用戶畫像數(shù)據(jù)建模方法

icecity1306 2014-09-23

展開全文

從1991年Tim Berners-Lee發(fā)明了萬維網(wǎng)（World Wide Web）開始，到20年后2011年,，互聯(lián)網(wǎng)真正走向了一個新的里程碑,，進入了“大數(shù)據(jù)時代”。經(jīng)歷了12,、13兩年熱炒之后,，人們逐漸冷靜下來，更加聚焦于如何利用大數(shù)據(jù)挖掘潛在的商業(yè)價值,，如何在企業(yè)中實實在在的應(yīng)用大數(shù)據(jù)技術(shù),。伴隨著大數(shù)據(jù)應(yīng)用的討論、創(chuàng)新,，個性化技術(shù)成為了一個重要落地點,。相比傳統(tǒng)的線下會員管理、問卷調(diào)查,、購物籃分析,，大數(shù)據(jù)第一次使得企業(yè)能夠通過互聯(lián)網(wǎng)便利地獲取用戶更為廣泛的反饋信息，為進一步精準,、快速地分析用戶行為習(xí)慣,、消費習(xí)慣等重要商業(yè)信息，提供了足夠的數(shù)據(jù)基礎(chǔ),。伴隨著對人的了解逐步深入,，一個概念悄然而生：用戶畫像（UserProfile），完美地抽象出一個用戶的信息全貌,，可以看作企業(yè)應(yīng)用大數(shù)據(jù)的根基,。

一,、什么是用戶畫像,？

男,，31歲，已婚,，收入1萬以上,，愛美食，團購達人,，喜歡紅酒配香煙,。

這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述,，即：用戶信息標(biāo)簽化,。

如果用一幅圖來展現(xiàn)，即：

二,、為什么需要用戶畫像

用戶畫像的核心工作是為用戶打標(biāo)簽,，打標(biāo)簽的重要目的之一是為了讓人能夠理解并且方便計算機處理，如,，可以做分類統(tǒng)計：喜歡紅酒的用戶有多少,？喜歡紅酒的人群中，男,、女比例是多少,？

也可以做數(shù)據(jù)挖掘工作：利用關(guān)聯(lián)規(guī)則計算，喜歡紅酒的人通常喜歡什么運動品牌,？利用聚類算法分析,，喜歡紅酒的人年齡段分布情況？

大數(shù)據(jù)處理,，離不開計算機的運算,，標(biāo)簽提供了一種便捷的方式，使得計算機能夠程序化處理與人相關(guān)的信息,，甚至通過算法,、模型能夠“理解” 人。當(dāng)計算機具備這樣的能力后,，無論是搜索引擎,、推薦引擎、廣告投放等各種應(yīng)用領(lǐng)域,，都將能進一步提升精準度,，提高信息獲取的效率。

三,、如何構(gòu)建用戶畫像

一個標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識,，如年齡段標(biāo)簽：25~35歲，地域標(biāo)簽：北京,，標(biāo)簽呈現(xiàn)出兩個重要特征：語義化,，人能很方便地理解每個標(biāo)簽含義,。這也使得用戶畫像模型具備實際意義。能夠較好的滿足業(yè)務(wù)需求,。如,，判斷用戶偏好。短文本,，每個標(biāo)簽通常只表示一種含義,，標(biāo)簽本身無需再做過多文本分析等預(yù)處理工作，這為利用機器提取標(biāo)準化信息提供了便利,。

人制定標(biāo)簽規(guī)則,，并能夠通過標(biāo)簽快速讀出其中的信息，機器方便做標(biāo)簽提取,、聚合分析,。所以，用戶畫像,，即：用戶標(biāo)簽,，向我們展示了一種樸素、簡潔的方法用于描述用戶信息,。

3.1 數(shù)據(jù)源分析

構(gòu)建用戶畫像是為了還原用戶信息,，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。

對于用戶相關(guān)數(shù)據(jù)的分類,，引入一種重要的分類思想：封閉性的分類方式,。如，世界上分為兩種人,，一種是學(xué)英語的人,，一種是不學(xué)英語的人；客戶分三類,，高價值客戶,，中價值客戶，低價值客戶,；產(chǎn)品生命周期分為,，投入期、成長期,、成熟期,、衰退期…所有的子分類將構(gòu)成了類目空間的全部集合。

這樣的分類方式,，有助于后續(xù)不斷枚舉并迭代補充遺漏的信息維度,。不必擔(dān)心架構(gòu)上對每一層分類沒有考慮完整，造成維度遺漏留下擴展性隱患,。另外,，不同的分類方式根據(jù)應(yīng)用場景,，業(yè)務(wù)需求的不同，也許各有道理,，按需劃分即可。

本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù),、動態(tài)信息數(shù)據(jù)兩大類,。

靜態(tài)信息數(shù)據(jù)

用戶相對穩(wěn)定的信息，如圖所示,，主要包括人口屬性,、商業(yè)屬性等方面數(shù)據(jù)。這類信息,，自成標(biāo)簽,，如果企業(yè)有真實信息則無需過多建模預(yù)測，更多的是數(shù)據(jù)清洗工作,，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點,。

動態(tài)信息數(shù)據(jù)

用戶不斷變化的行為信息，如果存在上帝,，每一個人的行為都在時刻被上帝那雙無形的眼睛監(jiān)控著,，廣義上講，一個用戶打開網(wǎng)頁,，買了一個杯子,；與該用戶傍晚溜了趟狗，白天取了一次錢,，打了一個哈欠等等一樣都是上帝眼中的用戶行為,。當(dāng)行為集中到互聯(lián)網(wǎng)，乃至電商,，用戶行為就會聚焦很多,，如上圖所示：瀏覽凡客首頁、瀏覽休閑鞋單品頁,、搜索帆布鞋,、發(fā)表關(guān)于鞋品質(zhì)的微博、贊“雙十一大促給力”的微博消息,。等等均可看作互聯(lián)網(wǎng)用戶行為,。

本篇文章以互聯(lián)網(wǎng)電商用戶，為主要分析對象,，暫不考慮線下用戶行為數(shù)據(jù)（分析方法雷同,，只是數(shù)據(jù)獲取途徑，用戶識別方式有些差異）,。

在互聯(lián)網(wǎng)上,，用戶行為,，可以看作用戶動態(tài)信息的唯一數(shù)據(jù)來源。如何對用戶行為數(shù)據(jù)構(gòu)建數(shù)據(jù)模型,，分析出用戶標(biāo)簽,，將是本文著重介紹的內(nèi)容。

3.2 目標(biāo)分析

用戶畫像的目標(biāo)是通過分析用戶行為,，最終為每個用戶打上標(biāo)簽,，以及該標(biāo)簽的權(quán)重。如,，紅酒 0.8,、李寧 0.6。

標(biāo)簽,，表征了內(nèi)容,，用戶對該內(nèi)容有興趣、偏好,、需求等等,。

權(quán)重，表征了指數(shù),，用戶的興趣,、偏好指數(shù)，也可能表征用戶的需求度,，可以簡單的理解為可信度,，概率。

3.3 數(shù)據(jù)建模方法

下面內(nèi)容將詳細介紹,，如何根據(jù)用戶行為,，構(gòu)建模型產(chǎn)出標(biāo)簽、權(quán)重,。一個事件模型包括：時間,、地點、人物三個要素,。每一次用戶行為本質(zhì)上是一次隨機事件,，可以詳細描述為：什么用戶，在什么時間,，什么地點,，做了什么事。

什么用戶：關(guān)鍵在于對用戶的標(biāo)識,，用戶標(biāo)識的目的是為了區(qū)分用戶,、單點定位。

以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識方法，獲取方式由易到難,。視企業(yè)的用戶粘性,，可以獲取的標(biāo)識信息有所差異。

什么時間：時間包括兩個重要信息,，時間戳+時間長度,。時間戳，為了標(biāo)識用戶行為的時間點,，如,，1395121950（精度到秒），1395121950.083612（精度到微秒）,，通常采用精度到秒的時間戳即可,。因為微秒的時間戳精度并不可靠,。瀏覽器時間精度,，準確度最多也只能到毫秒。時間長度,，為了標(biāo)識用戶在某一頁面的停留時間,。

什么地點：用戶接觸點，Touch Point,。對于每個用戶接觸點,。潛在包含了兩層信息：網(wǎng)址 + 內(nèi)容。網(wǎng)址：每一個url鏈接（頁面/屏幕）,，即定位了一個互聯(lián)網(wǎng)頁面地址,，或者某個產(chǎn)品的特定頁面?？梢允荘C上某電商網(wǎng)站的頁面url,，也可以是手機上的微博，微信等應(yīng)用某個功能頁面,，某款產(chǎn)品應(yīng)用的特定畫面,。如，長城紅酒單品頁,，微信訂閱號頁面,，某游戲的過關(guān)頁。

內(nèi)容：每個url網(wǎng)址（頁面/屏幕）中的內(nèi)容,?？梢允菃纹返南嚓P(guān)信息：類別、品牌,、描述,、屬性、網(wǎng)站信息等等。如,，紅酒,，長城，干紅,，對于每個互聯(lián)網(wǎng)接觸點,，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽,。

注：接觸點可以是網(wǎng)址,，也可以是某個產(chǎn)品的特定功能界面。如,，同樣一瓶礦泉水,，超市賣1元，火車上賣3元,，景區(qū)賣5元,。商品的售賣價值，不在于成本,，更在于售賣地點,。標(biāo)簽均是礦泉水，但接觸點的不同體現(xiàn)出了權(quán)重差異,。這里的權(quán)重可以理解為用戶對于礦泉水的需求程度不同,。即，愿意支付的價值不同,。

標(biāo)簽權(quán)重

礦泉水 1 // 超市

礦泉水 3 // 火車

礦泉水 5 // 景區(qū)

類似的,，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網(wǎng)瀏覽紅酒信息,，表現(xiàn)出對紅酒喜好度也是有差異的,。這里的關(guān)注點是不同的網(wǎng)址,，存在權(quán)重差異,，權(quán)重模型的構(gòu)建,，需要根據(jù)各自的業(yè)務(wù)需求構(gòu)建,。

所以,，網(wǎng)址本身表征了用戶的標(biāo)簽偏好權(quán)重,。網(wǎng)址對應(yīng)的內(nèi)容體現(xiàn)了標(biāo)簽信息,。

什么事：用戶行為類型,，對于電商有如下典型行為：瀏覽,、添加購物車,、搜索、評論,、購買,、點擊贊,、收藏等等。

不同的行為類型,，對于接觸點的內(nèi)容產(chǎn)生的標(biāo)簽信息,，具有不同的權(quán)重。如,，購買權(quán)重計為5,，瀏覽計為1

紅酒 1 // 瀏覽紅酒

紅酒 5 // 購買紅酒

綜合上述分析，用戶畫像的數(shù)據(jù)模型,，可以概括為下面的公式：用戶標(biāo)識 + 時間 + 行為類型 + 接觸點（網(wǎng)址+內(nèi)容）,，某用戶因為在什么時間、地點,、做了什么事,。所以會打上**標(biāo)簽。

用戶標(biāo)簽的權(quán)重可能隨時間的增加而衰減,，因此定義時間為衰減因子r,，行為類型、網(wǎng)址決定了權(quán)重,，內(nèi)容決定了標(biāo)簽,，進一步轉(zhuǎn)換為公式：

標(biāo)簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重

如：用戶A,，昨天在品尚紅酒網(wǎng)瀏覽一瓶價值238元的長城干紅葡萄酒信息,。

標(biāo)簽：紅酒，長城
時間：因為是昨天的行為,，假設(shè)衰減因子為：r=0.95
行為類型：瀏覽行為記為權(quán)重1
地點：品尚紅酒單品頁的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁的0.7）

假設(shè)用戶對紅酒出于真的喜歡,，才會去專業(yè)的紅酒網(wǎng)選購，而不再綜合商城選購,。

則用戶偏好標(biāo)簽是：紅酒,，權(quán)重是0.95*0.7 * 1=0.665，即,，用戶Ａ：紅酒 0.665,、長城 0.665。

上述模型權(quán)重值的選取只是舉例參考,，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模,，這里強調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型,，進而能夠逐步細化模型,。

四、總結(jié)：

本文并未涉及具體算法,，更多的是闡述了一種分析思想,，在計劃構(gòu)建用戶畫像時，能夠給您提供一個系統(tǒng)性、框架性的思維指導(dǎo),。

核心在于對用戶接觸點的理解,，接觸點內(nèi)容直接決定了標(biāo)簽信息。內(nèi)容地址,、行為類型,、時間衰減，決定了權(quán)重模型是關(guān)鍵,，權(quán)重值本身的二次建模則是水到渠成的進階,。模型舉例偏重電商，但其實,，可以根據(jù)產(chǎn)品的不同,，重新定義接觸點。

比如影視產(chǎn)品,，我看了一部電影《英雄本色》,，可能產(chǎn)生的標(biāo)簽是：周潤發(fā) 0.6、槍戰(zhàn) 0.5,、港臺 0.3,。

最后，接觸點本身并不一定有內(nèi)容,，也可以泛化理解為某種閾值,，某個行為超過多少次，達到多長時間等,。

比如游戲產(chǎn)品,，典型接觸點可能會是，關(guān)鍵任務(wù),，關(guān)鍵指數(shù)（分數(shù)）等等,。如，積分超過1萬分,，則標(biāo)記為鉆石級用戶,。鉆石用戶 1.0。

百分點現(xiàn)已全面應(yīng)用用戶畫像技術(shù)于推薦引擎中,，在對某電商客戶,，針對活動頁新訪客的應(yīng)用中，依靠用戶畫像產(chǎn)生的個性化效果,，對比熱銷榜,，推薦效果有顯著提升：推薦欄點擊率提升27%，訂單轉(zhuǎn)化率提升34%,。

原文作者：郭志金原文地址：http:///n/696144

早讀課banner：流云

如果看到這段文字,，證明您已經(jīng)看完這篇文章了，有什么收獲有什么感想有什么不贊同,，我們期待您的留言評論,，并誠摯邀請您加入“互聯(lián)網(wǎng)er早讀課”QQ群，一同交流每天文章的心得并結(jié)識同行,。官方7群：339397805,，加群密碼“職業(yè)信息+城市+姓名”，否則不予通過,，入群后請修改群名片,。

0

我們猜您可能也喜歡：