![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
用户画像
文章平均质量分 75
用户画像
宝哥大数据
大数据、机器学习、深度学习
展开
-
提取属性标签规则
文章目录查看【业务标签说明】可以发现很多【属性标签规则】都是 值的范围 ,在计算标签时需要依据规则范围进行比较,获取对应标签名称(tagName),给每个用户打上标签,所以可以编写方法【提取属性标签中规则rule,转换类型,返回DataFrame数据集】,其中包含字段:tag,start,end在标签工具类 TagTools 中添加方法 convertTuple ,实现属性标签规则的转换,具体代码如下:/*** 将标签数据中属性标签规则rule拆分为范围: start, end** @para原创 2021-06-23 13:19:58 · 323 阅读 · 0 评论 -
客户价值模型:RFM
1.1、RFM 模型引入比如电商网站要做一次营销活动,需要针对不同价值的客户群体进行分群,对于 高价值的用户推荐手表、珠宝等高端商品,对于低价值用户推荐打折促销的廉价商品 ,当然还有以下这些问题都是需要考虑的:1、谁是最佳客户?2、谁即将要成为流失客户?3、谁将有潜力成为有价值的客户4、哪些客户能够留存?5、哪些客户会对目前的活动有所反应?那么最终的问题是如何对客户进行分群,即如何建立客户的价值模型呢?在传统企业和电商众多的客户细分模型中, RFM模型 是被广泛提到和使用的。RFM模.原创 2021-04-30 09:01:20 · 13189 阅读 · 1 评论 -
标签模型:其他
基于订单数据,构建用户 商业属性(消费特征) 中其他标签,如下图所标识:一、其他标签:订单金额不同的标签,使用不同字段的数据,具体说明如下:1)、客单价:paidAmount 表示每个会员所有订单的平均订单额,sum(paidAmount)/ count(paidAmount) 标签属性值: 1-999、1000-2999、3000-4999、5000-9999 分为4个级别,按照规则匹配即可 SELECT memberId, SUM(paidAmount) AS totalAmo原创 2021-04-29 09:07:03 · 395 阅读 · 0 评论 -
标签开发:统计型标签
一、统计标签介绍 在 人口属性(用户特征)和商业属性(消费特征) 的标签中大部分是规则匹配类型标签和统计类型标签,选取3个统计类型标签开发模型:年龄段标签、消费周期标签和支付方式标签。统计型标签是需要使用 聚合函数计算 后得到标签,比如最近3个月的退单率,用户最常用的支付方式等等,主要开发三个统计类型标签:1.1、统计类型标签与规则匹配类型标签区别规则匹配类型标签,按照字段关联依据业务字段的值,获取对应标签值(tagName)基本上不涉及计算统计类型标签,需要对业务的数据需要计算原创 2021-04-25 09:03:55 · 2543 阅读 · 0 评论 -
标签模板(Template)
通过 用户性别标签模型和用户职业标签模型 开发,整个标签模型开发中很多类似的地方,仅仅在如何依据属性标签数据和业务数据计算标签的地方不一样,其他地方完全一样,比如从MySQL数据库读取标签数据、解析标签规则获取业务数据、合并新旧标签数据及保存,所以可以抽象出标签模型开发的基类: BasicModel ,仅仅让每个标签模型实现标签计算代码即可。1.1、模板方法模式 使用设计模式: 模板方法模式(Template Pattern) ,模板模式是一种 类继承模式 ,主要是 通过一个抽象类,把子类一些共有原创 2021-04-23 08:57:47 · 765 阅读 · 0 评论 -
标签开发:规则匹配型标签
在实际画像项目中,业务数据存储在多个不同的存储引擎中,比如HBase表、Hive表、MySQL表及HDFS等等,此时整个项目支持多数据源加载数据。 标签模型可以从任意存储引擎加载业务数据,构建标签。关于【 人口属性 】中主要标签如下所示,基本上属于规则匹配类型标签和统计类型标签。...原创 2021-04-21 16:56:07 · 1719 阅读 · 0 评论 -
标签模型:用户性别标签
先以 规则匹配(rule match) 中性别标签为例,开发整个标签模型,熟悉开发过程,对标签的构建整体认识,如下为在标签管理平台首先需要新建标签【业务标签:4级标签和属性标签:5级标签】页面截图:标签模型开发完成具体 数据流程详细图 如下所示:分为四个主要的步骤:// 1、依据TagId,从MySQL读取标签数据// 2、解析标签rule,从HBase读取业务数据// 3、业务数据结合标签属性数据,构建标签// 4、画像标签数据存储HBase表涉及技术核心点(难点) :第一、如何原创 2021-04-21 15:50:28 · 1420 阅读 · 0 评论 -
标签模型计算
本模块是用户画像的核心:主要负责 根据原始数据以及标签规则进行相应的计算,比如规则匹配/统计/挖掘等相关操作,最终得到标签结果,将结果存入HBase中。从上述图中可以分析出,每个标签模型计算时与存储系统交互:1)、加载MySQL表的数据读取标签的规则2)、加载HBase表的数据读取业务数据,比如用户基本信息数据、订单数据等3)、保存标签数据至HBase表将每个用户标签数据保存到HBase中如上图标签模型开发,包含四个步骤:1)、加载标签数据,获取标签规则rul.原创 2021-04-21 14:12:29 · 1750 阅读 · 0 评论 -
标签存储与计算
文章目录一、标签的管理二、标签的存储2.1、横表存储一、标签的管理 现在的用户画像,动不动就是 几千几万个标签 ,标签一多就出现了一些需要克服的难题,比如下面两个:1)、如何解决频繁新增和删除标签;2)、如何解决不同标签更新时间和频率不同的问题;二、标签的存储 在大数据领域接触比较多的的存储引擎有这几个:Hive、HBase、Elasticsearch/Solr,这也在选择存储系统中几个主要的备选方案。2.1、横表存储 以Hive为例,最常用的就是横表,也就是一个 key,跟上它原创 2021-04-21 10:12:06 · 2719 阅读 · 3 评论 -
项目功能及架构
企业级360°全方位用户画像是基于电商平台进行设计和开发,是面向注册会员的偏好、行为习惯和 人口属性的画像还原,同时也包括对商品信息的画像还原。提供用户喜好和商品特征帮助 营销平台提升营销的精准度 ,也方便个性化推荐系统 快速准确的为每个用户推荐相关的商品 。项目名称: 企业级360°全方位用户画像行业领域: 电商平台,针对电商平台用户构建用户画像,给用户打标签构建画像: 1)、注册会员(打标签) - 用户标签 a)、偏好:订单数据 依据订单数据、购物车数据和收藏数据构建标签原创 2021-04-18 12:39:33 · 969 阅读 · 0 评论 -
用户画像概述
文章目录一、用户画像是什么1.1、用户画像背景1.2、用户画像的分类1.2.1、User Persona1.2.2、User Profile参考一、用户画像是什么1.1、用户画像背景 早期的用户画像起源于交互设计之父Alan Cooper提出的”Personas are a concreterepresentation of target users.”。认为用户画像(Persona)是角色是目标用户的具体表示,又被称为用户角色,是基于大量目标用户群的真实信息构建的用户标签(User Tags)体系原创 2021-04-17 14:56:12 · 4097 阅读 · 0 评论 -
企业级360用户画像
用户画像原创 2021-04-14 20:12:30 · 1671 阅读 · 8 评论