大数据时代构建电商用户画像

背景

大数据时代已经到来，企业迫切希望从已经积累的数据中分析出有价值的东西，而用户行为的分析尤为重要。利用大数据来分析用户的行为与消费习惯，可以预测商品的发展的趋势，提高产品质量，同时提高用户满意度。本课程是基于大型电商公司的真实用户画像中提练出的精华内容，旨在培养学员了解用户画像的内容，掌握构建用户画像的方法。

 

用户画像的概念

用户画像：也叫用户信息标签化、客户标签；根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。从电商的角度看，根据你在电商网站上所填的信息和你的行为，可以用一些标签把你描绘出来，描述你的标签就是用户画像。构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。

 

 目标分析

用户画像的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。

标签：表现了内容，用户对该内容有兴趣、偏好、需求等等。

权重：表现了指数，用户的兴趣、偏好指数，也可能表现用户的需求度，可以简单的理解为可信度，概率。

 

构建电商用户画像的重大意义

 1、精准营销，分析产品潜在用户，针对特定群体利用短信邮件等方式进行营销；

 2、用户统计，比如中国大学购买书籍人数 TOP10；

 3、数据挖掘，构建智能推荐系统，利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌，利用聚类算法分析，喜欢红酒的人年龄段分布情况；

 4、进行效果评估，完善产品运营，提升服务质量，其实这也就相当于市场调研、用户调研，迅速下定位服务群体，提供高水平的服务；

 5、对服务或产品进行私人定制，即个性化的服务某类群体甚至每一位用户（个人认为这是目前的发展趋势，未来的消费主流）

 6、业务经营分析以及竞争分析，影响企业发展战略。

 

如何构建电商用户画像

构建一个用户画像，包括数据源端数据收集、数据预处理、行为建模、构建用户画像

 

有些标签是可以直接获取到的，有些标签需要通过数据挖掘分析到！

用户数据分为2类：

动态信息数据、静态信息数据

静态信息数据来源：

用户填写的个人资料，或者由此通过一定的算法，计算出来的数据如果有不确定的，可以建立模型来判断，比如用户的性别注册没有填写，可以建立模型，根据用户的行为来判断用户性别是什么，或者它的概率

动态信息数据来源：

用户行为产生的数据：注册、游览、点击、购买、签收、评价、收藏等等。

 用户比较重要的行为数据：游览商品，收藏商品、加入购物车、关注商品

根据这些行为特性可以计算出：用户注册时间、首单时间、潮妈族、纠结商品、最大消费、订单数量、退货数量、败家指数、品牌偏好等等。

 

 

主要数据来源：用户表、用户调查表、孕妇模型表、马甲模型表。

用户表：记录用户最基本的属性特性。

用户调查表：补充用户的其他基本信息。

用户所填写的基本信息：用户ID、用户名、密码、性别、手机号、邮箱、年龄、户籍省份、身份证编号、注册时间、收货地址等

 

用户所填信息计算得到的指标：

生日、星座、城市等级、手机前几位、手机运营商、邮件运营商

用户调查表得到：学历、收入、职业、婚姻、是否有小孩、是否有车有房、使用手机品牌。

 

根据算法得到:

身高、体重、性别模型、孩子性别概率、潜在汽车用户概率、是否孕妇、孩子年龄概率、手机品牌、更换手机频率、是否有小孩，是否有车，使用手机档次，疑似马甲标准、疑似马甲账号数、用户忠诚度、用户购物类型。

 

模型算法---性别模型

用户自己也填写了性别，但仍然要用算法算一次性别

模型算法---性别模型

​用户性别	1男 0女 -1未识别	1、商品性别得分 2、用户购买上述商品计算用户性别等得分 3、最优化算法训练阀值，根据阀值判断
孩子性别	0 仅有男孩 1仅有女孩 2男女都有 3无法识别	1、选择男孩女孩商品 2、确定用户购买商品的男女性别比例 3、训练阀值，判断孩子性别,同用户性别类似

性别验证方法

随机抽样几千条数据让客户打电话确认。

与用户自己填的性别做对比，确认百分比

 

模型算法---用户汽车模型

用户是否有车	1有 0 没有 -1 未识别	根据用户购买车相关产品 判断用户是否有车
潜在汽车用户	1有 0 没有 -1 未识别	用户游览或者搜索汽车 用户数据判断

 

模型算法---用户忠诚度模型

 忠诚度越高的用户越多，对网站的发展越有利

模型算法---用户忠诚度模型

用户忠诚度

1忠诚型用户 2偶尔型用户 3投资型用户 4游览型用户 -1未识别

总体规则是判断+聚类算法 1、游览用户型：只游览不购买的 2、购买天数大于一定天数的为忠诚用户 3、购买天数小于一定天数，大部分是有优惠才购买的 4、其他类型根据购买天数，购买最后一次距今时间，购买金额进行聚类

模型算法---用户身高尺码模型

模型算法---用户身高尺码模型

男性用户身高尺码	xxx-xxx身高段，-1未识别	用户购买服装鞋帽等用户判断
男性身材	1偏瘦、2标准、3偏胖4肥胖、-1未识别
女性用户身高尺码	xxx-xxx身高段，-1未识别
女性身材	1偏瘦、2标准、3偏胖4肥胖、-1未识别

 

模型算法---用户马甲标志模型

 马甲是指一个用户注册多个账号

 多次访问地址相同的用户账号是同一个人所有

 同一台手机登陆多次的用户是同一个人所有

 收货手机号相同的账号同一个人所有

 

模型算法---手机相关标签模型

 对于手机营销参考意义比较大

 使用手机品牌: 最常用手机直接得到

 使用手机品牌档次：根据档次维表

 使用多少种不同的手机：手机登陆情况

 更换手机频率（月份):按时间段看手机登陆情况

---

                                                             欢迎关注我的个人公众号：破晓的不止黎明