平日乘坐滴滴打车期间，经常会询问司机是否专职做滴滴，如果回答是，则会追问之前做什么行业，如果回答否，则会追问主业做什么，通常会从司机那获取不一样的见闻。就在前几天，某兼职滴滴老司机，讲到80年代开木器厂的历史，那个年代物质匮乏，消费品都是供不应求，客户排队上门，甚至预付巨额定金，从而积累第一桶金。
与我们所处的这个时代有很大不同，这个时代物质丰富，供过于求，各行各业都进入买方市场，追求“便利性”和“高品质”成为买方挑选服务的主要考量点。企业之间激烈的竞争，要求企业对所服务客户或用户，有更深更全面的理解与洞察，在这样的背景下，用户画像被越来越多的提及。那么产品经理该如何理解用户画像的价值?
增长时代终结
移动互联网快速发展的几年，也是产品经理职位最火爆的几年。转行做产品经理很容易，行业内不少产品做产品，通常是接到一个需求，看看竞品，照猫画虎方案也就出来了。跟随整体移动用户量增长，产品也在不断增长，至于背后的用户是谁，有什么独特需求，并不是很重要。
典型的如门户公司，移动互联网早期依靠手机预装，仍然能够实现装机量和日活稳定增长，至于每个用户需求满足好不好，或者有多少用户流失并不在意，整体增长实际掩盖了很多问题。这才给了诸如今日头条、趣头条类靠算法分发和下沉市场的产品机会。算法个性化分发显然比编辑依赖经验和感觉千人一面分发更符合用户需求。
当移动互联网增长见顶时，行业内才意识到，之前赖以成功的方法都不好使了，甚至怀疑以前是不是只是靠大盘增长才实现的增长，本身的努力是负的。全行业开始关注精细化运营，当然关注到具体落地并不容易。
用户画像价值
除了推荐系统已经广泛应用在各互联网产品中，另外一个被广泛讨论的是用户画像。
譬如小乐帝写公众号，如果能够掌握读者的用户画像，显然能够对文章选题、构思成文和分发有更好指引作用，读者打开率和满意度也会更高。
传统线下零售业，围绕货->场->人构建，先有货，再找商铺或代理商，最后用户是谁或有什么需求没有满足是无法获取的。电商和新型零售则是以用户需求为核心，以人->货->场来构建，用户需求是什么，去生产或供货，最终选择从哪些渠道引流或选址。
用户画像是在买方时代，卖方更好更个性化服务客户或用户的提供认知基础。小乐帝做业务过程中，某些友商会对标我们，但我们从来不把友商作为对标对象，因为我们知道在这个时代，我们最大的竞争对手，并非竞品，而是快速变化的市场需求。围绕市场需求开展工作，才不会被带歪。
通过用户画像能够更加聚焦业务的增长与存量运营。譬如我们知道潜在客户是那些，就可以专注将市场推广预算更聚焦投向目标方向，将有限的资源充分利用起来，而不至于花了很多钱却带来非常小甚至没有回报。譬如我们知道存量客户的用户画像，就能定位出哪些客户/用户需要做留存/拉活/转化动作，通过精细化运营提升业务核心指标。
有了用户画像并应用到业务上，业务才能向着正确方向发展。
用户画像构建
用户画像价值我们都懂，那么用户画像具体形态是什么?从哪里来呢?
行业内讲的用户画像通常是标签的概念，给某一个人打上各类标签，譬如年龄、籍贯、买过什么东西。这些标签的优势，在于可解释性比较强，可以把标签应用到诸如广告投放、产品运营、个性化推荐引擎。
在个性化推荐领域本身也会做用户画像，与我们理解的标签不同，通常是一些统计值或者向量化的表示，可解释性并不强，并不能直接应用到诸如广告投放中。
构建用户画像并非高大上的工作，而是比较“脏活累活”。构建的用户画像始终是中间产物，并不能直接促进业务增长;其次，构建一套业务可用的用户画像，需要企业各部门明确需求而且有维护成本。整体下来，属于有苦劳难出功劳的工作。之前工作经历中，单个算法工程师花了很多时间做用户画像，最终限于能力及应用场景，也只是黯然离职了。
对于大部分中小型互联网企业企业和互联网+企业，如果能够引入第三方画像系统，帮着完成画像构建和维护，显然是更加明智的选择。