运用用户画像把握用户行为，进行精准化运营，往往能够收获到意想不到的效果。
今天的文章很短，不过千字，但估计应该对一些同学会有一些启发。
简单的说，用户画像就是将所有用户的数据进行归拢、聚类之后，通过标签或其他方式将用户行为进行分类，从而得出精细的用户类型，用以运营、产品的实践。再简单点说，通过分析数据，将所有用户的行为归类，得出各种类型的用户群体，并为后续的持续的精细化运营做准备。
用户画像这件事儿很多人都聊过，但是并不是讨论产品中的Persona的概念，今天聊的更多的就是第2类和第3类的画像在运营中的应用。
还是亮哥目前的工作。业务模块里有一个保险返现的模块。这个模块是和保险公司合作，根据用户的驾驶行为和停驶情况按照一定比例返还用户的保费，是一个类UBI的产品。
这个产品的基盘用户是所有购买了指定保险公司车险的用户，但是需要用户报名才会激活服务。
运营没有介入前，自然增长的总体转化率是1%，运营介入后，大概2个月的时间，总体转化率已经到10%左右了。
那么，做了什么呢？
很简单，分析已经参与活动的用户的构成，和对用户通知下发后，参与活动的用户和不参与活动用户的差别，然后分为两类用户开始重组文案和推送策略。
最终，我们建立了这样的画像：
根据年龄的差别和日常使用应用活跃度的差异去区分出不同的人群。
试探不同人群对于文案的感知，总结出不同人群care的重点。
这样一来，对于新增进来的用户，我们就实现了不同画像人群的不同邀请文案的设计。
譬如说，对于不同的人群，是推这个业务会帮他赚钱还是帮他省钱，因为不同的人群对于这两种表达的反馈是不同的；推送的时间节点是选择上午的早高峰时段还是晚高峰时段，是之前还是之后，等等。
这些尝试，让我们累积了更多的经验，对于刺激用户转化这件事儿的效率提升具有实际的指导意义。
事实证明，这样的措施上线后，对于目标用户转化率的提升，帮助极大。
首先，肯定是要有数据，233。这样说的原因是因为好多运营同学拿不到数据，或者公司的数据不全。
对数据，我的建议是，能埋点的都埋上。与应用活跃强相关的一定要有数据记录。
其次，是要尝试数据的抽取和归类，哪怕这个事儿做的不专业，不熟练。
从亮哥过去的实践来说，大多数公司的数据部门还是担负数据仓库的职责，具有分析能力和直接输出能力的并不太多。
所以，运营人员和产品人员都应该具有数据抽取、归类、分析的能力。
第三，是要有精细化运营的思维模式。
不断迭代、小步快跑、快速试错，是关键。
要能够大胆的针对数据提出假设，然后，再不断的在不同的范围去验证假设，最终形成结论和能力。
基本上就是如此。
