《用户画像：方法论与工程化解决方案》摘要

用户画像，即用户信息标签化，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，进而对用户或产品特征属性进行刻画，并对这些特征进行分析统计，挖掘潜在价值，从而抽象出用户的信息全貌。

书中的主要章节

  该书主要以电商网站为例。

系统架构

ETL是什么

ETL，即Extract-Transform-Load的缩写，是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程。ETL是数据集成的第一步，也是构建数据仓库最重要的步骤，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。如下图所示：

举个例子，某电商公司分析人员根据订单数据进行用户特征分析。这时需要基于订单数据，计算一些相应的分析指标，如每个用户的消费频次，销售额最大的单品，用户复购时间间隔等，这些指标都要通过计算转换得到。

开发的几个阶段

ODS数据表

（1）用户信息表

（2）商品订单表

（3）PC Web日志表

（4）APP  日志表

 （5）商品评论表

 （6）搜索日志表

    (7)  用户搜藏表

 （8）购物车信息表

画像标签

根据业务线梳理，包括用户属性、用户行为、用户消费、风险控制等维度的标签体系。

标签命名规则

计算出来的标签数据可以存放在HBASE，ES，MySQL等。

离线标签可以分为统计类，规则类，挖掘类（算法类）

统计类标签

规则类标签

    用户价值类，用户活跃度也是规则类标签

 挖掘类标签（算法类标签）

 流式计算标签

   

下面是画像系统的一些图形界面，可以看到这套系统的用法

用户查询

  这里查到的内容属于DWS层的

 启用标签的视图

标签详情

 点击人口属性标签展开详情

这里查到的属于ADS层的内容，展示人群的统计信息,一般每天统计一次

元数据管理(标签管理)

当前的用户自定义分群

编辑用户人群

 人群分析->新建人群

 人群分析—>选择维度

 人群分析—>维度分析结果

 人群分析—>对比人群

业务场景

用户画像在业务中的一些应用

（1）营销

       营销方法包括消息推送，弹窗，推荐，短信，邮件，电话外呼等。 

      主动外呼

      

 （2）风控

      监控平台的不良用户，如薅羊毛、恶意刷单、借贷欺诈等，减少这类用户给平台带来的损失和风险。相关的指标如账号风险、设备风险、借贷风险等；

（3） A/B测试 

（4）高价值用户实时营销

 

（5）商品分析 

 （6）渠道分析

（7）漏斗分析

（8）客服

（9）效果分析

（10）个性化推荐与服务