用戶畫像數(shù)據(jù)建模方法

用戶畫像數(shù)據(jù)建模方法從1991年TimBerners-Lee發(fā)明了萬維網(wǎng)（WorldWideWeb）開始，到20年后2011年，互聯(lián)網(wǎng)真正走向了一個新的里程碑，進(jìn)入了“大數(shù)據(jù)時代”。經(jīng)歷了12、13兩年熱炒之后，人們逐漸冷靜下來，更加聚焦于如何利用大數(shù)據(jù)挖掘潛在的商業(yè)價值，如何在企業(yè)中實實在在的應(yīng)用大數(shù)據(jù)技術(shù)。伴隨著大數(shù)據(jù)應(yīng)用的討論、創(chuàng)新，個性化技術(shù)成為了一個重要落地點。相比傳統(tǒng)的線下會員管理、問卷調(diào)查、購物籃分析，大數(shù)據(jù)第一次使得企業(yè)能夠通過互聯(lián)網(wǎng)便利地獲取用戶更為廣泛的反饋信息，為進(jìn)一步精準(zhǔn)、快速地分析用戶行為習(xí)慣、消費習(xí)慣等重要商業(yè)信息，提供了足夠的數(shù)據(jù)基礎(chǔ)。伴隨著對人的了解逐步深入，一個概念悄然而生：用戶畫像（UserProfile），完美地抽象出一個用戶的信息全貌，可以看作企業(yè)應(yīng)用大數(shù)據(jù)的根基。一、什么是用戶畫像？男，31歲，已婚，收入1萬以上，愛美食，團(tuán)購達(dá)人，喜歡紅酒配香煙。這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即：用戶信息標(biāo)簽化。如果用一幅圖來展現(xiàn)，即：二、為什么需要用戶畫像用戶畫像的核心工作是為用戶打標(biāo)簽，打標(biāo)簽的重要目的之一是為了讓人能夠理解并且方便計算機(jī)處理，如，可以做分類統(tǒng)計：喜歡紅酒的用戶有多少？喜歡紅酒的人群中，男、女比例是多少？也可以做數(shù)據(jù)挖掘工作：利用關(guān)聯(lián)規(guī)則計算，喜歡紅酒的人通常喜歡什么運動品牌？利用聚類算法分析，喜歡紅酒的人年齡段分布情況？大數(shù)據(jù)處理，離不開計算機(jī)的運算，標(biāo)簽提供了一種便捷的方式，使得計算機(jī)能夠程序化處理與人相關(guān)的信息，甚至通過算法、模型能夠“理解”人。當(dāng)計算機(jī)具備這樣的能力后，無論是搜索引擎、推薦引擎、廣告投放等各種應(yīng)用領(lǐng)域，都將能進(jìn)一步提升精準(zhǔn)度，提高信息獲取的效率。三、如何構(gòu)建用戶畫像一個標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識，如年齡段標(biāo)簽：25~35歲，地域標(biāo)簽：北京，標(biāo)簽呈現(xiàn)出兩個重要特征：語義化，人能很方便地理解每個標(biāo)簽含義。這也使得用戶畫像模型具備實際意義。能夠較好的滿足業(yè)務(wù)需求。如，判斷用戶偏好。短文本，每個標(biāo)簽通常只表示一種含義，標(biāo)簽本身無需再做過多文本分析等預(yù)處理工作，這為利用機(jī)器提取標(biāo)準(zhǔn)化信息提供了便利。人制定標(biāo)簽規(guī)則，并能夠通過標(biāo)簽快速讀出其中的信息，機(jī)器方便做標(biāo)簽提取、聚合分析。所以，用戶畫像，即：用戶標(biāo)簽，向我們展示了一種樸素、簡潔的方法用于描述用戶信息。3.1數(shù)據(jù)源分析構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。對于用戶相關(guān)數(shù)據(jù)的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學(xué)英語的人，一種是不學(xué)英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產(chǎn)品生命周期分為，投入期、成長期、成熟期、衰退期…所有的子分類將構(gòu)成了類目空間的全部集合。這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補(bǔ)充遺漏的信息維度。不必?fù)?dān)心架構(gòu)上對每一層分類沒有考慮完整，造成維度遺漏留下擴(kuò)展性隱患。另外，不同的分類方式根據(jù)應(yīng)用場景，業(yè)務(wù)需求的不同，也許各有道理，按需劃分即可。本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù)、動態(tài)信息數(shù)據(jù)兩大類。靜態(tài)信息數(shù)據(jù)用戶相對穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數(shù)據(jù)。這類信息，自成標(biāo)簽，如果企業(yè)有真實信息則無需過多建模預(yù)測，更多的是數(shù)據(jù)清洗工作，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點。上述模型權(quán)重值的選取只是舉例參考，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模，這里強(qiáng)調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進(jìn)而能夠逐步細(xì)化模型。四、總結(jié)：本文并未涉及具體算法，更多的是闡述了一種分析思想，在計劃構(gòu)建用戶畫像時，能夠給您提供一個系統(tǒng)性、框架性的思維指導(dǎo)。核心在于對用戶接觸點的理解，接觸點內(nèi)容直接決定了標(biāo)簽信息。內(nèi)容地址、行為類型、時間衰減，決定了權(quán)重模型是關(guān)鍵，權(quán)重值本身的二次建模則是水到渠成的進(jìn)階。模型舉例偏重電商，但其實，可以根據(jù)產(chǎn)品的不同，重新定義接觸點。比如影視產(chǎn)品，我看了一部電影《英雄本色》，可能產(chǎn)生的標(biāo)簽是：周潤發(fā)0.6、槍戰(zhàn)0.5、港臺0.3。最后，接觸點本身并不一定有內(nèi)容，也可以泛化理解為某種閾值，某個行為超過多少次，達(dá)到多長時間等。比如游戲產(chǎn)品，典型接觸點可能會是，關(guān)鍵任務(wù)，關(guān)鍵指數(shù)（分?jǐn)?shù)）等等。如，積分超過1萬分，則標(biāo)記為鉆石級用戶。鉆石用戶1.0。百分點