用户画像
「七年之痒」从传统行业进入互联网7年来的思考
大麦 发表了文章 • 2019-08-01 10:34
没有用户体验,大数据变现都是空谈
企业数据化管理 发表了文章 • 2019-07-29 16:55
关于用户画像那些事,看这一文章就够了
大麦 发表了文章 • 2019-07-25 16:47
数据产品资料(500M),年终特惠
百川 发表了文章 • 2018-12-23 17:13
干货请收好:终于有人把用户画像的流程、方法讲明白了
数智物语 发表了文章 • 2018-12-19 13:45
一点做用户画像的人生经验:ID强打通
人工智能爱好者社区 发表了文章 • 2018-10-10 16:21
用户画像解决方案课程上线啦
watermelon 发表了文章 • 2018-09-29 07:54
用户画像—计算用户偏好标签及数据指标与表结构设计
人工智能爱好者社区 发表了文章 • 2018-09-06 15:39
用户画像—打用户行为标签
人工智能爱好者社区 发表了文章 • 2018-09-06 15:36
用户画像—Airflow作业调度(ETL)
watermelon 发表了文章 • 2018-07-11 20:12
用户画像—数据指标与表结构设计
watermelon 发表了文章 • 2018-07-11 20:11
用户画像—计算用户偏好标签
watermelon 发表了文章 • 2018-07-11 20:09
用户画像—打用户行为标签
watermelon 发表了文章 • 2018-07-11 20:06
用户画像—数据质量管理
watermelon 发表了文章 • 2018-07-11 19:59
第一:首先,准确的讲,客户营销是从客户分群研究开始的,而不是聚类分析,聚类分析是用户分群的一种方法。还有,聚类分析也不等同于用户画像... 显示全部 »
第一:首先,准确的讲,客户营销是从客户分群研究开始的,而不是聚类分析,聚类分析是用户分群的一种方法。还有,聚类分析也不等同于用户画像。其实用户画像更多是给用户定义一些可解释的业务标签,比如这人是80后、爱旅游等,大多的用户标签库都没有包含用户全部的信息,如客户消费金额比例等抽象的信息。这也是传统标签库的一大缺陷,对信息的利用不充足,因为传统的用户标签库主要用来做个性化推荐,而缺乏对客户的深度研究,所以没有把用户的标签反过来作为用户的分析指定进行深度复用。其次,客户的分群研究不仅包括多维度的聚类,还包括一些关键指标的分析,如果建立每个品牌的用户忠诚度,即品牌忠诚度,这样的分群为某个品牌的促销推荐提供的精准的投放对象。所以客户营销针对什么的群体由业务特征决定,进而决定分群方法。
第二:如何用好聚类的结果,又如何评价聚类是否合理呢?在挖掘算法中,聚类分析可谓是最好用的了,因为它是无监督学习算法。但是越是这样简单的,反而越难用好。其实,很多人对评估聚类算法的结果是否合理都是束手无策。本身聚类算法的合理性本来就有两个隐患,一是如何保证选择距离计算算法是合理的,二是如何保证使用的字段是合理的。我只简单的说一下,选择距离算法主要要看字段类型,哪些只能用于纯数值型字段的计算,哪些可以用于字符型字段的距离计算,这基本的要保证无误。另外字段的选择有两个方法,一个是根据业务去确定,把从业务角度认为重要的字段引入模型,二是聚类后可以使用分类预测算法反过来测试变量的重要性。聚类后的结果如何判断是否合理呢?这个其实也不容易解释清楚,至少有一点可以掌握,就是聚类后判断是否真的把相似的分到了一起,这个从各类在各个字段上取值的分布可以看出来,每一类的特征分布特征越有特色越好。
第三:评估营销效果豪华比较简单,你之前可以预测如果不做营销预计会如何,也可以简单的根据经验判断。然后,在营销活动结束后,看看客户响应率及交易量提升、交易额提升等。
第四,工具层。从功能上来说,成熟的数据挖掘产品(如SPSS、Smartbi敏捷挖掘产品、SAS、R)都能满足,但是建议您还是使用SPSS和Smartbi敏捷挖掘这种易用的,无需编程的工具,后者有免费版本。
企业建立的用户标签分三种 :
第一是 基本标签 ,如年龄、性别
第二是 统计标签 ,比如消费金额、消费频次等
第三是 预测标签 ,如流失概率、客户偏好等
三种标签的建设分三个步骤完成 :
首先是两个方向,第一是以数据驱... 显示全部 »
企业建立的用户标签分三种 :
第一是 基本标签 ,如年龄、性别
第二是 统计标签 ,比如消费金额、消费频次等
第三是 预测标签 ,如流失概率、客户偏好等
三种标签的建设分三个步骤完成 :
首先是两个方向,第一是以数据驱动,从表中提炼,第二是业务驱动,从业务角度想你需要什么标签。第二种如何以业务驱动,这个比较笼统,业务不同也就不一样,但是大致做法就是做业务分析,看看从业务决策上看需要什么信息,多方访谈。主要说第一种,从表中获取。分三个步骤:
第一,从表中体现用户基本信息(如果是建用户标签库的话),这个简单,都能理解;
第二,梳理表的业务,派生统计指标,常用度数值型有求和、平均、最大、最小以及比例等。对于分类型的计算众数、频数等,具体也要业务和经验多想;
第三,是面向分析主题见预测模型,进而获得预测指标。如流失概率,就是首先定义了流失目标字段,然后派生影响指标,然后建立分类预测模型得到相应概率。
以上是建立用户标签库的基本思路。 那又如何基于标签库对用户进一步进行分析呢?这种分析通常分为两类:
一类是以业务为驱动的, 需要什么就通过分析提供提供什么。比如公司现在希望对一个产品进行促销,那么为了改善用户满意度和提高电话或者短信推荐的响应率,肯定希望能够通过分析输出一份精准推荐的用户名单。这种时候你需要根据用户的品牌忠诚度相关标签筛选出对这类品牌忠诚度比较高的用户名单。这就是以业务驱动类型的。
另外一类是 以探索性分析为手段的知识发现或者深入研究类型的 。比如最近成单量不高,为此非常困惑,领导需要去弄清楚愿意。这种情况下就需要你结合用户标签甚至更多信息,以探索性分析开路,对用户的特征进行深入的分析。这个时候可能你就希望根据用户多维的信息对用户重新分类,从而重新划分用户的群体,对用户类型的认识重新定位。这就是以探索性分析为手段的知识发现或者深入研究类型的分析。
天善小编 回答了问题 • 2015-11-22 11:09 • 1 个回复
现在网购很多都是一个帐号,然后以家庭为单位,也就是说shopper和consumer很多时候不是一个人,这种情况下一般都怎么处理?
林桐: 面包君你们是怎么解决的,我也想听听。
面包君: 这个问题也是我们在实际数据处理会遇到的。就是多个账号,多个不同用户,怎么去区别的。我们有个数据挖掘团队专门做这个事情,就是做自然人模型研究,他们还申请了专利。
黄晓帆... 显示全部 »
林桐: 面包君你们是怎么解决的,我也想听听。
面包君: 这个问题也是我们在实际数据处理会遇到的。就是多个账号,多个不同用户,怎么去区别的。我们有个数据挖掘团队专门做这个事情,就是做自然人模型研究,他们还申请了专利。
黄晓帆: 决战大数据这本书有提过这个问题。
林桐: 也是同人模型啊。
Richie: 这个就回到了第二个话题 用户画像 通过指标来分析,分组分情况对客户打标签。
面包君: 我说的比较粗一些,通过媒介(常登陆手机、地点lbs、收货地址)、社会关系(给谁转账、给谁充值)、资金关系、手机通讯录等场景来做的同人模型。
悟: 不能作为一个整体考虑吗?毕竟这个账号的所有使用者基本稳定。
春宇: @悟 是的,我这种小白也是考虑整体考虑,不想那么细了。
林桐: 其实不关注是否是一个人。
春宇: 关注需求。
林桐: 对的,统一打标签。
春宇: 但标签就没法画了,既买女士用品,又买剃须刀。
林桐: 分业务场景也就是人群了。
面包君:
10024
这个在社交场景应用的比较多,就是把你老婆和你小三要区分出来。
林桐: 对于数据种类多样性大家都很重要,那么基于用户的数据打通成为关键,这个是阿里用户数据的核心技术。
林桐: 在此基础上,所谓的家庭关系,室友关系都可以基于此建立做用户连接及解决了。
这些指标自然是我们注册会员时候要求填写的啊,部分是后期人工补充的,毕竟旅游行业还要求用户填写保险信息、出境的合同啊什么的,所以呢相对是比较好取到的... 显示全部 »
这些指标自然是我们注册会员时候要求填写的啊,部分是后期人工补充的,毕竟旅游行业还要求用户填写保险信息、出境的合同啊什么的,所以呢相对是比较好取到的。
主要用途就这两种了,后期会往互动方向发展:
1、精准营销,找到相应群体的用户有针对性的推荐
2、推荐系统,融合用户标签属性在用户浏览行为时做产品推荐
第一类算法,分类预测算法。我们首先需要把工作岗位分类和分级,以工作的类别或级别为目标变量,用户的标签为影响因为,建立预测模型,也即推荐模型。
第二类算法,关联分析算法,也叫购物篮分析。我们可以把历史学员选择的工作类别或者学生标识作为一个购物篮,学生的标签作为商品,一个学生找到一个工作,就好比把把一个学生的标签作为了“商品”放在这个购物篮(学生身上)里卖给了这个工作,以此作为数据基础建立关联分析模型,这就转化为了类似电商商品推荐的思路。
【资料大放送】22页PPT|京东大数据赋能业务,揭秘用户画像最佳实践
天善智能 发表了文章 • 2017-09-20 14:04
案例+课件下载 | 绝对收藏!民生银行用户画像建设分享30页PPT放送
天善智能 发表了文章 • 2016-12-01 10:44
民生银行十五年的数据体系建设,深入解读阿拉丁大数据生态圈、人人BI 是如何养成的?
BIWORK 发表了文章 • 2016-09-18 10:35
【原创】数据质量及数据画像介绍(Data Profiling & Data Quality Check Introduction)
胡艺友_数据胡 发表了文章 • 2016-03-14 01:57
如何通过已有数据对用户画像,标签和分析
用户画像的数据存储在hbase ,你们用什么字段作为rowkey
请问用户画像图是如何绘制出来的?类似这样图片是通过什么软件制作出来的!
如果做用户画像,大数据批量跑批频率是T+1的,当天的用户行为属性不会包括进来,怎么能做到实时? 【来源:3月5日北京线下沙龙好京东互动提问】
请教大家个问题,我这有个应用场景,做学生与就业信息的推荐,我的思路是如下描述
关于用户画像的应用模式问题
怎么实时对未登录用户浏览的信息和登陆后浏览信息进行绑定,pc端达到用户唯一性,并对其进行分类、打标签、用户画像?
如何跟进用户画像及对应的指标,结合到现有业务给用户推荐旅游路线
想知道用户画像具体实现技术该怎么做,谢谢大家
怎样在网页上展示数据分析出来的用户画像?
如何确定你的研究对象的特征呢?说说基本的方法和思路?比如说你要去挖掘分析一个你不熟悉的的行业。
现在网购很多都是一个帐号,然后以家庭为单位,也就是说shopper和consumer很多时候不是一个人,这种情况下一般都怎么处理?
如何通过已有数据对用户画像,标签和分析
关于用户画像的后续工作讨论
一直想做用户画像,但不知道怎么入手,问下用户画像最终产出是什么,求大家帮忙分析下,谢谢。
「七年之痒」从传统行业进入互联网7年来的思考
大麦 发表了文章 • 2019-08-01 10:34
没有用户体验,大数据变现都是空谈
企业数据化管理 发表了文章 • 2019-07-29 16:55
关于用户画像那些事,看这一文章就够了
大麦 发表了文章 • 2019-07-25 16:47
数据产品资料(500M),年终特惠
百川 发表了文章 • 2018-12-23 17:13
干货请收好:终于有人把用户画像的流程、方法讲明白了
数智物语 发表了文章 • 2018-12-19 13:45
一点做用户画像的人生经验:ID强打通
人工智能爱好者社区 发表了文章 • 2018-10-10 16:21
用户画像解决方案课程上线啦
watermelon 发表了文章 • 2018-09-29 07:54
用户画像—计算用户偏好标签及数据指标与表结构设计
人工智能爱好者社区 发表了文章 • 2018-09-06 15:39
用户画像—打用户行为标签
人工智能爱好者社区 发表了文章 • 2018-09-06 15:36
用户画像—Airflow作业调度(ETL)
watermelon 发表了文章 • 2018-07-11 20:12
用户画像—数据指标与表结构设计
watermelon 发表了文章 • 2018-07-11 20:11
用户画像—计算用户偏好标签
watermelon 发表了文章 • 2018-07-11 20:09
用户画像—打用户行为标签
watermelon 发表了文章 • 2018-07-11 20:06
用户画像—数据质量管理
watermelon 发表了文章 • 2018-07-11 19:59