近年来，在智能化趋势的推动下，社会经济的众多领域都发生了翻天覆地的变化，其中尤其以金融、零售等最为明显。以零售业为例，随着移动互联网的出现和快速发展，传统的商超、店铺渐渐从线下走到线上变身为“电商”，之后在大数据、人工智能等技术的加持，蜕变过一次的零售业1.0又经过了2.0到3.0的快速迭变。

其实，类似以上的过程同时在很多领域不断上演，而作为企业成功蜕变的重要手段和基本因素，“大数据”在其中日益受到人们的关注。

据相关统计，截止到2016年年底，中国大数据产业规模突破14000亿元。其中，基础支撑层规模为1335亿元，数据服务层规模为202.9亿元，融合应用层规模达到13000亿元，占比达到将近90%。数据之外，仅仅是国内近一两个月内，阿里巴巴、华为、苹果等等都相继宣布建筑新的数据中心。

大数据助力企业升级与转型，关键在于“用户画像”的构造

用户画像（persona）的概念最早由交互设计之父Alan Cooper提出：“Personas are a concrete representation of target users.”他认为“用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型”。

近年来，“大数据”越发受到企业的重视。如传统制造业，通过推动大数据在研发设计、生产制造、经营管理、市场营销、售后服务等产品全生命周期、产业链全流程各环节的应用，从而能够分析感知用户需求，以进一步提升产品附加价值，打造智能化管理系统；又比如证券行业，借助大数据的协助，其能够提前预知市场状况、接下来的走势等多个指标，这也是当下金融科技（Fintech）的一种表现形式。

事实上，不管是以上提到的大数据与制造业、金融业的结合形式，还是在其他产业的应用，从本质上讲都是一种广义的“用户画像”的刻画。

背靠大数据，用户画像的采集方式愈发精准

“用户画像”的构造一般分为三个步骤：数据采集、行为建模和画像构造。

数据采集的对象包括网络行为数据、个人内容偏好等多种数据。以往，企业等通过问卷调查、随机抽查来采集数据，之后由于互联网的普及，这一行为被搬到了线上，也就是所谓的“线上大数据”。而在眼下，随着移动互联网的快速发展和人工智能算法的精进，这一行为又再次出现了转移线下的趋势，也就是当下备受关注的“线下大数据”。

线下—线上—线下，变化如此波折，发生了什么？

这主要是因为一直以来，人们更多的行为数据是发生在线下的。根据国家公布的相关数据显示，目前线上消费行为在总体消费中所占的比例仍不足20%，而线下大数据每年平均能够占到88%左右的份额。

在线上行为以绝对劣势少于线下行为的前提下，线上大数据所构造的用户画像可能并没有那么的精准。这时，就必须要借助更加海量的线下大数据的支撑。

另外，在“用户画像”的构造上，100%永远是一个达不到的目标，因为用户的行为习惯等各项数据是时刻变化着的。比如用户最近需要购买的东西，这一数据是不断变化的，为了实现一个更为精准的推荐，算法也需要依据实际情况来不断地替换或者是补充新的标签，企业版“用户画像”的构造原理亦是如此。

线下大数据对“用户画像”的构建具有更大意义

“用户画像”在具体应用上也体现出了几种不同的构造类型：

A.一种是对线上大数据的纯粹依赖：这一类“用户画像”的构造形式在生活中也较为常见，尤其是在主打内容运营的市场。这也是互联网+信息化时代这一过渡期间，各企业完成的第二次蜕变。

譬如每个人几乎每天都会打开的UC、今日头条、爱奇艺、网易云音乐等资讯或音乐类APP，这些软件都带有一个“智能推荐”功能，其所起作用的也就是一个针对个人的“用户画像”。

当你在听音乐、看新闻的时候，APP的后台就在“悄无声息”的采集你的各项行为数据，包括内容的类型、打开时间等等。在这一类“用户画像”的构造中，企业所采集和依赖的几乎就是线上大数据，线下大数据所能够提供的帮助是微乎其微的，甚至可以说是忽略不计的。

B.一种是“线上+线下”：眼下，移动互联网已经代替传统互联网而成为主流，同时在智能化的推动和无人超市以及新零售兴起的背景下，线下大数据开始被广泛关注，“线上+线下”这一模式更是常常被人们挂在嘴边。至于如何“线上+线下”，主要分为两种，一种是数据在线上线下的结合，另一种则是多层面的。值得注意的是，这两者在某些时候更像是一种进阶关系。

在线上线下数据的结合上，依据具体的操作手法，京东部署的线下体验店“京东之家”应该算是其中的佼佼者了。

作为国内的电商平台之一，基于消费者在线上平台的搜索和购买数据，京东之家能够依据地域、人群来决定店内所摆设的物品种类。

在京东之家的运作过程中，“线上+线下”的操作模式也是使得线下体验店能够成功的关键。通过对线上大数据的采集和分析，京东之家先是对某一区域的消费者构造了一个最初的关于消费偏好的“用户画像”。在此基础上，继而利用线下大数据来对这一“用户画像”补充和完善。从线上到线下，将两者充分融合利用，让人们看到了无人超市之外的另一种“新零售”的实践。

至于线上线下多层面的结合，是包括数据、技术和平台等多种方面在内的一种协同合作，而这种结合更多的是由技术解决方案服务商所操作的。在这种操作中，国内最大的线下大数据服务平台之一的ZMT众盟，其运作模式或许能为我们带来启发。

一个完整的大数据系统中，所谓的数据采集还仅仅只是大征程的第一步。作为一家专注于线下大数据服务的平台商，ZMT众盟迄今已经在线下部署了10亿+独立移动设备用以采集用户线下行为数据的设备，覆盖了300多个城市，拥有200万+数据热点、100万+全国合作商户以及1000+人群画像标签。

通过自动捕捉线下场景数据，ZMT众盟帮助客户企业实现了大数据的可视化管理，再通过数据将用户标签化，由此构建最为精准的“用户画像”。随后通过庞大的线下数据库系统进行筛选，实现营销方案的准确制定和广宣计划的精准落地——这一整套的流程对于客户企业具有致命的吸引力。

结语

为了让产品更能加迎合市场，或拉拢更多的客户，越来越多的企业开始利用大数据来为消费者构造“用户画像”；而为了更好掌握公司的整体情况、提高公司的运作，助力企业的升级转型，企业也会利用大数据来构造企业版的“用户画像”。

而大数据，尤其是线下大数据，对企业构建“用户画像”从而开展精准化、智能化的营销活动，正在发挥愈加重要的作用。