大数据构建精准用户画像技术方案.docx

大数据构建精准用户画像
技术方案
BIBDATA
什么是用户画像？
用户画像(UserProfile),作为大数据的根基,它完美地抽象出一个用户的信等重要商业信息,,一个概念悄然而生：用户画像(UserProfile),完美地抽象出
个用户的信息全貌,可以看作企业应用大数据的根基.
？
男,31岁,已婚,收入1万以上,爰美食,团购达人,喜欢红酒配香烟.
,即：用户信息标签化.
如果用一幅图来展现,即：
二,为什么需要用户画像
用户画像的核心工作是为用户打标签,打标签的重要目的之一是为了让人能够理解并且方便计算机处理,如,可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中,男、女比例是多少？
也可以做数据挖倔工作：利用关联规那么计算,喜欢红酒的人通常喜欢什么运动品牌？利用聚类算法分析,喜欢红酒的人年龄段分布情况？
大数据处理,离不开计算机的运算,标签提供了一种便捷的方式,使得计算机能够程序化处理与人相关的信息,甚至通过算法、模型能够"理解",无论是搜索引擎、推荐引擎、广告投放等各种应用领域,都将能进一步提升精准度,提升信息获取的效率.
三、如何构建用户画像
一个标签通常是人为规定的高度精炼的特征标识,如年龄段标签：25~35岁,地域标签：北京,标签呈现出两个重要特征：语义化,,,每个标签通常只表示一种含义,标签本身无需再做过多文本分析等预处理工作,这为利用机器提取标准化信息提供了便利.
人制定标签规那么,并能够通过标签快速读出其中的信息,机器方便做标签提取、,用户画像,即：用户标签,向我们展示了一种朴素、简洁的方法用于描述用户信息.

构建用户画像是为了复原用户信息,因此数据来源于：所有用户相关的数据.
对于用户相关数据的分类,引入一种重要的分类思想：,世界上分为两种人,一种是学英语的人,一种是不学英语的人；客户分三类,高价值客户,中价值客户,低价值客户；产品生命周期分为,投入期、成长期、成熟期、衰退期…所有的子分类将构成了类目空间的全部集合.
这样的分类方式,,,不同的分类方式根据应用场景,业务需求的不同,也许各有道理,按需划分即可.
本文将用户数据划分为静态信息数据、动态信息数据两大类.
动态信息数据
用户数据
静态信息数据
用户接触点(TouchPoint)
....■
消班等经
消费周期
静态信息数据
用户相对稳定的信息,如下图,主要包括人口属性、,自成标
清洗工作,因此这方面信息的数据建
,如果企业有真实信息那么无需过多建模预测,更多的是娄模不是本篇文章重点.
动态信息数据用户不断变化的行为信息,如果存在上帝,每一个人的行为都在时刻被上帝那双无形的眼睛监控看,广义上讲,一个用户翻开网页,买了一个杯子；与该用户黄昏溜了趟狗,白天取了一次钱,,乃至电商,用户行为就会聚焦很多,如上图所示：浏览凡客首页、浏览休闲鞋单品页、搜索帆布鞋、发表关于鞋品质的微博、赞“双十一大促给力〞.
本篇文章以互联网电商用户,为主要分析对象,暂不考虑线下用户行为数据〔分析方法雷同,只是数据获取途径,用户识别方式有些差异〕.
在互联网上,用户行为,,分析出用户标签,将是本文着重介绍的内容.

用户画像的目标是通过分析用户行为,最终为每个用户打上标签,,红酒
、.
标签,表征了内容,用户对该内容有兴趣、偏好、需求等等.
权重,表征了指数,用户的兴趣、偏好指数,也可能表征用户的需求度,可以简单的理解为可信
33数据建模方法
下面内容将详细介绍,如何根据用户行为,构建模型产出标签、：时间、地点、,可以详细描述为：什么用户,在什么时间,什么地点,做了什么事.
什么用户：关键在于对用户的标识,用户标识的目的是为了区分用户、单点定