视频脱口秀主讲人罗振宇在《时间的朋友》跨年演讲上举了这样一个例子：当一个坏商家掌握了你的购买数据，他就可以根据你平常购买商品的偏好 来决定是给你发正品还是假货以提高利润。我们且不看是否存在这类商家，而是把目光放到更重要的事情上——用户画像。在这个例子中商家有可能利用用户画像来达到“精准销售”。那么到底什么是用户画像呢？如何借助大数据建立用户画像，找到短视频的目标用户呢？

1.什么是用户画像

  在一位应聘者的简历上写着这样一行信息：小明，男，24岁，北京人，大学本科毕业，曾任职某公司主管。这行信息便是小明的画像。而对公司来说，所有的简历汇聚到一起，然后根据数据统计就能得出应聘者的画像，即用户画像。

  所谓用户画像，指的是根据用户的社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户的信息进行分析而得到的高度精练的特征标识。

  举例来说，如果你经常购买一些玩偶玩具，那么电商网站就会根据你买玩具的情况给你贴上“有孩子”的标签，甚至还可以判断出孩子的大概年龄，贴上“有3 ~ 6岁的孩子”这样更为具体的标签，而这些所有的标签综合在一起就 形成了你的用户画像 位3 ~ 6岁孩子的家长且经常买玩具。得出这样的结论后，电商网页就会向你精准推送更多关于3 ~ 6岁的孩子的玩具。

  短视频制作者要想找准目标用户，就需要通过数据建立用户画像，然后根据用户画像制作视频，这样才能有的放矢，正中目标用户。

2.大数据建立用户画像

  在了解了什么是用户画像之后，我们要借助数据建立用户画像。首先我们要认识一下用户数据的分类。一般来说，用户数据分为静态信息数据与动态信 息数据两大类。静态信息数据是比较容易掌握的，比如用户的性别、年龄、地域、职业、婚姻状况、是否有孩子、消费周期等。而动态信息数据因为在不断变化，所以比较难掌握。比如用户的浏览、搜索、点赞、评论等行为。因此对于动态数据，短视频制作者要进行长期追踪、搜集数据，然后从用户的变化中 总结出规律，从而得出较为精准的用户画像。

  没有最火的短视频，因为单独的某个短视频即使再火也不可能满足所有观众的需求。不过，我们只要抓住 用户的主要偏好和需求就足够了。借助Kan。模型就能很好地解决这个问 题。Kan。模型按照用户的不同需求的重要程度将其分为五类：基本型需求、期望型需求、兴奋型需求、无差异型需求和反向型需求，如图2-6。

  这五类需求的重要性程度依次递减，其中基本型需求是必须满足的。比如智能手机的基本型需求有语音通话、信号覆盖等。而如果智能手机连这些基本需求都达不到，就会引起用户极大的不满。所以短视频制作的内容必须满足用户的基本需求，比如新闻类短视频就是要将最新、最热的资讯及时地推送出去。

  期望型需求也称为意愿型需求，在短视频中指用户在观看短视频之前预期达到的需求，也就是我们所说的“痛点”。虽然期望型需求不是必需的，但是如果视频作品的内容能满足用户这部分的需求，就会增加它在同类视频中的竞 争力。

  兴奋型需求也称魅力型需求，如果能满足用户的此类需求，就会很大程度上提升用户的满意度。这就需要短视频制作者在内容中增加让人惊喜的部分。

  无差异型需求指的是那些不论提供与否都对用户体验无影响的需求。例如航空公司为乘客提供没有实用价值的赠品.短视频制作者在制作短视频时要避免这方面的内容。

  反向型需求又称逆向型需求，这类需求是不应该做的，否则很容易适得其反，引起用户的不满。