画像简述

画像（标签）

• 定义：

用户》》》

全域画像：

整个公司级别的画像数据，一般基础字段多而广，包含公司所有的业务数据，交叉集合数据等等

业务画像：

某个业务模块/产品的画像数据，针对性强，可以和全域画像做对比，找差异点，提升优化运营手段

产品》》》

产品画像：

产品的各项特征，使用场景，功能，渠道等等，主要可以用于和用户画像做交叉推荐

• 构建画像

数据收集：有各种途径，注册数据，埋点的行为数据，消费数据，内容交互数据等

维度拆解：根据需求先定义大类别的维度标签，常见例如：

人口属性——基本人口地理类数据（一般不常变动）

消费需求——消费习惯，偏好

购买能力——收入，资产，负债，消费渠道，单价

兴趣爱好——内容偏好，交互频次，个人兴趣

社交关系——活跃场景，辐射用户数，常用APP等

画像粒度：针对不同的使用需求会有不同的标签展现 形式，有抽象化和具象化的标签

画像层级：基础属性——》基础行为——》浅层画像（全域）——》深层画像（业务画像）

• 画像分类

静态画像：实时性弱，覆盖面广，粒度粗，一般都是离线计算的，（这种业务场景一般对实时性要求不高，更注重长期的标签组合，例如金融业务类的理财，借贷等）

动态画像：又叫实时标签，时效性强，推荐效果好，更侧重短平快的业务场景，例如淘宝的猜你喜欢，头条的推荐等等，能够抓住用户的喜好，但是容易陷入推荐面过窄（需要算法加持调优）

• 画像应用

用户分群：基于不同的标签组合圈定不同人群包，可以定向push、短信、发券等等

个性推荐：根据画像的标签属性和标签预测的产品喜好度，商品锲合度等精准推荐

竞品对比：不同业务的核心用户层区分不同的竞争产品，有的放矢，高效竞争

精细运营：结合生命周期分析提炼各个周期的画像标签做到差异化运营等

• 画像迭代（闭环）

在利用标签做完精准推荐或者差异化运营手段后，要及时将效果数据回流，不断调整模型参数，排除干扰因子，优化迭代，以进一步提升画像的预测效果