我们做用户画像，说AI根据用户行为给每个人打标签。你是"高价值用户"还是"流失风险用户"，AI说了算。用了半年说点感受。

AI怎么给我打标签？

你在APP里点了什么、看了多久、买过什么。AI把这些行为变成标签：你常看篮球，你价格敏感，你周末活跃。

然后它根据这些标签猜你：你可能喜欢这个、你可能会买那个。

听起来很懂你。

但你真的被它懂了吗？

我自己看了下AI给我的标签。说我是"篮球爱好者""价格敏感型""周末活跃用户"。

篮球爱好者？我就上个月看了两场NBA，它就给我贴上了。价格敏感？我最近买东西都是看质量不看价格，它不知道。周末活跃？我只是这两周周末加班才在周末用APP。

它把短期行为当成了长期偏好。我两周看了篮球，它就觉得我是篮球迷。我两周周末用得多，它就觉得我周末活跃。

这就是用户画像的问题。

AI看你的行为，但它不懂行为背后的原因。你为什么看篮球？可能是朋友推荐。你为什么周末用？可能是加班。它不知道，它只看到行为。

然后它根据这些标签推荐东西。你是篮球爱好者，它给你推篮球内容。但我不想一直看篮球，我想看点别的。

标签把人框死了。你被贴了个标签，以后它就按这个标签对你。

那用户画像还有用吗？

有用，但别太当真。

它帮你大概知道用户是什么样的人。但你别拿标签当圣旨。人是会变的，偏好是会流动的。

我们后来做了个调整：标签只做参考，推荐的时候给多样性。大部分按标签推，小部分推点别的。这样用户不会被框死。

做产品别把用户当标签看。他是个人，不是一堆标签的组合。

说个更真实的例子。有次我们根据用户画像，给一批"价格敏感型"用户发了优惠券。说这帮人舍不得花钱，发个折扣就能促单。

结果呢？发出去之后，领券的人不少，但真正下单的没几个。为什么？因为这些人不是价格敏感，他们是本来就不需要这个东西。你发优惠券，他看了一眼觉得便宜，但不需要，还是不买。

AI把"没买"等同于"舍不得买"，然后贴了个价格敏感的标签。但实际上是人家不需要，不是不舍得。

这就是标签的粗暴之处。它把复杂的人简化成几个维度，然后根据这些维度做判断。可人不是这么简单的。

后来我们做用户画像，不看AI标签了，自己去看用户的真实反馈。跟用户聊一聊，比看一百个标签都管用。

做产品，别光看数据。数据告诉你行为，不告诉你动机。动机得你自己去问。