用户画像（一）利用mysql进行用户画像

用户画像建模
一、什么是用户画像
用户画像、即用户标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，对用户或者产品特征属性进行刻画，并对这些特征进行分析、统计以挖掘潜在的信息，从而抽象出一个用户的信息全貌。用户画像可看做是企业应用大数据的根基，是定向广告投放于个性化推荐的前置条件，为数据驱动运营奠定了基础。
用户画像的核心目的是了解用户，画像是真实用户的虚拟代表，是建立在一系列真实数据之上的目标用户模型。
二、用户画像模型及应用场景
1、基于统计类的标签：例如用户的年龄、性别、所在城市、近7天活跃时长、近7天活跃天数等可以从用户的注册数据、访问数据、消费类数据中统计得出。改标签构成了用户画像的基础。
2、基于规则类标签：该类标签基于用户行为及确定的规则产生。例如对平台上“消费活跃用户”的定义为近30天交易次数不少于2次的用户。
3、基于挖掘类的标签：该类标签通过数据挖掘产生，对于用户的某些属性或者行为进行预测。

1.用户属性标签表
DROP TABLE user_profile_basic_informatin_01;
CREATE TABLE user_profile_basic_informatin_01
AS
SELECT email,mobile ,orderno,memberid,MIN(DATE(CreateDataTime)) AS first_order_time,MAX(DATE(CreateDataTime)) AS last_order_time,
DATEDIFF(NOW(),MIN(CreateDataTime)) AS first_order_ago,DATEDIFF(NOW(),MAX(CreateDataTime)) AS last_order_ago,
MAX(OrderAmount) AS max_oeder_amt,MIN(OrderAmount) AS min_oeder_amt,SUM(OrderAmount) AS sum_order_amount,AVG(OrderAmount) AS avg_order_amount,
COUNT(memberid) AS sum_order_cnt,fromip,gender,DATE(createdon) AS createdon
FROM user_profile_basic_informatin #用户基础信息表
GROUP BY memberid
2.用户行为标签表
Step1：从用户订单表中抽取用户选择产品的属性带来的标签，同时记录用户的行为次数、行为日期等数据。通过检测用户行为，为用户打上各类标签。
Step2：根据一段时间内在用户身上打上各种标签的数量和、时效性、行为次数、标签权重（TF-IDF计算），利用用户标签权重推导规则，计算用户身上每个标签的的权重。
Step3：计算各标签对应属性的参考值，与预定阈值进行比较，判断是否包含该种属性。
Step4：根据所确定的用户各维度属性，完成用户画像。
------------------------------ 应用TF-IDF计算标签权重------------------
------------------------------ 应用TF-IDF计算标签权重 01------------------
DROP TABLE tag_weight_of_tfidf_01;
CREATE TABLE tag_weight_of_tfidf_01