用StarRocks玩转用户画像-2-方法论

八寅老爷

已于 2022-04-15 14:24:37 修改

阅读量2.2k

点赞数

文章标签： big data 大数据

于 2021-12-09 21:30:17 首次发布

本文链接：https://blog.csdn.net/u013836748/article/details/121844473

版权

业务应用

精准营销
- 广告投放,个性推荐,弹窗推送

群体分析

风险预警

效果分析

渠道分析

业务难点

数据体量庞大，检索方式灵活
- 组合标签计算，开发复杂度高

精确去重计算，资源消耗巨大

聚合标签集合，查询并发度高

标签类型

用户画像建模最重要的是对用户「打标签」，常见的3种分类：

统计类标签

基础标签类型，用户的性别、年龄、城市、星座、职业等等基础属性，可以做分布统计，
也包括如活跃时长、注册用户数、访问次数、消费金额等按照某些基础维度统计出的指标

规则类标签

基于确定的规则及用户行为产生。
规则，通常是需要对基础维度添加前置修饰词来限定统计的口径；或者需要提前做数据调研，如通过RFM客户价值法来科学的制定规则，从而打标签。
例如：时间是基础维度，天是最小粒度，而最近30天交易次数 ≥ 2就是个有修饰词限定的规则类标签

机器学习挖掘类标签

该类标签通过机器学习挖掘产生，用于对用户的某些属性或某些行为进行预测判断
例如：基于客户的行为推断客户行为上的性别
互联网公司花样百出的标签：
- 「女汉子」、「文艺青年」、「宅男」…

用户标签体系

上图，列出了一些常见的用户画像标签体系分类。下面举几个例子来看：

用户属性维度

可以看到这个表里设计了几个字段：标签名称、标签主题、一级归类、标签类型等等。

其中标签归类里有诸如自然性别、RFM价值度、购物风格、平台消费情况、用户身份等归类。

标签类型可以看到，有统计型、规则型、算法型等等。

风险控制维度

互联网用户形形色色，为了防止给平台带来损失和风险，需要在风险控制维度构建标签体系，有效监控不良用户

社交属性维度

画像标签开发

标签命名方式

为了便于对诸多标签进行管理，需要对每个标签id命名，例如

attr_u_s_01_001表示UserID维度自然性别为男的标签
attr_u_s_01_002表示UserID维度自然性别为女的标签

ID-Mapping

ID-Mapping

即把不同来源的身份标识通过数据手段识别为一个用户主体

同一个用户在登录和未登录的行为数据之间需要打通，用Hive做ETL，完成uid和cookieid的映射关系

组合标签计算-客群圈选场景

组合标签计算，是画像开发中的一个重要模块。当业务方根据规则应用标签时，是需要组合多个标签来创建对应的用户群体的。

用StarRocks玩转用户画像-1-概述

用StarRocks玩转用户画像-3-传统解决方案

StarRocks招聘：

招解决方案，DBA，数据库研发，测试，前后端开发等岗位，

有意者请投递简历到 hr@starrocks.com

八寅老爷

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
用StarRocks玩转用户画像-2-方法论

用户画像 - 业务特点业务应用精准营销广告投放,个性推荐,弹窗推送群体分析风险预警效果分析渠道分析业务难点数据体量庞大，检索方式灵活组合标签计算，开发复杂度高精确去重计算，资源消耗巨大聚合标签集合，查询并发度高标签类型用户画像建模最重要的是对用户「打标签」，常见的3种分类：统计类标签基础标签类型，用户的性别、年龄、城市、星座、职业等等基础属性，可以做分布统计，也包括如活跃时长、注册用户数、访问次数、消费金额等按照某些基础维度统计出的指标规则类标签
复制链接

扫一扫