的职能价值不同，将关键人甄选出来并划分为EB/UB/TB/Coach4类。EB即拥有经济购买影响力的人、UB为拥有用户购买影响力的人、TB为拥有技术购买影响力的人，而Coach为给我们企业传递客户信息的“内线”。

（借用一张图，来源见水印）

下面我们从按标签对象分类来举一个打标签的例子。例如，你家小区门口有一家火锅店，那么我们在收集到数据之后可以给它打上这样的标签：餐饮（行业标签）、规模小/成都武侯区/每天进2次货（企业标签）和老板想开第二家分店（关键人标签）。

2. 按数据产生来源划分

此外，我们再来介绍一种划分角度——按标签的数据产生来源进行划分，这样能够有效的帮助我们甄别数据的可参考价值。按数据产生来源，我们一般会分为如下三类：事实标签、心理标签、行为标签。

事实标签指未经加工过的客观事实描述，心理标签指经过归纳提炼的客户主观心理表达，而行为标签则是客户的真实行为记录。下面我们用具体的例子来进行说明：

例如，同样还是你家小区门口的那家火锅店，我们给它打上的事实标签为：餐饮行业、规模小、成都武侯区，心理标签为：老板想开第二家分店，而行为标签则为：每天进2次货。

上述只是列举了常规使用的2种标签定义和分类规则，而整个客户画像搭建过程中最难的点就在于标签模型的搭建，因为这直接影响到我们进行客户画像搭建的投入回报比ROI。如果一味地套用模版，只会让获取到的客户数据不断无理堆砌，难以发挥真正的价值。

那没有一点经验就不开始了吗？答案无疑是否定的，任何一套模型都是不断迭代和完善得来的。在建模之初，我们应当以借鉴业内主流模型为主，而随着模型的使用和我们对业务理解的不断加深，我们可以通过逐渐建立起一套标签体系的评判标准来优化我们的初版客户标签模型，从而让这一套模型能够真正具备可供决策参考的价值。

四、数据分析&呈现

当我们把数据送入标签模型后，就得到了一个个拥有各类形形色色标签的客户，客户的形象就能够生动而具体的呈现在我们面前。客户画像数据是有了，那么到底应该怎么用呢？

大家听到比较多的用户画像应用场景应该是精准营销、A/B测试等等，但客户画像系统的价值绝不仅限于此。我认为的客户画像系统其实是一个客户标签的大数据平台，它能够为产品决策、运营活动、销售客户跟进等很多很多场景提供支持决策的能力，这样才算是把这个画像系统的价值发挥到了最大。

总而言之，通过以上4步，我们就搭建起了一个初版的客户画像系统，也开始为我们未来的决策和选择提供了一盏微弱的指明灯。本篇分享以思路框架为主，后续将详细和大家分享标签建模实操以及最终客户画像系统搭建的复盘，有兴趣可以关注哟～