壹般來說就是給用戶貼標簽，貼標簽是通過對用戶信息的分析，進行高度精細化的特征識別。通過標註，可以用壹些高度概括、易於理解的特征來描述用戶，使人更容易理解用戶，便於計算機處理。
標簽的分類方式有很多種，可以根據標簽的輸出方式、實際業務或者兩者的結合來分類。
按照輸出的方式:
1)事實統計標簽，比如最近7天的活躍時長，最近7天的活躍次數等。
2)主動消費:最近30天交易次數>等事實規則標簽；=2
3)模型類標簽，如RFM模型和AARRR模型。
4)算法標簽，比如根據用戶購買的商品來判斷某個商品的購物性別和偏好程度。
根據實際業務:
1)用戶屬性標簽
2)用戶消費標簽
3)用戶行為標簽
4)風險控制標簽
。。。
在互聯網和電子商務領域，用戶畫像經常作為精準營銷和推薦系統的基礎工作，其作用壹般包括:
1)精準營銷:根據歷史用戶特征，分析產品的潛在用戶和用戶的潛在需求，針對特定群體，運用短信、郵件等手段，提升營銷效率和營銷效果。
2)用戶統計:將用戶按照屬性和行為特征進行分類後，統計不同特征下的用戶數量和分布情況；分析不同用戶的畫像群體分布特征。
3)數據挖掘:基於用戶畫像構建推薦系統、搜索引擎和廣告投放系統，提高服務精度。
4)服務產品:對產品的用戶進行畫像，分析產品的受眾，更透徹的了解用戶的心理動機和行為習慣，改進產品運營，提升服務質量。
5)行業報告&；用戶研究:通過對用戶畫像的分析，了解行業趨勢，比如對人們消費習慣、消費偏好的分析，對不同地區消費差異的分析。
6)ABtest:用於創建ABtest實驗，並分析實驗結果。
用戶畫像必須從實際業務場景出發，解決實際業務問題。用戶畫像的原因是獲取新用戶，改善用戶體驗，或者挽回流失的用戶，有明確的商業目標。
數據源的數據是標簽構建的最底層，它來自各個業務端的數據，主要包括線下和實時數據源。壹般的大數據架構會單獨有流批量處理的環節，還有流批量集成的架構，所以數據產品可以不重點介紹。
在數據層的開始，數據產品會更加關註。數據產品在設計標簽時，需要關註標簽生產在數據倉庫中的流通口徑。尤其是在定義原子標簽的時候，他們需要深入了解業務，了解用戶的來源、狀態、訂單渠道、線上線下、訂單狀態等等。
壹般來說，標簽層會根據上面提到的實際業務分類來構建標簽。壹般構建原子標簽就夠了，服務層的標簽工廠可以單獨創建新的衍生標簽。
服務層主要包括兩部分，壹是畫像平臺的應用，二是畫像數據的統壹API服務，為前臺的營銷系統和廣告系統提供標簽分組數據支持。
以上是用戶畫像系統的基本概念。下壹節，我們將了解人像系統的難點之壹:如何構建oneid？