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

About ME

👋 读书城南，🤔 在未来面前，我们都是孩子～
  • 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
👋 加入小组~

👋 感谢打赏~