如何建设用户画像

最新推荐文章于 2024-09-15 01:19:00 发布

Liulili0728

最新推荐文章于 2024-09-15 01:19:00 发布

阅读量107

点赞数

分类专栏：标签用户画像文章标签：大数据经验分享

本文链接：https://blog.csdn.net/Liulili0728/article/details/132046469

版权

本文介绍了用户画像的基础，包括画像简介、数据结构、主要覆盖模块和开发阶段流程。重点讲述了如何从0到100构建用户画像，涉及用户属性、行为、偏好等维度的业务建模。通过Elasticsearch、Hive、MySQL和HBase等数据库存储和处理数据，以及定性类画像在用户研究中的作用。用户画像的应用包括统计、定向营销、算法模型和精细化运营。

摘要由CSDN通过智能技术生成

用户画像基础

01、画像简介

数据应用体系的层级划分
在这里插入图片描述
标签类型：①统计类标签；②规则类标签；③机器学习挖掘类标签

02、数据结构

Elasticsearch 是位于 Elastic Stack 核心的分布式搜索和分析引擎。Logstash 和 Beats 有助于收集、聚合和丰富您的数据并将其存储在 Elasticsearch 中。Kibana 使您能够以交互方式探索、可视化和分享对数据的见解，并管理和监控堆栈。Elasticsearch 是索引、搜索和分析魔法发生的地方。

Elasticsearch 为所有类型的数据提供近乎实时的搜索和分析。无论您拥有结构化或非结构化文本、数字数据还是地理空间数据，Elasticsearch 都能以支持快速搜索的方式高效地存储和索引它。您可以超越简单的数据检索和聚合信息来发现数据中的趋势和模式。随着您的数据和查询量的增长，Elasticsearch 的分布式特性使您的部署能够随之无缝增长。

用户画像不是产生数据的源头，而是对基于数据仓库ODS层、DW层、DM层中与用户相关数据的二次建模加工。在ETL过程中将用户标签计算结果写入Hive，由于不同数据库有不同的应用场景，后续需要进一步将数据同步到MySQL（报表，多维度分析）、HBase（实时、个性化推介等）、 Elasticsearch等数据库中。

https://baike.baidu.com/item/elasticsearch/3411206?fr=aladdin

https://baijiahao.