摸鱼大数据——用户画像——基本介绍
1、用户画像基本介绍
1.1 什么是用户画像
用户画像, 主要是针对用户的基础信息数据和用户关联信息数据, 给用户打上具体属性标签的过程 (给用户打标签)
简单理解: 给用户打标签,帮助我们认识我们的用户
例如:
男,28岁,已婚,收入2万以上,爱旅行,爱美食,喜欢淘宝,喜欢红酒配香烟。 女,80后,白领,喜欢美剧,爱打扮,常去星巴克,常住中高端宾馆,关注时尚等。
这就是用户信息标签化
用户画像是一种能将定性与定量方法很好结合在一起的载体。
定性化的方法: 通过对用户的生活情境、使用场景、用户心智进行分析对来用户的性质和特征做出抽象与概括; 定性化也可以通俗的叫做维度,就是我们去描述一个用户的角度,维度是我们设计人员定的,用什么维度来描述用户,最开始可能是我们的经验、理性分析、直觉等因素让我们决定了用什么维度,用多少维度来描述用户,来构建用户画像,把用户画像交给计算机,让计算机通过用户画像读懂用户并利用来解决一些业务问题,在来通过结果来迭代我们的设计,我们设计人员在过程中起到的很大的作用。 定量化的方法: 可以对特征做精细的统计分析与计算,获得对于用户较为精准的认识,便于在数值排序的基础上实现核心用户的发掘与突发。 在确定了维度的基础上,我们可以对特征做精细的统计分析与计算,这样的工作就叫给计算机做了,要以使用效果为导向,来指导量化。
1.2 用户画像应用方向
用户画像目前在各个领域中都有着很好的应用方向, 包括推荐系统、搜索引擎、广告投放、其他业务定制等
推荐系统:
推荐系统是用户画像主要的应用领域. 最早的亚马逊和豆瓣应该是这方面的鼻祖 例如亚马逊通过记录用户的站点行为, 包括浏览商品、购买商品、加入收藏等,同时提供评分等各种用户反馈的方式, 构建了早期用户画像的数据来源: 主要可以在今日推荐、新品推荐、关联推荐、他人购买/浏览商品 例如豆瓣以图片、音乐、电影为核心形成一个多元化的社交网络, 分析用户 "看过" 和 "想看"列表获取用户的偏好信息, 最终的推荐结果也更加关注用户的品味
搜索引擎:
根据用户输入的搜索关键词以及已构建的用户画像, 猜测用户可能更想要得到的信息, 从而将该用户最可能的信息展示在最前面 例如google有一个 Kaltix算法: 思路就是将类似的兴趣爱好归为一组, 为属于不同组的用户给出不同的结果排序
其他业务定制
比如: 个性化阅读领域 新闻客户端根据用户画像, 根据读者行为习惯和阅读经历为其定制内容, 为不同的用户展示不同的新闻, 该机制还允许根据用户的实际行动来进行反馈调整, 从而根据用户兴趣变化动态更新内容 比如: 个人征信 用户画像可以提供丰富的用户标签体系, 为个人信用评级提供详细的数据参考. 如: 用户年龄、文化程度、职业、家庭状态、购买习惯等等, 例如京东白条其实就是基于在京东的信用体系评级系统来匹配额度
风控:
总结说明:
用户画像的作用: 从公司角度: 给用户打上具体的标签,后期进行精准营销,减少广告推广费用 从用户角度: 从海量数据中给用户推荐最匹配的内容
最终, 我们需要通过一个系统, 来记录这些用户特征:
用户 ID | 标签 |
---|---|
1001 | 男, 北京, 宅男, 高消费能力 |
1002 | 女, 河北, 程序媛, 高消费能力 |
1003 | 男, 天津, 富二代, 高消费能力 |
这样对于精准营销, 数据化运营以及推荐使用, 就会方便很多了, 例如精准营销就可以基于地区 性别精确划分客群
1.3 用户画像的数据来源
-
业务系统:
-
用户基本信息(人口统计学属性信息)
-
商品信息:
-
订单信息
-
-
-
用户动态行为信息: Flume数据采集
-
用户点击, 浏览, 收藏, 加购等
-
无界数据集(数据有开始没有结束) 和 有界数据集(有开始 有结束)
-
原文地址:https://blog.csdn.net/weixin_65694308/article/details/140453423
免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!