用户画像
2023-04-25 14:11:45 4 举报AI智能生成
登录查看完整内容
用户画像设计
作者其他创作
大纲/内容
用户信息标签化
以用户标志为key的标签树，用于全面刻画用户属性和行为信息
定义
产品优化
构建对用户、对产品认知
标签圈选人群
定向营销广告投放
搜索推荐
风控广告策略
用于算法
用途
多层级、多维度组织
多层级标签树
末级标签不固定某一级
末级是属性值，类型多样（文本、数字、省市、空间）
1-N级别+属性值
特点
直观标签（不需要统计处理、性别、年龄、地区属性类别的）
初次、最后一次、距今
频次、总次数
大于XX次的用户
统计类标签（规则类）
偏好类（产品、品类、品牌、兴趣）
敏感度（活动、低价、优惠）
兴趣类
挖掘类标签
流失预测
用户召回（时间重相关）
预测类标签
标签类别
哪些变化较小
哪些需要经常根据业务情况调整
标签元数据管理
属性类别（社会属性）
静态标签
偏好
统计类（频次））
动态标签（需要统计、变化频繁）
标签值管理
标签生命周期管理
什么行为可以打上这个标签
1、标签定义
埋点设计、数据获取
用户、时间、接触点、内容、操作
json数据函数处理-》转到日志表-》转到日志业务表
以及业务事实表设计
1）内容结构化
2）数据质量检查
数据计算处理-数仓汇聚指标计算
3）基础数据获取
2、行为数据获取
3、模型设计（建模分类分级）
原始用户行为数据计算-》生成标签
产品确定规格需求
4、标签计算
对生产的标签进行评估，看准确率、覆盖率是否达标
2挡、5挡（准确、合格、不准确、我去不准确）
5、标签评估
单用户标签做法
用户标志_偏好_偏好类目_衣服_0.83
1、标签定义分析
产品设计
策略设计
1）新用户行为如何获取
不需要
找出影响用户的核心因子
行为不稀疏（难度不高）
2）是否全部行为都需要参与计算
2、用户行为获取（特征探查））
种子用户标注
训练和测试样本
核心数据标注
如对物品偏好时，选择加购、下单而不是其他
1）标注数据
1）明确哪些特征属于重要特征
2)评估特征的权重值
2、训练集模型
测试模型准确性
3、测试集验证
衰减系数
1）确定衰减方案
2）更新频率
3）数据归一
4、画像加工
3、模型设计
算法标签一般产生流程
RFM
多少天内登录算活跃、登录多少次算
按用户群体比例划分（30天未登录占5%）
用户活跃度计算
规则类
用户属性、状态（年龄、性别）
用户日期+业务（消费、下单、次数）
如多少天内、最近30天登录、累计购买金额
统计类
如性别、流失预测
1、数据+训练+模型+评价
文本分词、文本权重、TF-IDF权重、朴素贝叶斯分类
流程
周期长
文章分类标签-》反应用户热爱再贴标签
挖掘类
离线标签
新人弹窗、红包
实时类标签
标签开发
姓名、性别、年龄、社会身份、收入状态
社会属性
账号、昵称、邮箱、电话
账号属性
国籍、城市、详细地址
LBS
机型、系统、版本、分辨率、联网方式
设备属性
基本属性
性别、年龄、生日
平台属性
实际座标
位置信息
最近一次登录距今
激活产品时间
最近30天内登录次数
登录注册激活
最近一次浏览banner距今
最近7天内浏览banner次数
banner
重点商品
特殊资源位
浏览
点击
同上
购买
最近投诉时间
线上客户服投诉
30天是否投诉
电话投诉
投诉
产品x功能x用户单点行为x时间
用户行为
记录具体竞品偏好
直接竞品
间接竞品
竞品偏好
首页偏好
直接搜索、历史搜索偏好
搜索偏好
评论偏好
内部偏好
产品偏好
优衣库、gucci
品牌偏好
护肤品、衣服、3C、生鲜
类目偏好
颜色
材质
风格
参数
规格
性能
标签偏好
兴趣偏好
签到活动敏感度
拉新活动敏感度
活动敏感度
优惠券敏感度、折扣敏感度、满减敏感度
优惠敏感度
实时、潮流
热点敏感度
敏感度
消费能力
消费行为
消费意愿
消费偏好
消费属性
用户生命周期及用户价值
存入数仓hive进行计算
1、以数仓为基础
快速获取rowkey（用户id）为基础的用户标签数据json
是否每一桶/列，存某一类标签呢
2、使用hbase存储
ES可以通过单个标签，获取用户id（设备id）
通过用户id，再去hbase检索用户对应的整体标签
3、结合ES进行存储
主要存储元数据
存储结果数据
4、mysql
离线数据转存
api形式
5、存储需要提供数据服务
画像存储
用户画像
挖掘类标签（算法类）） 归一化
0 条评论
回复 删除
下一页
