思维导图

Q1：什么是用户画像？

• 用户画像是互联网大数据体系中非常重要的一部分

• 通过用户画像，可以对用户进行全面分析

• 可以利用用户画像“千人千面”地推荐相关产品

• 可以基于用户画像分析产品目标用户

• 可以针对不同属性的用户采取不同的召回策略

关于用户画像数据的计算、获取、存储有一套比较完善的系统，称为数据管理平台（DMP）

Q2：用户画像的数据源有哪些？

1.用户基本属性数据

• 如：性别、年龄、地域等

• 用户基本属性数据往往会存在确实或者不准确，这部分数据大多来自用户注册时所填写的信息，并且不是强制性填写的，所以会存在一定的偏差

2.用户行为数据

• 如：浏览、下单、观看等

• 用户行为数据则体现出用户近期的一些行为

• 对“近期”的定义要参照不同的产品属性

• 例如：旅游类低频app需要关注最近30天甚至更久的数据；短视频产品需要关注30天甚至7天之内的数据

Q3：获取到用户画像数据后，如何加工？

1.分析计算

• 分析用户最近一段时间的消费金额、消费频次等，获得其活跃度以及相应的偏好

• 分析用户近期的登录地址或者订单地址等判断其所在地

2.建立相应的数据挖掘模型，预测用户基本属性，有效弥补基本属性数据的缺失以及偏差

• 电商领域：可以根据用户近期浏览婴幼儿产品的情况，再结合深度学习模型判断该用户（或其家人）所处的孕期，之后进行更加准确的商品推荐

3.数据加工的结果：标签池

• 通过数据加工，可以获得一个完整的标签池，其中包含了大量的用户属性信息

4.应用

• 对标签数据的应用：将所有的标签数据进行对比，得到相关的结果

• 用户画像层面的应用：根据需要将标签数据进行有效的整合，重复使用这些数据

Q4：如何利用标签池中的数据，根据用户画像进行相应的分析？

举例说明：现在有一个新产品需要推荐，目标用户是大城市的白领女性

1.需要通过标签池中的数据来刻画“大城市的白领女性”这一特征

• 首先预测性别，筛选出女性用户

• 居住在一线城市，排除对价格敏感度较高的用户

• 并且要求近期活跃度偏高

• 这部分用户通常对品质要求比较高，基于此选出在商品偏好中品质占比较高的用户

2.刻画完用户群体后，将后续的活动信息优先发送给这部分用户

参考文献

1.《拿下Offer 数据分析师求职面试指南》徐麟 著