所谓用户画像就是标签的汇总，从用户不同方面信息中提取有价值特征来构建标签库，并从标签库中探索信息，从而构建用户画像。

用户画像建模：

第一步：统一用户唯一标识

用户唯一标识是整个用户画像的核心，方便跟踪和分析一个用户的特征。

设计唯一标识的选择：用户名、注册手机号、联系人手机号、邮箱、设备号、cookieID等。

第二步：给用户打标签，即用户画像

用户消费行为分析，可从4个维度来进行标签划分。

用户标签：用户基本属性，包括性别、年龄、地域、收入、学历、职业等。

消费标签：消费习惯、购买意向、是否对促销敏感等。

行为标签：分析用户行为，包括时间段、频次、时长、访问路径等。

内容分析：对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，如金融、娱乐、教育、体育、时尚、科技等。

第三步：将用户画像与业务关联

从用户生命周期的三个阶段来对业务进行划分：获客、粘客和留客

获客：通过精准营销获取客户。

粘客：个性化推荐，搜索排序，场景运营等。

留客：流失率预测，分析关键节点降低流失率。

从数据流处理阶段划分用户画像建模过程，可分为数据层、算法层和业务层

数据层：用户消费行为里的标签，可以打上事实标签，作为数据客观的记录

算法层：透过行为算出的用户建模，可以打上模型标签，作为用户画像的分类标识。

业务层：获客、粘客、留客的手段，可以打上预测标签，作为业务关联的结果。

流程：通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。

例：美团外卖的用户画像设计

第一步：统一用户唯一标识

手机号作为用户唯一标识

第二步：给用户打标签，即用户画像

按照用户消费行为分析的准则来进行设计

用户标签：性别、年龄、家乡、居住地、收货地址、婚姻、子女、通过何种渠道进行的注册等。

消费标签：餐饮口味、消费均价、团购等级、预定使用等级、排队使用等级、外卖等级等。

行为标签：点外卖时间段、使用频次、平均点餐用时、访问路径等。

内容分析：基于用户平时浏览的内容进行统计，包括餐饮口味、优惠敏感度等。

第三步：将用户画像与业务关联

在获客上，可以找到优势宣传渠道，如何通过个性化宣传手段，吸引具有潜在需求的用户，并刺激转化。

在粘客上，如何提升用户的单价和消费频次，方法可以包括购买后的个性化推荐、针对优质用户进行优质高价商品的推荐、以及重复购买，比如通过红包、优惠等方式激励对优惠敏感的人群，提升购买频次。

在留客上，预测用户是否可能会从平台上流失。用户流失可能由用户体验，竞争对手，需求变化等因素导致，通过预测用户流失率可大幅降低用户留存的运营成本。

项目实例：电商用户画像及行为分析

一，数据背景

​ 以淘宝APP数据为原始数据集，通过行业常见行业指标对淘宝用户行为进行分析，从而构建用户画像。

二，数据来源

三，数据解释

数据集共计2300多万数据量，时间范围为2014-11-18~2014-12-18，共计6个字段，字段释义如下：

四，分析过程

1.数据预处理

可以看到数据量总计2300多万，因此抽样选取部分样本进行后续分析

查看字段缺失情况

地理信息字段存在大量缺失，且对后续分析无用，因此我们删除此字段

同时在数据预览中可以看到time字段是由日期和小时组成，为了后续分析，在此将其拆分为两个字段

为了后续的用户标签，在此基于time字段构造面板数据

生成用户标签

2.1 用户行为标签
2.1.1 用户浏览活跃时间段标签

    以上就是本篇文章【用户画像及项目实例：电商用户画像】的全部内容了，欢迎阅览 ！ 文章地址：http://syank.xrbh.cn/news/345.html 
     资讯      企业新闻      行情      企业黄页      同类资讯      首页      网站地图      返回首页 迅博思语资讯移动站 http://kaire.xrbh.cn/ , 查看更多