今天以增长为驱动的企业创新，必须聚焦在用户感兴趣的领域，而用户需求始终在不断发生变化。因此，数字化应能提供即时信息、倾听市场需求，并据此建立商业模式及快速响应市场的战略。
现在是用户时代，只有围绕客户的需求价值做研究，才能让营销更有效，其中用户画像的研究和实践才是数字化营销的灵魂，而第一步就是怎么来生成用户画像，今天我们来聊聊这个话题：
一、数据采集
主要是围绕企业的战略和业务目标，找到合适的数据源。一般找到合适的数据源有二个途径：
1、自有数据库
企业自己的CRM数据库，内容更真实一些。在此基础上做出的决策，准确性更高一些。
2、合作或者购买第三方的数据
优势是数据量大，可以分析的维度更多。缺点是要定期付费，而且不知道是第几手数据，真实性更不好说。以此基础作商业决策，要加上自己或者顾问的洞察分析更稳妥。
二、数据挖掘
数据挖掘的目的，是对数据的梳理、整理，提炼出有价值的数据。
1、数据筛检：清除掉信息库里不完整和重复性的信息。
2、用户识别：就是确认用户的真实唯一性，一般包括人口统计身份识别（身份证号、手机号、车牌号等），设备身份识别（PC端的ip地址、移动端的UD/IDFA等），数字身份识别，就是用户为了获取各种服务而建立的账号（微博账号、QQ、微信、电子邮箱等）。
用户识别就需要分辨、识别出不同身份背后是不是同一个用户，将多个身份的进行“归户”。用户识别是非常重要的基础工作，只有做好这一步，才能实现基于个人、基于场景的个性化营销。
3、对有效数据进行分类：一般会从静态和动态数据来分类。
静态数据：主要指客户的人口属性、兴趣偏好等。如年龄、性别、地域、婚姻、爱好、消费周期、消费偏好等。
动态数据：主要指客户的行为动作。如客户的消费动态行为，什么时间段，受什么影响、购买了什么商品？
4、建立标签和权重体系：
标签：就是对人、物、事、场景的显著特征的分类、提炼、总结的过程。标签化是精准营销、个性化营销的前提，帮助我们更好的洞察、理解消费者的需求、行为。只有标签化，才能把海量的数据转化为可落地的数字化营销策略。
权重体系：是对消费行为程度、概率的一种量化，代表用户发生某种行为的概率、需求、偏好的程度。
三、数据建模
运用聚类、关联、逻辑回归等方法，对各种数据进行分析，并发现数据间的相关性。
比如、某个客户经常在那个渠道购买白酒，或者说这个客户的大多数白酒的购买行为是发生在那个渠道的。
这个步骤也可以数据建模，就是根据客户的行为特征构建相应的数据模型。以电商客户为例，通过建模可以知道那个客户在那个时间、那个线上渠道采取了什么网络行为。
四、验证
对所有整理过的数据的相关性或者数据建模进行验证，以保证所得到的模型或相关性分析对客户消费特征的准确性，只有经过验证的模型才能帮助企业正确的预测到营销结果。
比如、分析发现某个客户每周都会消费比较贵酱香型的白酒，假设他的消费行为在过去两年，超过70%的消费行为都是如此，我们就可以判定，这个客户的消费行为不是偶然的，就对这个客户的消费行为公关提供了依据。
五、形成画像
通过验证阶段的进一步筛选，将那些偶然相关性或者不能准确反映现实的数据模型删除掉之后，把整理好的模型组成用户画像，企业便可以为目标客户打上各种各样的标签，了解具有某类标签的客户的渠道使用的偏好、产品购买的偏好等，应用到具体的营销策略中。
总结：
无论什么样的营销策略，最终都是为销售业绩、结果服务，数据营销也不例外。而消费者画像是数据营销的基础，也是商业变现的第一步。
其实消费者画像的形成过程就是，将这些碎片化的海量数据进行整合，还原给我们一个最为真实的客户，而不是根据经验预判所理解的客户，消费者画像是是企业实践运用数字化营销的基础。