python用户画像建模_求用户画像的详细解释、建模方法及算法模型

先给你一个传送门，目测是一个腾讯内部的培训资料：https://bbs.pinggu.org/thread-3868699-1-1.html

该文档我看了，虽然比较浅，但内容相当实在——目前大家谈起用户画像，更多会与“大数据”联系在一起，之前基于问卷调研或深访的那一套，正渐渐被一些大型甲方企业从内部战略性放弃。

随着不少甲方过去十几年甚至数十年的市场探索，他们对市场的态度已经发生了转变：比起曾经大家都关注的“我的用户是谁”，现在很多大公司更关心“我的用户在哪儿？”——因为他们已经明确了自己品牌定位，对自己不同系列产品锁定的TA(Target Audience)可谓心知肚明。那么问题就来了，“打江山”变成了“守江山”，怎么留住自己花费过无数心血圈定的消费者群呢？

随着大数据从理念层面渐渐投入实用层面，他们发现大数据可以给到他们实在的营销策略支持，这里面能讲的非常多，但我不确定你是不是感兴趣，就先不啰嗦了。这里再放一个目前非常热门的大数据营销案例，这个百度的PR稿某种程度上揭示了现在市场上对“用户画像”的需求维度：http://mp.weixin.qq.com/s?__biz=MjM5ODYwNDE4MA==&mid=213518151&idx=1&sn=560b694c802325ca620ce226ec44b921&3rd=MzA3MDU4NTYzMw==&scene=6#rd

简而言之，“用户画像”不再是“Story Well Told”的描述性的一环，而开始被作为营销创意搭建、广告资源配送的必备分析支持材料，如果现在要做好一份质量过关的用户画像，基本的统计学知识、统计类软件应用依旧必不可少，此外，对数据的理解变得越来越重要——这句话可能有点空，这里说的“理解数据”指的是对涉及“用户画像”的所有“底层数据”的理解，只有弄明白在不同案例中可以应用到的数据的意义，才能在一套逻辑严谨的标签系统中，找出那些能打动客户的用户画像维度，完成用户画像。关于“标签系统”，在此推荐一本很好读的书：车品觉的《决战大数据》，你可以从中了解阿里巴巴在这方面所做的努力。

我没有列单子，什么Excel、SAS、SPSS、R、Python……描述性统计、对应分析、聚类分析、主成分分析、关联分析……问卷设计与分析……这些你能想到的其实都有用，关键是要用于用户画像，用哪些？怎么用？

“用户画像”现在开始承载越来越多的目的性(其实我想说功利性)，数据维度越多，联结的场景越丰富，画像的质量自然越高——关键就在于对数据本身的理解，以及对客户意图的揣摩啊……