目錄

用戶畫像是什么？

標簽

畫像和標簽

參數化標簽？

標簽的權重？

標簽分類

標簽建模

畫像數據產出

特征標簽

建模標簽

模型預測標簽

---

對自己在畫像項目的一些總結

用戶畫像是什么？

用戶畫像分為畫像和興趣

• 用戶畫像

????????靜態，包括基礎屬性、地理屬性、行為屬性等，應用于客群分析和營銷活動。

????????常見的場景：APP應用架構層級的千人千面、營銷活動圈定人群。

• 用戶興趣

????????動態，包括即時興趣、短期興趣、長期興趣等，應用于推薦系統和內容推薦。

????????常見的場景：搜索欄、商品/內容收藏、購買等。

標簽

畫像和標簽

用戶畫像：用戶信息標簽的一個集合，也可說用戶畫像通常以標簽落地

用戶畫像的標簽是參數化標簽

用戶畫像的標簽是有權重的

參數化標簽？

標簽背后有嚴格的口徑定義，比如我們定義：

????????標簽【偏好王者榮耀】代表【過去1個月下過5次王者訂單的人群】

后面口徑修改【過去1個月下過10次王者訂單的人群】，此時需要廢棄舊的標簽，重新生產新的標簽，這顯然是不合理的

參數化即把標簽口徑中可變的部分設置為參數，【偏好王者榮耀】代表【過去N個月下過M次王者訂單的人群】

標簽的權重？

每個標簽都要有權重

標簽分類

標簽分為幾類：

????????1. 統計類

????????包括直接提取的標簽，又叫事實標簽

????????包含用戶的基本信息以及用戶行為聚合的比如下單次數

????????2. 規則類

? ? ? ? 需要自定義規則，又叫建模標簽，由人來指定，滿足一定條件的

? ? ? ? 3.機器學習標簽

? ? ? ? 非確定性的標簽，又叫預測標簽

標簽建模

按照維度劃分標簽：

????????將標簽按照內容橫向分開

????????基本社會屬性，行為習慣，購買能力，興趣愛好等

設置分級標簽模型

將標簽按照模型縱向分開

畫像：用戶信息標簽的一個集合

用戶行為可追溯，把用戶的行為勾勒出一個用戶的信息全貌，個性化服務

根據數據，生產標簽

畫像數據產出

畫像有幾部分組成的

特征標簽

首先有一部分是一個大表，屬于畫像特征，這部分是統計類又叫事實標簽，可以直接從數據提取，不需要建模

CREATE TABLE IF NOT EXISTS dwd_user_trade_features ( --這里按類型給一個大概uid BIGINT COMMENT '用戶uid',nickname STRING COMMENT '用戶昵稱',mobile STRING COMMENT '用戶手機號',gender BIGINT COMMENT '性別 0=女 1=男 2=未知',age BIGINT COMMENT '年齡',constellation STRING COMMENT '星座',create_time DATETIME COMMENT '注冊日期',register_days BIGINT COMMENT '注冊天數',province STRING COMMENT 'ip所在省份',city STRING COMMENT 'ip所在城市',diamond_amount DECIMAL COMMENT '鉆石余額'--活躍，包含最近 3,7...181天等口徑，我們最高是181天的,login_days BIGINT COMMENT '登錄天數',last_login_date DATETIME COMMENT '最后一次登錄日期',keep_days BIGINT COMMENT '留存天數(最后登陸時間-注冊時間)',leave_days BIGINT COMMENT '未登錄天數(當下時間-最后登陸時間)',login_num_3 BIGINT,login_num_7 BIGINT,login_num_14 BIGINT,login_num_30 BIGINT,login_num_60 BIGINT,login_num_90 BIGINT,login_num_120 BIGINT--動態，粉絲，關注，點贊等，包含最近 3,7...181天等口徑,fans_counts BIGINT COMMENT '粉絲總數',follow_users BIGINT COMMENT '關注用戶數',loss_recommend_dongtai_counts BIGINT COMMENT '曝光動態次數',loss_recommend_dongtai_users BIGINT COMMENT '曝光動態用戶數',loss_click_dongtai_counts BIGINT COMMENT '點擊動態數',loss_click_dongtai_users BIGINT COMMENT '點擊動態用戶數',loss_reply_dongtai_counts BIGINT COMMENT '評論動態數',loss_reply_dongtai_users BIGINT COMMENT '評論動態用戶數',loss_zan_dongtai_counts BIGINT COMMENT '點贊動態數',loss_zan_dongtai_users BIGINT COMMENT '點贊動態用戶數',loss_play_dongtai_users BIGINT COMMENT '播放動態視頻用戶數',loss_play_dongtai_counts BIGINT COMMENT '播放動態視頻次數',loss_play_dongtai_times BIGINT COMMENT '播放動態視頻時長，單位:秒',loss_view_my_profile_users BIGINT COMMENT '瀏覽我的主頁用戶數'-- 商家，這個可能有兩部分，一部分是你下單和被下單等等,is_god BIGINT COMMENT '是否是大神',god_income DECIMAL COMMENT '大神收入總額',god_from_users BIGINT COMMENT '付費給大神的人數',god_first_trade_date DATETIME COMMENT '大神第1次接單時間',god_last_trade_date DATETIME COMMENT '大神最后1次接單時間',order_amount DECIMAL COMMENT '下單總額',order_num BIGINT COMMENT '下單次數',order_to_users BIGINT COMMENT '下單用戶數',each_order_avg_amount DECIMAL COMMENT '平均每筆下單金額'--直播聊天室等，還有一些房間類型等等,is_live_enter BIGINT COMMENT '是否進入過直播間',live_enter_num_3 BIGINT COMMENT '最近N天進入直播間次數',live_room_to_users_3 BIGINT COMMENT '最近N天直播打賞用戶數',live_view_time_3 BIGINT COMMENT '最近N天觀看直播時長(單位:秒)',chatroom_view_room_3 BIGINT COMMENT '最近N天訪問房間個數' );

建模標簽

還有一部分是需要建模的

這種畫像標簽需要你事先定義好，每一個標簽對應一種口徑

用戶行為標簽表表結構：
?

模型預測標簽

還有預測標簽，這部分我沒有處理過，不是很清楚

總結

以上是生活随笔為你收集整理的公司用户画像项目总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。