用戶畫像知識

用戶畫像相關知識點

一、用戶畫像是什麼？

用戶畫像（User Profile），即用戶信息標籤化。

用戶畫像有不少的的標籤組成，每一個標籤都規定了觀察、認識、描述用戶的角度。標籤根據企業業務的發展狀況，或多或少，對外而言都是一個總體，這個總體稱之爲用戶畫像。

 

二、爲何須要用戶畫像？

用戶畫像的核心工做是爲用戶打標籤，打標籤的重要目的之一是爲了讓人可以理解而且方便計算機處理。

大數據處理，離不開計算機的運算，標籤提供了一種便捷的方式，使得計算機可以程序化處理與人相關的信息，甚至經過算法、模型可以「理解」 人。當計算機具有這樣的能力後，不管是搜索引擎、推薦引擎、廣告投放等各類應用領域，都將能進一步提高精準度，提升信息獲取的效率。

用戶畫像的本質就是從業務角度出發對用戶進行分析，瞭解用戶需求，尋找目標客戶。

 

三、用戶畫像怎麼設計？

一個標籤一般是人爲規定的高度精煉的特徵標識。

三、1 數據源分析

構建用戶畫像是爲了還原用戶信息，所以數據來源於：全部用戶相關的數據。

對於用戶相關數據的分類，引入一種重要的分類思想：封閉性的分類方式。

這樣的分類方式，有助於後續不斷枚舉並迭代補充遺漏的信息維度。沒必要擔憂架構上對每一層分類沒有考慮完整，形成維度遺漏留下擴展性隱患。另外，不一樣的分類方式根據應用場景，業務需求的不一樣，也許各有道理，按需劃分便可。

　　3.1.1 靜態信息數據　　　　　

　　　　　　用戶相對穩定的信息。

　　3.1.2 動態信息數據　　　

　　　　　　用戶不斷變化的行爲信息。

　　　　　　在互聯網上，用戶行爲，能夠看做用戶動態信息的惟一數據來源。

3.2 目標分析

用戶畫像的目標是經過分析用戶行爲，最終爲每一個用戶打上標籤，以及該標籤的權重。

3.3 數據建模方法

如何根據用戶行爲，構建模型產出標籤、權重。一個事件模型包括：時間、地點、人物三個要素。每一次用戶行爲本質上是一次隨機事件，能夠詳細描述爲：什麼用戶，在什麼時間，什麼地點，作了什麼事。

　　3.3.1 什麼用戶　　　

　　　　　　關鍵在於對用戶的標識，用戶標識的目的是爲了區分用戶、單點定位。

　　3.3.2 什麼時間　　　　　

　　　　　　時間包括兩個重要信息，時間戳+時間長度。

　　　　　　時間戳，爲了標識用戶行爲的時間點。

　　　　　　時間長度，爲了標識用戶在某一頁面的停留時間。

　　3.3.3 什麼地點　　　

　　　　　　用戶接觸點，Touch Point。對於每一個用戶接觸點。潛在包含了兩層信息：網址 + 內容。

　　3.3.4 什麼內容

　　　　　　每一個url網址（頁面/屏幕）中的內容。　　

　　　　　　對於每一個互聯網接觸點，其中網址決定了權重；內容決定了標籤。

　　3.3.5 什麼事　　

　　　　　　用戶行爲類型，對於電商有以下典型行爲：瀏覽、添加購物車、搜索、評論、購買、點擊贊、收藏 等等。　　　　　

　　　　　　不一樣的行爲類型，對於接觸點的內容產生的標籤信息，具備不一樣的權重。

 

用戶畫像的數據模型，能夠歸納爲下面的公式：用戶標識 + 時間 + 行爲類型 + 接觸點（網址+內容），某用戶由於在什麼時間、地點、作了什麼事。因此會打上**標籤。

用戶標籤的權重可能隨時間的增長而衰減，所以定義時間爲衰減因子r，行爲類型、網址決定了權重，內容決定了標籤，進一步轉換爲公式：

標籤權重=衰減因子×行爲權重×網址子權重

如：用戶A，昨天在品尚紅酒網瀏覽一瓶價值238元的長城乾紅葡萄酒信息。

標籤：紅酒，長城

時間：由於是昨天的行爲，假設衰減因子爲：r=0.95

行爲類型：瀏覽行爲記爲權重1

地點：品尚紅酒單品頁的網址子權重記爲 0.9（相比京東紅酒單品頁的0.7）

假設用戶對紅酒出於真的喜歡，纔會去專業的紅酒網選購，而再也不綜合商城選購。

則用戶偏好標籤是：紅酒，權重是0.95*0.7 * 1=0.665，即，用戶Ａ：紅酒 0.665、長城 0.665。

 

四、用戶畫像怎麼開發？

 

五、用戶畫像工做堅持的原則（金融企業）

金融企業是最先開始用戶畫像的行業。

事實上，用戶畫像涉及數據的緯度須要業務場景結合，既要簡單幹練又要和業務強相關，既要篩選便捷又要方便進一步操做。用戶畫像須要堅持三個原則，分別是人口屬性和信用信息爲主，強相關信息爲主，定性數據爲主。

5.1 信用信息和人口屬性爲主

描述一個用戶的信息不少，信用信息是用戶畫像中重要的信息，信用信息是描述一我的在社會中的消費能力信息。

定位完目標客戶以後，金融企業須要觸達客戶，人口屬性信息就是起到觸達客戶的做用，人口屬性信息包含姓名、性別，電話號碼，郵件地址，家庭住址等信息。這些信息能夠幫助金融企業聯繫客戶，將產品和服務推銷給客戶。

5.2 採用強相關信息，忽略弱相關信息

強相關信息就是同場景需求直接相關的信息，其能夠是因果信息，也能夠是相關程度很高的信息。

5.3 將定量的信息歸類爲定性的信息

用戶畫像的目的是爲產品篩選出目標客戶，定量的信息不利於對客戶進行篩選，須要將定量信息轉化爲定性信息，經過信息類別來篩選人羣。

例如能夠將年齡段對客戶進行劃分，18歲-25歲定義爲年輕人，25歲-35歲定義爲中青年，36-45定義爲中年人等。能夠參考我的收入信息，將人羣定義爲高收入人羣，中等收入人羣，低收入人羣。

5.4 用戶畫像的方法介紹，不要太複雜

金融企業須要結合業務需求進行用戶畫像，從實用角度出發，咱們能夠將用戶畫像信息分紅五類信息。分別是人口屬性，信用屬性，消費特徵，興趣愛好，社交屬性。

　　5.4.1 人口屬性

　　5.4.2 信用屬性

　　5.4.3 消費特徵

　　5.4.4 興趣愛好

5.5 金融企業用戶畫像的基本步驟

　　5.5.1 畫像相關數據的整理和集中

　　5.5.2 找到同業務場景強相關數據

　　5.5.3 對數據進行分類和標籤化（定量to定性）

　　5.5.4 依據業務需求引入外部數據

　　5.5.5 按照業務需求進行篩選客戶（DMP(大數據管理平臺)的做用）