用户画像及项目实例：电商用户画像

用户画像及项目实例

所谓用户画像就是标签的汇总，从用户不同方面信息中提取有价值特征来构建标签库，并从标签库中探索信息，从而构建用户画像。

用户画像建模：

1. 第一步：统一用户唯一标识

   • 用户唯一标识是整个用户画像的核心，方便跟踪和分析一个用户的特征。
   • 设计唯一标识的选择：用户名、注册手机号、联系人手机号、邮箱、设备号、CookieID等。

2. 第二步：给用户打标签，即用户画像

   用户消费行为分析，可从4个维度来进行标签划分。

   1. 用户标签：用户基本属性，包括性别、年龄、地域、收入、学历、职业等。
   2. 消费标签：消费习惯、购买意向、是否对促销敏感等。
   3. 行为标签：分析用户行为，包括时间段、频次、时长、访问路径等。
   4. 内容分析：对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，如金融、娱乐、教育、体育、时尚、科技等。

3. 第三步：将用户画像与业务关联

   从用户生命周期的三个阶段来对业务进行划分：获客、粘客和留客

   1. 获客：通过精准营销获取客户。
   2. 粘客：个性化推荐，搜索排序，场景运营等。
   3. 留客：流失率预测，分析关键节点降低流失率。

   从数据流处理阶段划分用户画像建模过程，可分为数据层、算法层和业务层

   1. 数据层：用户消费行为里的标签，可以打上事实标签，作为数据客观的记录
   2. 算法层：透过行为算出的用户建模，可以打上模型标签，作为用户画像的分类标识。
   3. 业务层：获客、粘客、留客的手段，可以打上预测标签，作为业务关联的结果。

流程：通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。

例：美团外卖的用户画像设计

第一步：统一用户唯一标识

• 手机号作为用户唯一标识

第二步：给用户打标签，即用户画像

• 按照用户消费行为分析的准则来进行设计
  1. 用户标签：性别、年龄、家乡、居住地、收货地址、婚姻、子女、通过何种渠道进行的注册等。
  2. 消费标签：餐饮口味、消费均价、团购等级、预定使用等级、排队使用等级、外卖等级等。
  3. 行为标签：点外卖时间段、使用频次、平均点餐用时、访问路径等。
  4. 内容分析：基于用户平时浏览的内容进行统计，包括餐饮口味、优惠敏感度等。

第三步：将用户画像与业务关联

• 在获客上，可以找到优势宣传渠道，如何通过个性化宣传手段，吸引具有潜在需求的用户，并刺激转化。
• 在粘客上，如何提升用户的单价和消费频次，方法可以包括购买后的个性化推荐、针对优质用户进行优质高价商品的推荐、以及重复购买，比如通过红包、优惠等方式激励对优惠敏感的人群，提升购买频次。
• 在留客上，预测用户是否可能会从平台上流失。用户流失可能由用户体验，竞争对手，需求变化等因素导致，通过预测用户流失率可大幅降低用户留存的运营成本。

项目实例：电商用户画像及行为分析

一，数据背景

​ 以淘宝APP数据为原始数据集，通过行业常见行业指标对淘宝用户行为进行分析，从而构建用户画像。

二，数据来源

三，数据解释

数据集共计2300多万数据量，时间范围为2014-11-18~2014-12-18，共计6个字段，字段释义如下：

字段名	释义
user_id	用户ID
item_id	商品ID
behavior_type	用户行为类型（1：点击，2：收藏，3：加购物车，4：购买
user_geohash	地理位置信息
item_category	商品类别
time	用户行为发生时间

四，分析过程

1.数据预处理

#导入所需库
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')
from datetime import datetime
%matplotlib inline
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示
plt.rcParams['axes.unicode_minus'] = False

# 导入数据集，查看数据量
df = pd.read_csv('taobao_persona.csv')
df.shape

可以看到数据量总计2300多万，因此抽样选取部分样本进行后续分析

# 数据抽样，并预览数据结构
df = df.sample(frac=0.3,random_state=None).reset_index()
df.head()

查看字段缺失情况

# 查看是否存在缺失值
df.isnull().sum()

地理信息字段存在大量缺失，且对后续分析无用，因此我们删除此字段

# 删除缺失字段
df.drop('user_geohash',axis=1,inplace=True)

同时在数据预览中可以看到time字段是由日期和小时组成，为了后续分析，在此将其拆分为两个字段

# 将time日期拆分为日期和时间
df['date'] = df['time'].str[0:10]
df['date'] = pd.to_datetime(df['date'],format='%Y-%m-%d')
df['time'] = df['time'].str[11:]
df['time'] = df['time'].astype(int)
df.head()

为了后续的用户标签，在此基于time字段构造面板数据

# 构造面板数据，按时间分为凌晨，上午，中午，下午，晚上
df['hour'] = pd.cut(df['time'],bins=[-1,5,10,13,18,24],
                    labels=['凌晨','上午','中午','下午','晚上'])
df.head()

生成用户标签

# 生成用户标签列表
users = df['user_id'].unique()
labels = pd.DataFrame(users,columns=['user_id'])

2.1 用户行为标签
2.1.1 用户浏览活跃时间段标签

# 对用户和时段进行分组，统计浏览次数
time_browse = df[df['behavior_type']==1].groupby(['user_id','hour']).item_id.count().reset_index()
time_browse.rename(columns={
   'item_id':'hour_counts'},inplace=True)
time_browse.head()

# 统计每个用户浏览次数最多的时间段
time_browse_max = time_browse.groupby('user_id').hour_counts.max().reset_index()
time_browse_max.rename(columns={
   'hour_counts':'read_counts_max'},inplace=True)
# 两个结果做连接
time_browse = pd.merge(time_browse,time_browse_max,how='left',on='user_id')
time_browse.head()

# 选取每个用户浏览次数最多的时间段
time_browse_hour = time_browse.loc[time_browse['hour_counts']==time_browse['read_counts_max'],'hour']
# 存在并列多个时用逗号连接，得到用户活跃时间段标签
time_browse_hour = time_browse_hour.groupby(time_browse['user_id']).aggregate(lambda x:','.join(x)).reset_index()
time_browse_hour.head()

# 将用户浏览活跃时间加入用户标签中
labels = pd.merge(labels,time_browse_hour,how='left',on='user_id')
labels.rename(columns={
   'hour':'time_browse'},inplace=True)
labels.head()

2.1.2 用户购买活跃时间段标签

time_buy = df[df['behavior_type']==4].groupby(['user_id','hour']).item_id.count().reset_index().rename(columns={
   'item_id':'hour_counts'})
time_buy_max = time_buy.groupby('user_id').hour_counts.max().reset_index().rename(columns={
   'hour_counts':'buy_counts_max'})
time_buy = pd.merge(time_buy,time_buy_max,how='left',on='user_id')
time_buy_hour = time_buy.loc[time_buy['hour_counts']==time_buy['buy_counts_max'],'hour']
time_buy_hour