扫码加入数据分析学习群

1、限于数据，动不敢动。一提用户画像，很多人脑海里立刻蹦出了性别，年龄，地域，爱好等基础信息字段，然后大呼：我们好像没这个数据，于是放弃分析了。可实际想想，知道男性占比真的有那么大意义？知道男性占比65%还是60%真的对业务有帮助？不一定的，贴用户标签有很多方式，不要限于一些难采集的基础信息。

2、罗列数据，没有思路。很多人一听到用户画像分析，本能的就开始把数据库里的用户标签往外搬，在报告里码上：

男女比例3:2

20-25岁占比40%

30%的人在最近一周内登录

70%的人没有二次购买

……

至于摆完这些数据干什么，完全没有考虑过。这种分析结果，当然让人看完一头雾水。迷茫的发问：“所以呢？又怎样呢？”

3、无限拆分，没有逻辑。很多人一听到类似“流失用户画像分析”一类相对具体的分析题目，就开始无限拆解数据。分性别，年龄，地域，设备，注册时间，来源渠道，购买金额……拆了几十个维度看流失率。最后，只看到有的维度差5%，有的差10%，当然没有最后结论啦，越看越糊涂。

以上问题，都是太过纠结于用户画像四个字，忽视了分析两个字导致的。用户画像作为一个基础数据体系，本身并没有分析功能。单纯的罗列用户标签或者拆解用户指标，也起不到分析作用。像利用好用户画像，还得按分析套路一步步来。