目錄
0. 相關文章鏈接
1. 用戶畫像是什么
2. 畫像簡介
3. 標簽型別
注：此博文為根據 趙宏田 老師的 用戶畫像·方法論與工程化解決方案 一書讀后筆記而來，僅供學習使用
0. 相關文章鏈接
用戶畫像文章匯總
1. 用戶畫像是什么
在互聯網步入大資料時代后，用戶行為給企業的產品和服務帶來了一系列的改變和重塑，其中最大的變化在于，用戶的一切行為在企業面前是可“追溯”“分析”的，企業內保存了大量的原始資料和各種業務資料，這是企業經營活動的真實記錄，如何更加有效地利用這些資料進行分析和評估，成為企業基于更大資料量背景的問題所在，隨著大資料技術的深入研究與應用，企業的關注點日益聚焦在如何利用大資料來為精細化運營和精準營銷服務，而要做精細化運營，首先要建立本企業的用戶畫像，
2. 畫像簡介
用戶畫像，即用戶資訊標簽化，通過收集用戶的社會屬性、消費習慣、偏好特征等各個維度的資料，進而對用戶或者產品特征屬性進行刻畫，并對這些特征進行分析、統計，挖掘潛在價值資訊，從而抽象出用戶的資訊全貌，如下圖所示，用戶畫像可看作企業應用大資料的根基，是定向廣告投放與個性化推薦的前置條件，為資料驅動運營奠定了基礎，由此看來，如何從海量資料中挖掘出有價值的資訊越發重要，
大資料己經興起多年，其對于互聯網公司的應用來說己經如水、電、空氣對于人們的生活一樣，成為不可或缺的重要組成部分，從基礎設施建設到應用層面，主要有資料平臺搭建及運維管理、資料倉庫開發、上層應用的統計分析、報表生成及可視化、用戶畫像建模、個性化推薦與精準營銷等應用方向，
很多公司在大資料基礎建設上投入很多，也做了不少報表，但業務部門覺得大資料和傳統報表沒什么區別，也沒能體會大資料對業務有什么幫助和價值，究其原因，其實是“資料靜止在資料倉庫，是死的”，
而用戶畫像可以幫助大資料“走出”資料倉庫，針對用戶進行個性化推薦、精準營銷、個性化服務等多樣化服務，是大資料落地應用的一個重要方向，資料應用體系的層級劃分如下圖所示，
3. 標簽型別
用戶畫像建模其實就是對用戶 “打標簽” ，從對用戶打標簽的方式來看，可以分為如下三種：
1、統計類標簽
這類標簽是最為基礎也最為常見的標簽型別，例如，對于某個用戶來說，其性別、年齡、城市、星座、近7榷訓躍時長、近7榷訓躍天數、近7榷訓躍次數等欄位可以從用戶注冊資料、用戶訪問、消費資料中統計得出，該類標簽構成了用戶畫像的基礎，2、規則類標簽
該類標簽基于用戶行為及確定的規則產生，例如，對平臺上“消費活躍”用戶這一口徑的定義為“近30天交易次數大于等于2”，在實際開發畫像的程序中，由于運營人員對業務更為熟悉，而資料人員對資料的結構、分布、特征更為熟悉，因此規則類標簽的規則由運營人員和資料人員共同協商確定，3、機器學習挖掘類標簽
該類標簽通過機器學習挖掘產生，用于對用戶的某些屬性或某些行為進行預測判斷，例如，根據一個用戶的行為習慣判斷該用戶是男性還是女性、根據一個用戶的消費習慣判斷其對某商品的偏好程度，該類標簽需要通過演算法挖掘產生，
在專案工程實踐中，一般統計類和規則類的標簽即可以滿足應用需求，在開發中占有較大比例，機器學習挖掘類標簽多用于預測場景，如判斷用戶性別、用戶購買商品偏好、用戶流失意向等，一般地，機器學習標簽開發周期較長．開發成本較高．因此其開發所占比例較小，
注：再次宣告，此博文為根據 趙宏田 老師的 用戶畫像·方法論與工程化解決方案 一書讀后筆記而來，僅供學習使用
注：其他相關文章鏈接由此進 -> 用戶畫像文章匯總
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/420019.html
標籤：其他