用户画像构建

1.用户画像构建的意义

用户画像的出现就是为了达到某一目的更为清楚、更有依据地分析人。从其构建流程上来分析，就是先对用户的各类信息做建模和聚类；然后对这些类别做分析，对其分析然后归纳到与目的相关的一系列指标上，从而达到将人的行为转换到与分析目的相关的行为上。

2.用户画像构建流程

如上图所示，将整个画像可以分为：数据层，模型层，挖掘层和标签层。

1）数据层**：

数据采集以及数据预处理两个步骤，这一步是整个画像过程中最重要也最为耗时的步骤。因为数据是研究的基础，且数据的形式多种多样，所需的采集方式也不同；另一方面，数据的产生过程很复杂（这里复杂指的是现实中的情况），所以存储的数据的质量较差，这些数据必须经过预处理才能进行下一步工作。不然基础就是有问题的，研究结果就不用说了。这一步的结果就是得到“干净”的数据，这个数据不一定是结构化的数据库中的数据，也可以是文本或者图片数据。

2）模型层：

该层的意义在于，数据层只是让数据达到了“干净”，但对于第三步挖掘，我们需要得到有用的特征，所以这一步也可以叫做提取有效的特征。这一步的结果在我的理解中都被处理为“结构化”的数据了，图片被转化为其对应的特征数据（矩阵），文本被转化为关键词的词频等形式，所以最终的形式都是结构化的数据，这也是挖掘这一步的要求。

3）挖掘层：

这一步是整个流程的核心层，一般是使用统计学或者机器学习等技术对前面得到的模型进行处理。这里得到的是一个结果，这里机器学习的话就像使用聚类方法，得到的是将数据聚为几个类别；统计学方法的话就是使用回归分析，相关性分析等。总之，这一步就是针对研究的问题选择合适的方法挖掘数据之间的关系，所以该层也可称为方法层。

4）标签层

这一步为整个流程的最后一步，挖掘层得到的是一个数据之间的内在关系被我们发现了，那么要把它转化到我们的研究目的上，就需要对挖掘层得到的结果进行分析转化，建立的标签也可以说是跟结果相关的一些指标。例如：电商要为不同的顾客进行产品推荐，可以有消费水平高低、消费频次、喜欢产品的类别等。

3.用户画像的展示

这一步总的来说是挖掘结果可视化的过程。可以包含：对原始数据的一个统计分析、对聚类结果的展示以及每一类别的统计量的分析、用户画像词云展示等。

4.用户画像系统组成

构建一个完整的用户画像系统应该包含两个部分，后端管理平台要包含数据采集的功能、数据预处理的功能、数据建模的功能、数据挖掘的功能、以及数据分析和生成标签的功能；前端结果展示平台，就将后端平台挖掘的结果进行可视化的展示，是一个类似于官网的展示类型的网站。后端平台很难实现完全的自动化，因为针对不同数据的情况，这一流程都需要“特事特办”。最终只能是说，针对一个项目，走完这一套流程之后，可以用前端网站对结果做一个呈现。
问题：

1. 对于后续产生的数据，采集、预处理以及建模的步骤可以一样写脚本自动化进行处理，然后这里就需要对挖掘这一步做一个封装，比如之前是对数据进行了聚类，将人聚成了几类，那么后续改使用分类模型，将传来的用户数据输入训练好的模型中即可将用户分到对应的类别，从而进行接下来的分析。这里对于分好类的用户，为其打个人标签的话，可以在系统中进行预设，比如如果该用户被分类为高消费用户，那么高消费中也该有一个等级划分，确定其消费的级别，以及计算其消费的方差，也对应一个级别，不同的级别对应的标签自然不同，这些都可以做到提前预设，实现自动化分析。这是个人画像，群体画像的话就是最早做出来那个结果，用聚类的标签分就可以。
2. 后续新增加的数据，做自动采集也是需要一个技术来实现；
3. 随着数据的源源不断增加，数据处理平台的架构需要考虑好，负载均衡，计算速度等问题需要考虑；
4. 如果想要扩展数据源或者修改建模方案，整个系统以及整个画像流程算法的选择是否扩展性够好。
   这个系统具体的落实过程中还有很多问题需要考虑，如果有时间，后续更新系统设计。

感悟：人性都是一样的，之所以每个人都不同，是在于成长中每经历一些事都杀死了一个自己，最终变成了现在的样子！