用户画像知识

用户画像相关知识点

1、用户画像是什么？

用户画像（User Profile），即用户信息标签化。

用户画像有很多的的标签组成，每个标签都规定了观察、认识、描述用户的角度。标签根据企业业务的发展情况，或多或少，对外而言都是一个整体，这个整体称之为用户画像。

 

2、为什么需要用户画像？

用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理。

大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。

用户画像的本质就是从业务角度出发对用户进行分析，了解用户需求，寻找目标客户。

 

3、用户画像怎么设计？

一个标签通常是人为规定的高度精炼的特征标识。

3、1 数据源分析

构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。

对于用户相关数据的分类，引入一种重要的分类思想：封闭性的分类方式。

这样的分类方式，有助于后续不断枚举并迭代补充遗漏的信息维度。不必担心架构上对每一层分类没有考虑完整，造成维度遗漏留下扩展性隐患。另外，不同的分类方式根据应用场景，业务需求的不同，也许各有道理，按需划分即可。

　　3.1.1 静态信息数据　　　　　

　　　　　　用户相对稳定的信息。

　　3.1.2 动态信息数据　　　

　　　　　　用户不断变化的行为信息。

　　　　　　在互联网上，用户行为，可以看作用户动态信息的唯一数据来源。

3.2 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。

3.3 数据建模方法

如何根据用户行为，构建模型产出标签、权重。一个事件模型包括：时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件，可以详细描述为：什么用户，在什么时间，什么地点，做了什么事。

　　3.3.1 什么用户　　　

　　　　　　关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。

　　3.3.2 什么时间　　　　　

　　　　　　时间包括两个重要信息，时间戳+时间长度。

　　　　　　时间戳，为了标识用户行为的时间点。

　　　　　　时间长度，为了标识用户在某一页面的停留时间。

　　3.3.3 什么地点　　　

　　　　　　用户接触点，Touch Point。对于每个用户接触点。潜在包含了两层信息：网址 + 内容。

　　3.3.4 什么内容

　　　　　　每个url网址（页面/屏幕）中的内容。　　

　　　　　　对于每个互联网接触点，其中网址决定了权重；内容决定了标签。

　　3.3.5 什么事　　

　　　　　　用户行为类型，对于电商有如下典型行为：浏览、添加购物车、搜索、评论、购买、点击赞、收藏 等等。　　　　　

　　　　　　不同的行为类型，对于接触点的内容产生的标签信息，具有不同的权重。

 

用户画像的数据模型，可以概括为下面的公式：用户标识 + 时间 + 行为类型 + 接触点（网址+内容），某用户因为在什么时间、地点、做了什么事。所以会打上**标签。

用户标签的权重可能随时间的增加而衰减，因此定义时间为衰减因子r，行为类型、网址决定了权重，内容决定了标签，进一步转换为公式：

标签权重=衰减因子×行为权重×网址子权重

如：用户A，昨天在品尚红酒网浏览一瓶价值238元的长城干红葡萄酒信息。

标签：红酒，长城

时间：因为是昨天的行为，假设衰减因子为：r=0.95

行为类型：浏览行为记为权重1

地点：品尚红酒单品页的网址子权重记为 0.9（相比京东红酒单品页的0.7）

假设用户对红酒出于真的喜欢，才会去专业的红酒网选购，而不再综合商城选购。

则用户偏好标签是：红酒，权重是0.95*0.7 * 1=0.665，即，用户Ａ：红酒 0.665、长城 0.665。

 

4、用户画像怎么开发？

 

5、用户画像工作坚持的原则（金融企业）

金融企业是最早开始用户画像的行业。

事实上，用户画像涉及数据的纬度需要业务场景结合，既要简单干练又要和业务强相关，既要筛选便捷又要方便进一步操作。用户画像需要坚持三个原则，分别是人口属性和信用信息为主，强相关信息为主，定性数据为主。

5.1 信用信息和人口属性为主

描述一个用户的信息很多，信用信息是用户画像中重要的信息，信用信息是描述一个人在社会中的消费能力信息。

定位完目标客户之后，金融企业需要触达客户，人口属性信息就是起到触达客户的作用，人口属性信息包含姓名、性别，电话号码，邮件地址，家庭住址等信息。这些信息可以帮助金融企业联系客户，将产品和服务推销给客户。

5.2 采用强相关信息，忽略弱相关信息

强相关信息就是同场景需求直接相关的信息，其可以是因果信息，也可以是相关程度很高的信息。

5.3 将定量的信息归类为定性的信息

用户画像的目的是为产品筛选出目标客户，定量的信息不利于对客户进行筛选，需要将定量信息转化为定性信息，通过信息类别来筛选人群。

例如可以将年龄段对客户进行划分，18岁-25岁定义为年轻人，25岁-35岁定义为中青年，36-45定义为中年人等。可以参考个人收入信息，将人群定义为高收入人群，中等收入人群，低收入人群。

5.4 用户画像的方法介绍，不要太复杂

金融企业需要结合业务需求进行用户画像，从实用角度出发，我们可以将用户画像信息分成五类信息。分别是人口属性，信用属性，消费特征，兴趣爱好，社交属性。

　　5.4.1 人口属性

　　5.4.2 信用属性

　　5.4.3 消费特征

　　5.4.4 兴趣爱好

5.5 金融企业用户画像的基本步骤

　　5.5.1 画像相关数据的整理和集中

　　5.5.2 找到同业务场景强相关数据

　　5.5.3 对数据进行分类和标签化（定量to定性）

　　5.5.4 依据业务需求引入外部数据

　　5.5.5 按照业务需求进行筛选客户（DMP(大数据管理平台)的作用）