- 综合排序
- 最热优先
- 最新优先
- 来自专栏实时计算
揭秘阿里巴巴的客群画像
平台场景目标群体及场景间买家差异性尚不明确，客群矩阵就是为场景中控解决这一业务痛点、提高场货分发效能而专门设置的算法研究主题。同时，客群矩阵也是用户增长和算法特征的核心数据。 鉴于客群矩阵如此重要且拥有诸多应用，其构建迫在眉睫。 我们主要围绕人、货、场、商4个维度构建，客群矩阵概况如图1所示。 客群矩阵同场景矩阵叠加，在构建场景目标用户、衡量场景差异性的同时，也能提高场景效能，有效引导目标流量，进而为各类业务场景的算法建模提供底层数据基础。 既然B类用户群体主要是企业和批发商，那么如何准确地描述客群矩阵呢？采购力就是突出的表征，采购力包含采购金额和采购频率，从采购力可以看出用户的经营规模和消耗能力。
2.1K10发布于 2020-08-17 客流类API实测：门店到访客群画像数据获取
这个API叫“门店到访客群画像分布”，主要用于线下实体门店到访客群的画像统计和分析的，比较契合我们的产品功能需求，整体接入过程还是比较顺利，数据也满足要求！ 一级业态枚举：餐饮，零售，生活配套，休闲娱乐，家庭亲子餐饮从Query参数可知，这个客流API可以获取指定月份、指定场景（门店）的到访客群画像，涵盖基础画像（如年龄、性别）和各种偏好画像（如消费、兴趣） ，对实体门店的客群统计和分析的价值还是很大的。 一、在线获取1、在及刻开放平台首页右上角注册后，进行到控制台，查看已经订购的API和创建API Keys，用于后续接口调用；2、在能力中心页面找到“泛客流”栏目，找到“门店到访客群画像分布”API；3、 error":"","billing":{"count":1,"price":0}}API调试过程中发现API的响应速度还是很快的，而且返回的数据正是企业所需要的数据，接入到产品中，就能得到实体门店客群的画像分析功能
34510编辑于 2025-08-21- 来自专栏猴子数据分析
4个问题带你了解用户画像
接下来，我将带你通过4个问题一次性弄明白用户画像。 image.png 1. 什么是用户画像？ 下图展示了电商和广告可能用户画像情形（说明：一款产品可能拥有多个用户画像代表）。 image.png （4）总结 image.png 2. 用户画像有什么用？如何使用？ 4）停止团队成员对产品内容优先级和执行顺序的争论。 image.png 对于一个项目而言，用户画像理应从最初的产品规划阶段就开始构建。 image.png 产品功能确定阶段，产品还没有实际用户，用户画像是相对简单的标签，如“年轻妈妈”。最初功能设定都需要围绕这一重点客户群展开，才能保证产品不偏离规划。 （4）总结：用户画像有哪些注意事项 image.png 4. 总结 本篇主要带你了解用户画像的定义、作用和注意事项。下次带你了解如何构建用户画像。
1.3K00发布于 2020-10-28 - 来自专栏数据计算
提速银行用户画像客群交集计算200+倍
问题描述X银行用户画像应用中，需要完成客群交集计算。客群数量多达数千个，每个客群包含的客户数量不等，从几十万到上亿都有。要计算出任意N（一般是2-10）个客群共同的客户。 一个客户平均属于10个客群，如果用数据库表来存储的话，客户-客群表就有十亿多条记录。 客群有几千个，用整数保存的话数据量太大，而客群是个标签属性，只有是否两种状态，只需要一个bit（位）就能保存。一个小整型的二进制表示有16位，每一位都可以表示一个客群。 0表示不属于这个客群，1表示属于这个客群。做两个客群的交叉时，取其中的最多2列即可；做n个客群交叉，取其中最多n列即可。我们采用列式存储，在n小于10的时候，能大量减少读取数量。 12CPU（核）的虚拟机执行12个月的查询，只需要4秒。而原先100CPU（核）的虚拟机执行同样的查询需要120秒，性能提高了250倍（100CPU*120秒÷12CPU*4秒）。
30710编辑于 2024-10-31 - 来自专栏全栈开发日记
【极客日记】群晖安装及洗白教程
1、制作引导镜像 1.1、准备工具 主要是三个文件：arpl.img、群晖操作系统pat文件、rufus.exe。 一个U盘：用于存储和引导镜像的，这个U盘后续必须插在群晖物理机上才能正常引导启动群晖系统，8GB足以。 2、U盘启动 ① 将制作好的启动盘插到要装群晖的物理机上，并将该物理机为U盘启动。U盘启动请自行百度。 ② 为该物理机插上网线。 ③ 为装群晖的物理机接一个显示屏（会显示群晖引导访问地址），或直接通过路由器查看装群晖物理机的内网IP，并在内网中其他电脑浏览器中访问http://群晖物理机内网IP:7681，即可访问到群晖引导界面。 4、注册账户 群晖全球站账户注册地址：https://account.synology.com/zh-cn/register/ 账户注册教程：https://www.ainas.cc:88/?
9.1K10编辑于 2024-01-14 - 来自专栏Material Design组件
增长黑客4：获客
尽可能提高获客的成本效益率永远是王道，而且所有公司都应该始终致力于树立良好的口碑，以降低新用户获取成本。 扩大获客规模，首先要有两种匹配： 1、语言-市场匹配：也就是你对产品优势的描述打动目标用户的程度 *乘车码：“没零钱，忘带卡，出行就用乘车码”从痛点入手突出产品优势 2、渠道-产品匹配：即你所选择的营销渠道在向目标用户推广产品时的有效程度 4、不断进行新尝试 即使你已经找到了一个可靠的渠道或者一系列奏效的策略，新的选择还在不断涌现，你要做的就是不断寻求可用于试验的新策略。 随着增长加速，新渠道会变得更加重要。 4、确保受邀者获得满意的体验 需要告知这个产品是干什么的／为什么他们应该加入后再要求他们创建账户。
80931发布于 2019-01-03 - 来自专栏HTML5学堂
2016.04第4周 群问题分享
JavaScript var array =['1', '2', '3', '4'];怎么变成 ['4', '3', '2', '1'] 2016.4.25~2016.4.29 核心概念 颠倒数组中元素的顺序 HTML5学堂小编 - 陈林 耗时4h
1K140发布于 2018-03-13 - 来自专栏Python数据结构与算法
牛客网刷题-(4)
#将最大值输出 print("%d eh o maior"%X) 这道题的难点:题目给了你两个数如何取得最大值,但是现在求三个数,我们可以先比较前两个再比较第一次取到的最大值和未比较值的大小 (4)
20410编辑于 2024-01-18 - 来自专栏HTML5学堂
2016.07 第4周 群问题分享
HTML+CSS CSS pixels与Device pixels有何区别？ 2016.07.25~2016.07.29 核心概念 CSS pixels、Device pixels 问题解析 CSS pixels： 浏览器使用的抽象单位， 主要用来在网页上绘制内容 Device pixels： 显示屏幕的的最小物理单位，每个dp包含自己的颜色、亮度 等值的 CSS pixels在手机屏幕上占多大的位置，这不是固定的，这取决于很多属性。经过分析和总结，我们可以得出这么一条公式： 1 CSS pixels =
99850发布于 2018-03-13 - 来自专栏深度学习与python
这个 Redis 问题画像，干掉了一摞简历 ｜ 极客时间
这里，分享给你一张 Redis 问题画像图，帮你快速定位问题对应的 Redis 主线模块，及相关技术点。 这样一来，积累越多，画像就越丰富。
40710编辑于 2023-04-01 - 来自专栏活动盒子
智能化时代，大数据如何赋能银行客群管理，实现精准营销
4、用户分析不全面，客群粘性不高 客户群体的金融消费特征随时代变迁和成长的生命周期变化而改变，因此具备较强的用户分析能力，是提高客户粘性的关键。 4、构建精准的客户画像 智能时代带来了多样化的场景交互方式，同时也产生了庞大的客户数据，这些数据经过加工提炼形成各类客户标签，真实地反映了客户行为、偏好和需求，对构建客户画像时具有很高的研究价值。 另外，想要构建一个完整的客户画像，一般需要分为4个步骤： （1）数据搜集与处理； （2）通过文本挖掘、自然语言处理、机器学习、预测算法、聚类算法等进行模型构建； （3）生成客户标签，包括人口属性、金融属性 、行为信息、客户关系、风险信息 、兴趣偏好等，从不同维度、颗粒度对客户进行描述，搭建客户画像体系； （4）根据不同应用维度建立客户分群，指导决策。 大数据技术在客户画像基本属性的基础上，进一步分析获取客户偏好、用户习惯等信息，再对客户属性、订单、行为、行为等组合条件，自动将用户划分到群组，形成特定客群划分，进而可以根据客群画像提取客户需求，最终做到针对不同的客群
3.7K83发布于 2020-04-14 - 来自专栏Zaqdt_ACM
牛客寒假算法基础集训营4 F. Applese的QQ群(二分+拓扑排序+dfs)
题目链接：https://ac.nowcoder.com/acm/contest/330/F
43710发布于 2019-03-01 超长国债来了，高净值客群的机会在哪儿？
而房地产作为抵御通胀、分散投资风险的重要手段，自然成为高净值客群重点关注的选项之一。好房子成高净值客群资产配置“聚集地”高净值客群通常追求资产配置的多样化，以分散投资风险。 评估当前房地产市场现状和趋势可以发现，高净值客群最优质、最首要配置的优质资产，无疑是核心城市核心地段的好房子。 核心城市核心地段的房子适合居住，还有较高投资价值，这样具备双重属性的好房子，自然成为高净值客群资产配置“聚集地”。 一线城市核心地段的豪宅作为稀缺资源，具有多重投资优势，而且一线城市限购政策已经“松绑”，这对于高净值客群来说是个好机会。 在当前的经济和政策环境下，高价值楼市从稀缺品变为资产配置的必需品，其背后的投资逻辑和市场趋势都显示出，这一领域将继续成为高净值客群关注的焦点。
22810编辑于 2024-06-18- 来自专栏王小雷
Redis4集群安装部署实战
4.创建集群 只需在redis-cluster1服务器上操作 仅需要在redis-cluster1服务器上安装gem redis (为来redis-trib可以执行)，其他服务器不用。
1.2K100发布于 2018-01-02 四力PLUS商家增长平台产品介绍
数据驱动CaaS服务：方略围绕“人货场”提供大数据轻咨询（客群画像、潜客地图、选址、建模共创），输出可落地业务方案。 四力方略能力： 客群画像报告：标签洞察（基础信息、履历、生活态度、通用兴趣）、聚类工具（筛选特征-聚合客群-得出结论）、交付物示例（网瘾少年、雪田丽等客群画像）。 全城潜客地图：城市级潜客扫描赋分（栅格图<Geohash6约1.2km0.6km、Geohash7约150m150m>、围栏圈选），支持一方自定义客群（高频/会员/高净值）。 小程序黑盒诊断覆盖前端/安全/性能，含18项问题示例（某潮玩品牌）； 行业报告多深度覆盖（日常/专项/定制），补充微信生态洞察； 方略轻咨询聚焦人货场，输出客群画像、潜客地图等大数据方案； 客群聚类工具灵活（筛选-聚合-结论-示意图），含典型客群画像； 全城潜客地图支持栅格/围栏双模式，潜客识别与赋分； 线下选址报告用有店栅格建模预测未开店址销量。
8110编辑于 2026-03-31- 来自专栏Python数据科学
数据挖掘实战：聚类分群实现精准营销
再比如，我们现在有客户的基础属性、业务等画像数据，想对客户的价值高低进行识别，从而能够有针对性的进行产品营销。此时同样可以通过聚类划分出对业务影响不同程度的客群，然后再以此设计策略。 客群5：消费能力强、资产质量好、风险低，活跃度极差，是需要重点挽留的高价值客群； 客群3：消费能力强、资产质量好、风险低，活跃度较差，是需要促活的高价值客群； 客群2：风险中低，资产、消费、活跃均衡，稳定性高 ，是需要继续维持的中高价值客群； 客群1：与客户群2类似，但稳定度差一些，是需要继续维持的中高价值客群； 客群4：高风控的下沉人群，同时活跃度较高，存在多头的风险，是需要避免的高危低价值客群； 业务或者策略人员可以针对这个分层设计相应的营销策略 客群 特点 策略建议 客群5 高价值，但不活跃 重要挽留，给这类客户筛出为白名单，调整产品权益如提高额度、降低利率，进行电话营销防止流失 客群3 高价值，中等活跃 重要发展，临到期客户提前电话营销促成复购 ；对已到期存量客户通过PUSH、短信推送营销活动 客群2&客群1 中高价值、中等活跃 重要维持，临到期客户提前电话营销促成复购；对已到期存量客户通过PUSH、短信推送营销活动 客群4 低价值，高风险，高活跃
1.3K10编辑于 2023-12-13 - 来自专栏Listenlii的生物信息笔记
7.11-7.17 交流群问题汇总第4期
4.数据分析的一个样本问题:所有样本一起分析还是分组分别分析？ 这是我最近遇到的一个问题，写成了一篇公众号： 数据分析的一个样本问题:所有样本一起分析还是分组分别分析？
87440发布于 2021-07-30 - 来自专栏大数据文摘
数据告诉你：面对双11，线下商机何在
研究数据涉及北京、武汉、深圳重点商圈的男装、女装、化妆品店在“双11”前一个周末（11月7日、11月8日）的客流及客群画像与“双11”前三周的对比。由芝麻科技的客流分析系统有数提供研究所需数据。 热力图直观呈现了品牌受众在双11前周末的分布情况，如果品牌能够充分利用客群的聚集效应，可以高效地将人气转化为销量。 芝麻科技的大数据消费者画像除了有近500项标签刻画消费者画像外，还能够提供品牌受众地理位置分布热力图，了解品牌受众的逛街习惯、集中地理位置等，可作为品牌新店选址、基于地理位置广告投放策略参考等。 化妆品店的老客对于品牌与产品已经非常熟悉，不再需要进店体验，而大量新客会进入门店试用产品。如果导购或BA能为这部分新客提供满意的服务体验，将有可能引发他们的购买意愿，并形成最终转化。 双11不是实体商业的黑色周，相反，无论是客流数据，还是客群画像，都证明了旺盛的购物意愿会为实体商业带来大量销售机会。
8.2K60发布于 2018-05-22 - 来自专栏全栈程序员必看
2020年抖音用户画像报告，DAU超4亿！「建议收藏」
抖音DAU超4亿，较去年同期的2.5亿，增长了60%。抖音与头条的重合度为32.1%，重合用户占抖音的42.2%。 抖音与西瓜的重合度为24.6%,重合用户占抖音的29.5%。 抖音整体人群画像，男女较均衡，19-30岁TGI高，新一线、三线及以下城市用户TGI高。 抖音省份/城市TOP10分布，广东、河南、山东省占比高，郑州、西安、昆明市偏好度高。 抖音男女人群画像，男性19-24岁、41-45岁的用户偏好度高，女性中19-30岁用户偏好度高。 抖音高低线城市人群画像，高线城市中19-30岁的用户偏好度高，低线城市中19-35岁用户偏好度高。 抖音不同年龄段人群画像，95后中男性占比略高、且TGI高；90后中女性TGI高。抖音不同年龄段人群画像，85后中女性TGI高，低线城市占比超6成；80后中男性占比高、TGI高。
9.1K20编辑于 2022-06-27 - 来自专栏简书专栏
基于bs4+requests的安居客爬虫
spyder方便查看变量 或者可以查看生成的excel文件 2.依赖库，命令行运行(WIN10打开命令行快捷键：windows+x组合键，然后按a键)： pip install BeautifulSoup4 pip install requests 3.爬取的网站是安居客(厦门)网站，可以进入https://xm.fang.anjuke.com/loupan/all/进行观察 4.关于如何判断代码是python2 Jan 14 19:07:39 2018 @author: Steven Lei """ def getHousesDetails(url): import requests from bs4
1.1K10发布于 2018-09-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号