什么是用户画像
先说说“⽤户画像”这个词，它对应的英⽂文有两个：Personas和 UserProfile。
Personas属于交互设计领域的概念，不在本文讨论范围内，请出⻔右转去找交互设计师们聊，我们聊聊 UserProfile这种用户画像。
UserProfile原本用于营销领域。营销⼈员需要对营销的客户有更更精准的认识，从而能够更有针对性地对客户和市场制定营销方案。这个理理念本身没有错，但是有⼀个问题：传统营销领域，是以市场销售⼈人员为第⼀⼈称视角去看待客户的，也就是⽤户画像为营销⼈员服务。在这种用途下谈论的用户画像，和我们即将在推荐系统领域谈论的相差有点大；
但是很遗憾，今天在媒体上看到的⼤大多数“用户画像”案例分享，都停留留在这个意思上。比如最常见的用户画像出现在高大上的 PPT上：用标签云的方式绘制一个人的形状，或者在一个人物形象旁边列出若干⼈口统计学属性，以此来表达“用户画像”这个概念。、
看上去⾮常酷炫，但是我得悄悄告诉你⼀一个⾚赤裸裸的真相：越酷炫的⽤户画像越没什么用。
为什什会这样？根本原因是：⽤户画像应该给机器看，⽽不是给⼈看。既然是给机器看的，那么画像是不是酷炫、是不是像、维度是不是⼈类可读，都不重要。那它到底是个什么样⼦子呢？先别急，听我慢慢讲。
一个推荐系统来到这个世界上，它只有一个使命，就是要在用户（User）和物品（Item）之间建⽴连接。
一般方式就是，对⽤户和物品之间的匹配评分，也就是预测⽤户评分或者偏好。推荐系统在对匹配评分前，则⾸先就要将用户和物品都向量化，这样才能进行计算。
而根据推荐算法不同，向量化的⽅式也不同，最终对匹配评分的做法也不同，在后面讲到具体推荐算法时你会看到这一点。⽤户向量化后的结果，就是 UserProfile，俗称“用户画像”。所以，用户画像不是推荐系统的目的，而是在构建推荐系统的过程中产生的一个关键环节的副产品。
另外，通常大型推荐系统⼀般都分为召回和排序两个阶段，这个在后⾯面我会专门讲到。
因为全量物品通常数量非常大，无法为一个用户（User）逐⼀计算每一个物品（Item）的评分，这时候就需要⼀个召回阶段，其实就是预先筛选⼀部分物品（Item），从而降低计算量，⽤户画像除了用于最终匹配⽤户评分，还要⽤在召回。所以，构建⽤户画像就要以这两个阶段为⽬的。
用户画像的关键因素
举个例子，我想去吃点夜宵，楼下有五家⼤排档，那么从推荐系统的思路来看，我怎么选择呢
⾸首先就是将五家⼤大排档向量量化，我暂定向量的维度有：
1.价格，1~5分，最贵的 1分，最便宜的5分；
2.种类，1~5分，只烤馒头⽚的是 1分，天上⻜的、海里游的、地上跑的、地里种的都有就是5分；
3.味道，1~5分，根据以前吃的，最难吃的是 1分，最好吃的是5分。
现在每一个大排档都有一个向量，我自己也要有一个对应的向量，就是你有多看中这三个元素：
1.价格：1~5分，⼟豪不差钱就是 1分，囊中羞涩就是5分。
2.种类：1~5分，早就想好吃什么了，不在乎选择多不多 1分，看看再说就是5分
3.味道：1~5分，只是果腹就是 1分，资深吃货就是5分
这样⼀来就可以对五家大排档做匹配打分了了，你很容易易得出哪家大排档最适合。假如我的向量是：
价格：3
种类：5
味道：5
这就是⼀个⼤排档推荐系统的简单⽤户画像了，是不是很简单！
这⾥可以简单计算⼀下：每⼀个因素相乘后再相加，就得到每⼀个⼤排档的评分了。
接下来我来围绕这个⼤排档推荐系统的⽤户画像，看看建⽴⽤户画像的关键因素：第⼀个是维度，第⼆个是量化。
⾸先我先来说说“维度”。看前⾯这个例⼦，我定下来的⼏个维度：价格、种类、味道。这⼏个维度有三个特点：
1.每个维度的名称都是可理解的
当我们去给每⼀个⼤排档计算评分时，想象你是⼀台计算机，你读取了⽤户画像的“价格”取值为3，再去取出⼀个⼤排档的“价格”评分，两者相乘，⽤户画像的维度“价格”和⼤排档的“价格”天然匹配上了。
因为是同⼀个名字；但是计算机很傻，你把⼤排档的这个维度换成“价钱”，它就不知道该如何是好了。
另⼀⽅⾯，对这三个维度，把两边同时换成1、2、3或者a、b、c都是可以的，也不影响计算结果，计算机依然能够匹配上；所以⽤户画像的维度不⼀定需要⼈类能够理解，只要计算机能把两边对应上就可以了。
2.维度的数量是我拍脑袋定的
假如是根据⽤户的阅读历史挖掘阅读兴趣标签，那么我们⽆法提前知道⽤户有哪些标签，也就不能确定⽤户画像有哪些维度，所以第⼆点也不是必须的。
3.有哪些维度也是我拍脑袋确定的
因为这⼀点也不是必须的，⽤户画像的维度个数可以不⽤确定。理论上来说维度越多，画像越精细，但带来的计算代价也是很⼤的，需要权衡。虽然这⾥以标签作为例⼦，但是你要注意，⽤户画像是向量化结果，⽽不是标签化。标签化只是向量化的⼀种，因为向量的维度不⼀定需要⼈理解。
其次，我来说说量化
我们这⾥的量化都是主观的，⽽在实际⽣产系统上，⽤户画像每个维度的量化，应该交给机器，⽽且以⽬标为导向，以推荐效果好坏来反向优化出⽤户画像才有意义，像这⾥这个简单的例⼦，没有去管推荐效果⽽先⾏主观量化了每⼀个维度，是⼤忌。
所以⽤户画像的量化是和第三个关键元素“效果”息息相关的。前⾯已经说过，不要为了⽤户画像⽽⽤户画像，它只是推荐系统的⼀个副产品，所以要根据使⽤效果（排序好坏、召回覆盖等指标）来指导⽤户画像的量化。
⽤户画像的构建⽅法
再来整体说说怎么构建⽤户画像，按照对⽤户向量化的⼿段来分，⽤户画像构建⽅法分成三类：
1.第⼀类就是查户⼝。直接使⽤原始数据作为⽤户画像的内容，如注册资料等⼈⼝统计学信息，或者购买历史，阅读历史等，除了数据清洗等⼯作，数据本身并没有做任何抽象和归纳。这就跟查户⼝⼀样，没什么技术含量，但通常对于⽤户冷启动等场景⾮常有⽤。
2.第⼆类就是堆数据。⽅法就是堆积历史数据，做统计⼯作，这是最常⻅的⽤户画像数据，常⻅的兴趣标签，就是这⼀类，就是从历史⾏为数据中去挖掘出标签，然后在标签维度上做数据统计，⽤统计结果作为量化结果。这⼀类数据贡献了常⻅的酷炫⽤户画像。
3.第三类就是⿊盒⼦。就是⽤机器学习⽅法，学习出⼈类⽆法直观理解的稠密向量，也最不被⾮技术⼈员重视，但实际上在推荐系统中承担的作⽤⾮常⼤。⽐如使⽤潜语义模型构建⽤户阅读兴趣，或者使⽤矩阵分解得到的隐因⼦，或者使⽤深度学习模型学习⽤户的Embedding向量。这⼀类⽤户画像数据因为通常是不可解释，不能直接被⼈看懂。
