首页  思维导图  详情

用户画像构建建模

2018-04-05 14:17:03   0  举报





仅支持查看

AI智能生成

用户画像建模

运营

作者其他创作

大纲/内容

如何构建用户画像

数据源分析

静态信息

用户相对稳定的信息，主要包括人口属性、社会属性，行为习惯，兴趣偏好和心理属性5个方面数据，这类信息，自成标签，如果企业有真实信息则无需过多建模预测，更多的是数据清洗工作；

人口属性，包含年龄，性别，身高，地域，学历，收入和教育社会属性，包括社会职务，婚姻状况，住房车辆，社交关系等等

行为习惯，包括运动，休闲旅游，酒店住宿，饮食起居等偏好
兴趣偏好，包括购物，游戏，体育，文化等
心理属性，生活方式，个性，需求动机，价值观，人生态度等，最后的用户画像写出来就具备几个元素了：
姓名
照片（看起来更真实）
年龄
家庭状况
收入
工作
用户场景/活动
计算机技能/知识
目标/动机
喜好
人生态度

动态信息

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着，广义上讲，一个用户打开网页，买了一个杯子；与该用户傍晚溜了趟狗，白天取了一次钱，打了一个哈欠等等一样都是上帝眼中的用户行为。当行为集中到互联网，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”的微博消息。等等均可看作互联网用户行为。

用户行为数据建模

一个事件模型包括：时间、地点、人物三个要素，每一次用户行为本质上是一次随机事件，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、单点定位。

什么时间：时间包括两个重要信息，时间戳+时间长度。时间戳，为了标识用户行为的时间点，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的时间戳即可。因为微秒的时间戳精度并不可靠。浏览器时间精度，准确度最多也只能到毫秒。时间长度，为了标识用户在某一页面的停留时间。

什么地点：用户接触点，Touch Point。对于每个用户接触点。潜在包含了两层信息：网址 + 内容。

网址：每一个url链接（页面/屏幕），即定位了一个互联网页面地址，或者某个产品的特定页面。可以是PC上某电商网站的页面url，也可以是手机上的微博，微信等应用某个功能页面，某款产品应用的特定画面。如，长城红酒单品页，微信订阅号页面，某游戏的过关页。

内容：每个url网址（页面/屏幕）中的内容。可以是单品的相关信息：类别、品牌、描述、属性、网站信息等等。如，红酒，长城，干红，对于每个互联网接触点，其中网址决定了权重；内容决定了标签。

注：接触点可以是网址，也可以是某个产品的特定功能界面。如，同样一瓶矿泉水，超市卖1元，火车上卖3元，景区卖5元。商品的售卖价值，不在于成本，更在于售卖地点。标签均是矿泉水，但接触点的不同体现出了权重差异。这里的权重可以理解为用户对于矿泉水的需求程度不同。即，愿意支付的价值不同。

什么事：用户行为类型，对于电商有如下典型行为：浏览、添加购物车、搜索、评论、购买、点击赞、收藏等等。

目标分析

该阶段可以说是第二阶段的深入，要把用户的基本属性（年龄、性别、地域）、购买能力、行为特征、兴趣爱好、心里特征、社交网络大致标签化，关于“标签化”，一般采用多级标签、多级分类，比如第一级标签是基本信息（姓名、性别），第二级是消费习惯、用户行为；第一级分类有人口属性，人口属性又有基本信息、地理位置，等二级分类，地理位置又分工作地址、家庭地址的三级分类。

，用户画像本质是对任何一个用户都能准确描述，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，以及该标签的权重。如，红酒 0.8、李宁 0.6。

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度，概率。