用户画像-笔记

第一章

如何利用大数据实现精细化运营和精准营销服务。首先要做的事建立本企业的用户画像。

收集社会属性，消费习惯，偏好特征等维度的数据。对这些特征进行分析，统计，挖掘价值。

使用用户画像做个性化推荐，精准营销，个性化服务，是大数据落地的应用方向。

标签分类：

• 统计标签：最常见的标签，性别，年龄，城市，近7日活跃市场，活跃次数等，都是能从日志，业务数据中统计出来的。这是是用户画像的基础数据。
• 规则标签： 比如 是否为活跃用户，定义为30天登录3次的。这部分需要和产品 运营共同协商。运营对业务更熟， 数据人员对叔结果，分布 特征，更熟。
• 机器学习挖掘类标签：通过挖掘就型预测判断出来的。

啥叫圈人服务数据 19页。

通过日志，统计出来的数据得出来的刻画的用户画像，是这是定量的。
也存在定性的画像，比如电话调研，网络问卷调用，面谈的方式，但是这样的方式是很有限的，因为样本少，不一定代表全部。 比如现在的外呼，算是定性的刻画用户。

第二章

建立指标体系是用户画像的关键环节，也是标签开发前的进行的工作，具体就是结合企业的情况设定相关的指标，定字段。

在建立用户画像的时候，基于用户维度建立一套标签体系，这是通过业务数据获取到的。另外还会基于设备维度，建立相应的标签体系，即cookid ， imei， idfa 这些埋点日志采集到的信息。这也可以算作一个用户，一个设备算作一个用户。 对该设备推送广告，信息等。这些都是在非强制登录的app上，比如资讯类的app，像qq 微信等都是强制登录的。

从建立的标签维度看，常见可以分为：用户属性类，用户行为类，用户消费类，风险空值类等常见的类型。

1. 用户属性维度

这部分，用户属性时刻画用户的基础。常见的指标：年龄，性别，安装时间，注册时间/状态，城市，省份，活跃地等信息。这部分数据，可以从业务数据中获取到，也能从埋点数据中取到，可能不全。

这部分数据能反应用户的基本情况。
用户属性标签包含 统计类，规则类，挖掘类。统计类开发比较容易，规则类的和运营产品协商。

标签之间的关系：分为互斥和非互斥的。
性别标签中，要么男要么女，为互斥关系；
判断用户是否在黑名单内，在短信黑名单时，但是不一定会在邮件黑名单，就会非互斥关系。

规则类的标签进行开发前，需要进行数据调研，比如用户价值度划分，如何界定时活跃，不活跃的，高度活跃的，中度活跃的。

用户性别： 自然性别； 购物性别；

2. 用户行为维度

通过用户行为能挖掘用户的偏好和特征。
近20天登录次数，近3天登录时长， 当天登录时长，这些都是用户行为，且时统计类标签。
高频用户，低频用户，普通用户，这些是用户行为，但是是规则类标签。

3. 用户消费维度

消费，意味着对应的商品，要从浏览的商品， 加购的商品，下单的，收藏的搜索的， 这些方面下手。根据用户行为相关的商品类，建立指标体系。

比如：
近7天浏览了哪一类商品下哪个商品。

知道了用户关注，或者看的哪个商品多，那这个用户就可能是潜在的购买用户。再结合性别，消费金额，活跃度等信息，找出高质量人群。 品类+行为的组合方式找到目标人群。

4. 风险控制维度

5 社交属性维度

可以从活跃时间段，登录地，年龄，甚至是浏览的商品看出是什么身份，是否有小孩等

6. 标签命名