1.用户画像简介
简单的理解就是海量数据的标签,根据用户的属性、行为和观点的差异将他们区分为不同的类型,然后从每个类型中抽取典型的特征,赋予名字、人口统计要素或者场景等形成一个人物原型。
2.用户画像的作用
- 精准营销:分析产品的潜在用户,针对特定群体利用短信邮件的方式进行营销;
- 用户统计:国内爱好看电影的用户人数
- 数据挖掘:购买智能推荐,利用关联规则计算,喜欢运动的人通常喜欢什么体育用品,使用聚类算法分析
- 效果评估:完善运营,提高服务质量;
- 对服务或者产品进行私人定制,也就是个性化服务,服务每一类群体甚至每一位用户;
- 业务经营分析以及竞争分析,定制企业发展战略;
3.用户画像展示
3.1用户静态画像
用户填写资料的时候并没有将数据填写完整,比如说性别有男性、女性和保密,这时候我们可以用户的一些行为建模,判断出用户的性别
3.2用户行为画像
此部分数据来源于动态信息数据:
- 用户行为产生的数据:注册、浏览、点击、购买、评价、签收、收藏等
- 用户比较重要的行为:浏览商品、加购物车、收藏商品、购买商品;
根据这些行为特征,我们可以计算出用户的注册时间、购买时间、该用户的最大消费额、订单数量、偏好等,我们还可以根据用户的行为与消费习惯预测商品的发展趋势,提高产品质量,提高用户的满意度。
3.3动态画像和静态画像结合
在电商领域,bat大佬公司都多维度记录着用户的网络行为,用户画像就是通过对这些数据的分析而得到的用户基本信息、购买能力、行为、社交、兴趣偏好等方面的标签模型。从大量的数据中挖掘出对企业有价值的信息。
- 用户画像:基本属性、购买能力、行为特征、兴趣爱好、心理特征、社交网络
- 行为建模:文本挖掘、自然语言处理、机器学习、预测算法、聚类算法
- 数据收集:用户信息、用户行为日志、媒体标签;
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
- 基本属性:性别、职业、月收入、有无车等标签,通过用户注册信息和多维建模获得
- 败家指数、潮妈族、消费水平等标签,通过消费金额、下单频度、消费周期等数据分析建模获得;
- 活跃程度、购物类型、起居时间等标签,通过分析浏览、点击、下单等数据获得
- 社交关系网、公司关系网等标签,通过收货地址、活动地址等信息来判断;
- 促销敏感度、购物忠诚度等标签,通过代金券使用频度、购买单品类的品牌分布等数据判断;
- 即运动偏好、品牌偏好、爱打扮、颜色偏好等标签,通过购买的商品、颜色、品牌等信息判断。
4.用户画像的实现
4.1准确识别用户
用户识别的目的是为了区分用户、单点定位。用户识别的方式有很多种,如cookie、注册ID、邮箱、微信/微博/QQ等第三方登录、手机号等,