什么是用户画像?

维基百科定义

  • A user profile is a visual display of personal data associated with a specific user, or a customized desktop environment
  • 用户画像就是与该用户相关联的数据的可视化展现;即:用户信息标签化

偏技术的定义

  • 海量的数据标签,根据用户的目标、行为和观点的差异区分为不同的类型

常见的用户画像维度

img

金融用户评级画像

img

群体维度常见的画像-今日头条

img

为什么要做用户画像?

宏观

构建具象认知,构建战略、战术方向

  • 为了在核心用户上达成统一 具象的认知,方便后期有的放矢
  • 根据用户画像信息做产品设计,了解用户行为偏好

探索用户足迹,用户市场导向

  • 详细了解真实用户是如何 与产品及相关内容进行互动的
  • 从业务场景出发,解决实际的业务问题,针对用户生命周期的不同状态进行产品设计

微观

构建底层数据基础,服务上层应用

  • 用户画像可作为推荐系统(广告、搜索系统)重要一环

方便信息的处理

有了标签后计算机可以方便的处理各个量化需求

  • 统计分类
  • 数据挖掘

如何构建用户画像

构建用户静态/动态数据

静态数据-评估价值

用户相对稳定的信息,此类信息自成标签,如果已有真实信息则无需过多的建模预测,更多的是数据清洗;如果静态信息不准或缺失则需要建模预测

  • 人口属性
    • 性别
    • 年龄
    • 地域
  • 商业属性
    • 收入
    • 职业
  • 消费意向
    • 风险评估状态
  • 生活型态
  • CRM
    • 客户状态
    • 会员状态
    • 生命价值

img

动态数据-循迹

用户不断变化的行为信息

  • 场景
    • 访问设备
    • 访问时段
  • 媒体
    • 访问媒体
    • 访问页面
    • 访问时长
    • 访问频次
  • 路径
    • 流量来源
    • 流量去向

img

标签与权重

用户画像的最终形态: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

标签

表征了内容,用户对该内容有兴趣、偏好、需求等

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

数据建模方法

标签= 用户标识 + 时间 + 行为类型 +接触点的聚合,某用户因为在什么时间、什么地点、做了什么事,所以会打上标签

事件模型

收集用户行为,并结合上下文构建事件模型,5W

  • who,唯一的用户标识
  • when,时间因素
  • where,地理位置
  • what,交互的内容/商品
  • which ,用户的行为(点击,浏览,购买,观看……)

整体思考建模

用户标签的权重是会随着时间的增加而衰减

  • 时间为衰减因子r,影响权重,每天衰减为昨天的r倍
  • 行为类型、接触点决定权重
  • 内容类型决定标签

用户偏好某内容的标签 = 衰减因子 行为类型权重 接触点权重

算法路线及常用算法模型

img

算法处理评估流程图

img

算法架构图

img

标签层级

img



产品   数据   用户画像      产品 数据 用户画像

本博客所有文章除特别声明外,均采用 CC BY-SA 3.0协议 。转载请注明出处!