大數據DMP畫像系統

內容介紹

1、目標  

一、掌握畫像標籤開發技巧

 二、掌握數據挖掘技巧

 三、瞭解業內畫像和DMP系統的架構和開發

 四、大數據結合業務場景落地 

系統開發要求 

涉及的技術要點：spark 、elasticsearch、hadoop 、hive 、LR GBDT等機器學習算法 開發工具：idea、eclipse 開發環境：spark2.二、hadoop2.七、hive1.二、hbase、redis 開發語言：scala、java、python、shell、sql

3、課程目錄 

課程一覽 

一、用戶畫像概述

什麼是用戶畫像，爲何要用戶畫像，畫像的場景應用 業內，facebook,阿里巴巴（達摩盤），騰訊（廣點通）分析 打造本身的內部達摩盤，基本功能跟達摩盤一致 

 二、畫像指標整理 

   2-1.基礎屬性。人的基礎屬性標籤，包括地域、年齡、性別等。

   2-2.興趣偏好。這部分是投放端已有的定向能力，後期可規劃更細的基於寶貝、店鋪或行業的搜索選擇，特定興趣的定向功  能。

   2-3.行爲軌跡。基於興趣偏好更細的行爲（包括瀏覽、點擊、成交、收藏、復購等），及不一樣時間段的行爲交叉（包括1天、7天、30天的行爲）。

   2-4.消費能力。基於平臺的支付交易，購物行爲、交易額計算高中低，及類目上的高消費偏好。  

   2-5.好友關係。基於平臺的關係鏈數據，推薦偏好該寶貝、店鋪、行業的好友用戶。  

   2-6.自定義人羣。支持上傳自定義人羣包，lookalike擴展包的大小。 

 三、 畫像標籤體系建設和開發 

   3-1）基本屬性 地域、年齡、性別、學歷、職業 

   3- 2）興趣偏好 品牌、 店鋪、一級類目、場景、行業 

   3-3）消費能力 能力等級開發 

   3-4）特徵人羣 劃分一些特定的人羣，高活躍，低活躍，有車一族，奶爸一家 

   3-5）LBS屬性 長居住地 

   3-6）用戶軌跡 交易、瀏覽，收藏等 

4、畫像系統架構 

 功能：畫像多維度分析、畫像指標下鑽分析、投放效果追蹤分析 技術：基於es 、spark、hadoop 建設畫像計算，以及數據存儲和計算 模塊：用戶人羣包（交集並集）、追蹤分析、人羣畫像、人羣對比模塊開發

5、畫像系統應用案例 

  用戶精準營銷 

  用戶商品推薦   

6、大數據面試技巧

  hadoop、hive、spark常見面試問題以及解答

瞭解詳情>>https://www.roncoo.com/course/view/9b71bcbb2d6b4fe9a1e4ab2212bc0179