視頻脫口秀主講人羅振宇在《時間的朋友》跨年演講上舉了這樣一個例子：當一個壞商家掌握了你的購買數據，他就可以根據你平常購買商品的偏好 來決定是給你發正品還是假貨以提高利潤。我們且不看是否存在這類商家，而是把目光放到更重要的事情上——用戶畫像。在這個例子中商家有可能利用用戶畫像來達到“精準銷售”。那么到底什么是用戶畫像呢？如何借助大數據建立用戶畫像，找到短視頻的目標用戶呢？
1.什么是用戶畫像
在一位應聘者的簡歷上寫著這樣一行信息：小明，男，24歲，北京人，大學本科畢業，曾任職某公司主管。這行信息便是小明的畫像。而對公司來說，所有的簡歷匯聚到一起，然后根據數據統計就能得出應聘者的畫像，即用戶畫像。
所謂用戶畫像，指的是根據用戶的社會屬性、生活習慣和消費行為等信息而抽象出的一個標簽化的用戶模型。構建用戶畫像的核心工作即是給用戶貼“標簽”，而標簽是通過對用戶的信息進行分析而得到的高度精練的特征標識。
舉例來說，如果你經常購買一些玩偶玩具，那么電商網站就會根據你買玩具的情況給你貼上“有孩子”的標簽，甚至還可以判斷出孩子的大概年齡，貼上“有3 ~ 6歲的孩子”這樣更為具體的標簽，而這些所有的標簽綜合在一起就 形成了你的用戶畫像 位3 ~ 6歲孩子的家長且經常買玩具。得出這樣的結論后，電商網頁就會向你精準推送更多關于3 ~ 6歲的孩子的玩具。
短視頻制作者要想找準目標用戶，就需要通過數據建立用戶畫像，然后根據用戶畫像制作視頻，這樣才能有的放矢，正中目標用戶。
2.大數據建立用戶畫像
在了解了什么是用戶畫像之后，我們要借助數據建立用戶畫像。首先我們要認識一下用戶數據的分類。一般來說，用戶數據分為靜態信息數據與動態信 息數據兩大類。靜態信息數據是比較容易掌握的，比如用戶的性別、年齡、地域、職業、婚姻狀況、是否有孩子、消費周期等。而動態信息數據因為在不斷變化，所以比較難掌握。比如用戶的瀏覽、搜索、點贊、評論等行為。因此對于動態數據，短視頻制作者要進行長期追蹤、搜集數據，然后從用戶的變化中 總結出規律，從而得出較為精準的用戶畫像。
沒有最火的短視頻，因為單獨的某個短視頻即使再火也不可能滿足所有觀眾的需求。不過，我們只要抓住 用戶的主要偏好和需求就足夠了。借助Kan。模型就能很好地解決這個問 題。Kan。模型按照用戶的不同需求的重要程度將其分為五類：基本型需求、期望型需求、興奮型需求、無差異型需求和反向型需求，如圖2-6。
這五類需求的重要性程度依次遞減，其中基本型需求是必須滿足的。比如智能手機的基本型需求有語音通話、信號覆蓋等。而如果智能手機連這些基本需求都達不到，就會引起用戶極大的不滿。所以短視頻制作的內容必須滿足用戶的基本需求，比如新聞類短視頻就是要將最新、最熱的資訊及時地推送出去。
期望型需求也稱為意愿型需求，在短視頻中指用戶在觀看短視頻之前預期達到的需求，也就是我們所說的“痛點”。雖然期望型需求不是必需的，但是如果視頻作品的內容能滿足用戶這部分的需求，就會增加它在同類視頻中的競 爭力。
興奮型需求也稱魅力型需求，如果能滿足用戶的此類需求，就會很大程度上提升用戶的滿意度。這就需要短視頻制作者在內容中增加讓人驚喜的部分。
無差異型需求指的是那些不論提供與否都對用戶體驗無影響的需求。例如航空公司為乘客提供沒有實用價值的贈品.短視頻制作者在制作短視頻時要避免這方面的內容。
反向型需求又稱逆向型需求，這類需求是不應該做的，否則很容易適得其反，引起用戶的不滿。
