Tech Neo技巧沙龙 | 11月25号，九州云/ZStack与您一路商量云时代收集界线治理实践

用户画像的含义用户画像(persona)的概念最早由交互设计之父Alan Cooper提出：“Personas are a concrete representation of target users.” 是指真实用户的虚拟代表，是建立在一系列属性数据之上的目标用户模型。跟着互联网的成长，如今我们说的用户画像又包含了新的内涵 ——平日用户画像是根据用户人口学特点、统??读内容、收集社交晃荡和花费行动等信息而抽象出的一个标签化的用户模型。 构建用户画像的核心工作，主如果 应用存储在办事器上的海量日记和数据库里的大年夜量数据进行分析和发掘 ，给用户贴“标签”，而“标签”是能表示用户某一维度特点的标识。具体的标签情势可以参考下图某网站给个一一个用户打的标签。

点评

提取用户画像，须要处理海量的日记，花费大年夜量时光和人力。尽管是如斯高成本的工作，大年夜部分公司照样欲望能给本身的用户做一份足够精准的用户画像。

那么竽暌姑户画像有什么感化，能赞助我们达到哪些目标呢?

大年夜体上可以总结为以下几个方面：

1. 精准营销 ：精准直邮、短信、App消息推送、个性化告白等。
2. 用户研究 ：指导产品优化，甚至做到产品功能的私家定制等。
3. 个性办事 ：个性化推荐、个性化搜刮等。
4. 营业决定计划 ：排名统计、地区分析、行业趋势、竞品分析等。

用户画像的内容

用户画像包含的内容并不完全固定，根据行业和产品的不合所存眷的特点也有不合。 对于大年夜部分互联网公司，用户画像都邑包含人面试性和行动特点。 人面试性重要指用户的年纪、性别、地点的省份和城市、教导程度、婚姻情况、生育情况、工作地点的行业和职业等。行动特点重要包含活泼度、忠诚度等指标。

除了以上较通用的特点，不合类型的网站提取的用户画像各有侧重点。

• 以内容为主的媒体或浏览类网站，还有搜刮引擎或通用导航类网站，往往会 提取用户对浏览内容的兴趣特点 ，比如体育类、娱乐类、美食类、理财类、旅游类、房产类、汽车类等等。
• 社交网站的用户画像，也会提取用户的 社交收集 ，大年夜中可以发明关系慎密的用户群和在社群中起到看法领袖感化的明星节点。
• 电商购物网站的用户画像，一般会提取用户的 网购兴趣和花费才能 等指标。网购兴趣重要指用户在网购时的类目偏好，比如服饰类、箱莠平易近、居家类、母婴类、洗护类、饮食类等。
• 花费才能指用户的 购买力 ，如不雅做得足够过细，可以把用户的实际花费水平和在每个类目标心理花费程度区分开，分别建立特点纬度。

别的还可以加上用户的 情况属性 ，比如当前时光、拜访地点LBS特点、本地气象、节假日情况等。

当然，对于特定的网站或App，肯定又有特别存眷的用户纬度，就须要把这些维度做到加倍细化，大年夜而能给用户供给更精准的个性化办事和内容。

用户特点的提取即竽暌姑户画像的临盆过程，大年夜致可以分为以下几步：

1. 用户建模 ，指肯定提取的用户特点维度，和须要应用到的数据源。
2. 数据收集 ，经由过程数据收集对象，如Flume或本身写的脚本法度榜样，把须要应用的数据同一存放到Hadoop集群。
3. 数据清理 ，数据清理的过程平日位于Hadoop集群，也有可能与数据收集同时进行，这一步的重要工作，是把收集到各类来源、混乱无章的数据进行字段提取，获得存眷的目标特点。
4. 模型练习 ，有些特点可能无法直接大年夜数据清理获得，比如用户感兴趣的内容或用户的花费程度，那么可以经由过程收集到的已知特点进行进修和猜测。
5. 属性猜测 ，应悠揭捉?练获得的模型和用户的已知特点，猜测用户的未知特点。
6. 数据归并 ，把用户经由过程各类数据源提取的特点进行归并，并给出必定的可托度。
7. 数据分发 ，对于归并后的结不雅数据，分发到精准营销、个性化推荐、CRM等付啦媒台，供给数据支撑。

用户画像的临盆

大年夜每种来源提取的数据可托度是不合的，所以各来源提取的数据必须给出必定的权重，商定一般为0-1之间的一个概率值，如许体系在做数据的主动归并时，只须要做简单的加权乞降，并归一化输出到集群，存储到事先定义好的Hive表。接下来就是数据增量更新到HBase、ES、Spark集群等更多应用办事集群。

下面以用户性别为例，具体介绍特点提取的过程 ：

1. 提取用户本身填写的材料，比如注册时或者晃荡中填写的性别材料，这些数据精确率一般很高。
2. 提取用户的称呼，如文本中有提到的对方称呼，例如：xxx师长教师/密斯，这个数据也比较准。
3. 根据用户姓名猜测用户性别，这是一个二分类问题，可以提取用户的名字部分(百家姓与性别没有相干性)，然后用朴实贝叶斯分类器练习一个分类器。过程中碰到潦攀冷僻字问题，比如“甄嬛”的“嬛”，因为在名字中出现的少，是以分类器无法进行精确分类。推敲到汉字都是由偏旁部首构成，且偏旁部首也经常具有特别含义(很多与性别具有相干性，比如草字头偏向女性，金字旁偏向男性)，我们应用五笔输入法分化单字，再把名字本身和五笔打法的字母一路放到LR分类器进行练习。比如，“嬛”字的打法：『 女V+罒L+一G+衣E = VLGE 』，这里的女字旁就很有女性偏向。
    1/2    1 2 下一页 尾页
   
   

   　　推荐阅读

   　　长虹佳华林进：传统IT分销商如何从淘宝、京东等电商口中抢食？

   Tech Neo技巧沙龙 | 11月25号，九州云/ZStack与您一路商量云时代收集界线治理实践【51CTO.com原创稿件】在IT业，谁也无法忽视分销商的力量，因为分销商在家当经营链条中拥有举足轻重的地位。对上游厂商>>>详细阅读

   
   

   本文标题：大数据中的用户画像

   地址：http://www.17bianji.com/lsqh/39094.html

    1/2    1