用户画像与人群洞察

你面临的问题：画像与洞察的“最后一公里”

许多团队积累了用户数据，也尝试做分群和画像，但常遇到两个核心痛点：

1. 画像资产“建完用不起来”：产出停留在标签罗列或虚拟 Persona，缺乏与可量化分群的绑定，无法被算法或策略直接调用。
2. 洞察无法闭环到动作：知道用户是谁，但不知道“该动谁、怎么动”。洞察停留在报告结论，未转化为具体的运营动作、渠道和预期指标，无法验证效果。

这导致用户画像项目往往沦为“自嗨型产出”，无法驱动精准营销、推荐优化或产品决策。

技能如何工作：从数据到可执行决策的结构化回路

本技能旨在构建一条从“数据就绪”到“动作落地”的认知与执行主线。其工作流程和核心能力如下：

1. 诊断与构建（Profile 层）：建立量化基础

• 盘点与评估：首先对数据基础（行为、交易、属性等）、身份打通状态进行6维度的就绪度评分（1-5分），明确差距和优先补充项（P0/P1）。
• 设计标准标签体系：遵循行业标准的 CDP六类分层（基础属性、行为、消费价值、生命周期、渠道来源、预测）设计标签，确保至少覆盖4类。标签定义包含明确的 计算口径 和 数据源。
• 构建分群模型：采用 RFM + K-means 等标准范式进行分群。所有分群规则必须 量化（如 近90天消费≥3次），并给出 价值定位（高/中/低）。
• 生成代表性 Persona：为关键分群各产出一个 Persona 卡（3-5个），它不是虚构的“小明”，而是 绑定到具体分群（linked_segment），整合其行为特征、需求和痛点，服务于团队对齐与设计。

2. 洞察与闭环（Insight 层）：从认知到行动
这是本技能的核心增量，解决“用不起来”的问题：

• 人群机会矩阵：基于分群，从 价值定位 和 增长潜力 两个维度对每个分群进行机会量化，识别出“核心增长”、“价值守护”等机会类型。
• 洞察→动作映射：将每条洞察转化为具体、可执行的运营动作，明确 动作内容、触达渠道 和 可量化的预期指标（如 核销率提升15%、复购率+5%），并将 目标分群 绑定到之前的分群。
• 机会优先级评分：为每个机会机会（机会矩阵+动作映射）进行1-5分的优先级打分，明确执行顺序和 理由。

3. 输出与校验
最终产出结构化的 JSON 数据，包含上述所有步骤的结果，并通过本地脚本进行 schema校验、Markdown渲染 和 脱敏自检，确保输出物可直接用作标签平台需求文档、营销人群定义或产品分析输入。

适用边界与关键注意点

明确本技能的“做”与“不做”：

• 做：提供完整的 画像资产+洞察闭环 框架，包括就绪度评分、六类标签、量化分群、Persona 和 从洞察到动作的映射。
• 不做：

整体会员运营成熟度诊断（本技能聚焦“画像就绪度”）。
定义用户生命周期阶段与流转规则（需参考 用户生命周期旅程 等技能）。
设计具体的权益、活动或触达策略（洞察回路给出方向，具体策略需结合其他技能）。
替算法编写代码（预测标签仅提供计算口径和验证要求）。

核心原则：

• 数据不足时显式标注：缺失数据时就低评分，并在输出中明确列出“缺失信息与假设”及“待补清单”，绝不臆造数据。
• 量化是硬性要求：分群规则、预期指标必须有量化标记（时间窗、阈值），禁用“较好”、“适度”等模糊词汇。
• 默认脱敏：输出中不出现任何真实客户名、品牌名、内部数据源或可识别信息。