- 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。 5）用户核身预测 对于一个用户的核身预测，我们选取其最近半年的行为数据进行建模打分。
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、 month=2025-01&aoi_id=4818184&analysis_type=1&research_type=1&business=%E5%B1%85%E5%AE%B6%E6%97%A5%E7%
34510编辑于 2025-08-21- 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。 为了计算方便，我们把一个小整型的15个bit用于保存客群标签，600个小整数就可以保存9000个客群标签。在数据表中用600个字段c1到c600，每个字段表示15个客群的位置。 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。
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
玩法众多，详情可自行百度了解，这里提供群晖NAS的学习版安装，仅供学习了解。 以下教程实验于x64架构芯片J1900，理论上x64和x86都支持。 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。
9.1K10编辑于 2024-01-14 - 来自专栏华章科技
手把手教你5步创建用户画像
5. 更好地排列需求优先级 有了用户画像，产品研发团队对目标用户的需求把握会更准确。面对需求时，团队会更加清楚这个需求是高频的还是低频的，是重要的还是不重要的，是大众的还是小众的，等等。 04 创建用户画像的5个步骤 我们的目标是根据市场调研信息完善用户描述、建立用户画像，并对用户画像进行优先级排序，找到产品最主要的用户画像，以此指导产品设计。 创建用户画像通常分为5个步骤：收集用户数据、整合用户画像、完善用户画像、选择主要用户画像、分享用户画像。下面将对各个步骤进行详细的介绍。 1. 完善用户画像 一旦完成了对用户画像的整合，我们就可以进一步完善用户画像，确保每个用户画像都有一个名称和详细描述，以使用户画像更加真实。用户特征列表不能代表用户画像，用户画像是某类用户群体的真实描述。 5. 分享用户画像 最后，与尽可能多的利益干系人分享用户画像。
2.9K20发布于 2021-06-01 - 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Python数据结构与算法
牛客网刷题-(5)
(N//25)) N %= 25 print("%d moeda(s) de R$ 0.10"%(N//10)) N %= 10 print("%d moeda(s) de R$ 0.05"%(N//5) ) N %= 5 print("%d moeda(s) de R$ 0.01"%(N//1)) (2)天数转换 #天数转换 N = int(input()) #年 Y = N //365 print("
18710编辑于 2024-01-18 - 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
那么，在这样的背景下，银行业如何建立新的客群分析体系和营销模式，精准目标客群需求？ 二、大数据赋能客群管理 随着互联网、5G、物联网等的发展和不断迭代推进，传统之下的客户管理模式难以适应数字化时代下客户需求的满足，逐步被“淘汰出局”。 很多商业银行开始积极拥抱大数据的力量，利用大数据技术解决客群管理痛点，更精准有效的识别客群，并结合客群金融消费特征，提供适合不同客群的产品及服务，落实客群管理新方式。 5、智能分组，洞察客户需求 客群分组就是将客户分割成很多的群体，详细的看每个群体对客户特征有什么特性。 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 - 来自专栏可以叫我才哥
5点利用用户画像为产品决策加分！
用户的画像更多的是帮助我们梳理需求和对应的产品决策，能够让我们对产品的认知能够更加清晰的认识。进而让产品进行优化有方向。欢迎各位进行补充和完善。
34631编辑于 2023-08-28 - 来自专栏接地气学堂
5个问题，理清做用户画像的成功之道
用户画像人人都想做，可用户数据从哪里来呢？今天就结合一个问题，详细讲解一下。话不多说，直接上场景。 问题场景：一个O2O平台提供家政服务业务，运营和数据团队讨论“如何建立用户画像，精准服务用户”，大家越聊越嗨森！ 想解决这个问题，得理清5个基本问题。 1 问题1：用户的需求到底值不值得做 比如“手办模型保养”服务，肯定是一个真实需求，肯定胶佬们很喜欢，问题是： 1、有多少人有需求？ 5 问题5：需不需要一次性填所有数据 经过了前边四个问题，结论当然是不需要。本质上，无限度的索取用户画像指标，是一种业务懒政行为。 打着“用户喜欢啥我做啥”的旗号，把获客渠道、产品设计、运营方案、推广计划、促销优惠、二次跟进所有设计都甩锅出来。
70230发布于 2021-03-11 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 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报告基础信息
腾讯智慧文旅首次引入客群画像分析，新增需求端洞察维度。 方法论说明 研究方法：定量分析为主，结合定性洞察 样本规模：覆盖全国30个重点一二线城市及核心旅游目的地 数据来源： 酒店运营数据：厚海数据平台（www.hohidata.com） 客群画像数据 2025年5月 核心观点 市场业绩承压分化：2024年全国五星级酒店RevPAR同比下降6.2%，但城市间分化显著。 客群结构优化驱动价值提升：哈尔滨中高收入客群（月收入＞1万元）占比从39.0%升至46.6%；上海核心区65.4%到访客群月收入过万，支撑高端需求。 为什么选择腾讯云 腾讯智慧文旅作为本报告独家战略合作伙伴，首次引入基于腾讯地图位置大数据的客群画像分析，提供到访热度、收入结构、消费偏好等维度洞察（如TGI指数分析）。
13210编辑于 2026-04-03- 来自专栏summerking的专栏
ansible自动搭建redis5集群
基于ansible全自动部署 redis5 三主三从集群，只需一条命令即可完成搭建！ connected 16c3f24fc1fe1426bf2c6349582f9514249fa18b 192.168.0.90:27000@37000 master - 0 1608810299887 5 0 1608810300000 6 connected 48ae4b7c9e01366be6a41875b7114cc85bdb5c2d 192.168.0.186:27000@37000 master - 0 1608810303922 3 connected 5461-10922 1afdd68c03f07dffe913c07caf5bef20280ccbbe 192.168.0.68:27000 0 1608779040117 6 connected 0b1c24d6db9152c19062a2e1cef5b893d8722e55 192.168.0.68:27001@37001 slave,
61320编辑于 2022-09-19 2025浩华管理顾问公司中国酒店市场价值指数三十城榜单发布
核心价值在于新增腾讯智慧文旅客群画像分析维度，从“人”视角补充供需评估。 调研对象：30城酒店市场供需、业绩、投资、运营健康度及客群特征。undefined•核心分析模型：MVI指数体系（5维度加权综合得分），架构图关键要素为维度权重分配及标准化处理逻辑。 undefined•数据库来源：厚海数据平台（www.hohidata.com）、腾讯地图位置大数据（客群到访热度、画像）。 客群结构优化：哈尔滨中高消费客群（月入过万）占比从39.0%升至46.6%，有车族/有房族比例翻倍，消费潜力释放。 依托腾讯云、AI、大数据技术沉淀，以“云+数字内容+产业服务”驱动文旅升级，其技术先进性与实践成果获行业认可： 技术融合优势：整合云基础设施、AI算法、海量生态数据（如腾讯位置大数据），提供客流热度、客群画像
13610编辑于 2026-04-03- 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 众安保险 CDP 平台：借助 Apache Doris 打破数据孤岛，人群圈选提速4倍
标签和客群管理：CDP 平台支持多维度标签的建设，包含用户属性、用户行为、业务交易状态等。同时，通过规则客群的圈选能力实力客群的精细划分。 全域数据接入之后，这些数据就可以搭建用户数据中心、实时事件中心、客群画像以及营销流程。用户数据中心是客群画像的基石，并与客群画像、实时事件中心一同支撑营销流程的数据需求。 Doris for CDP 在业务场景中的实践全域数据采集为满足不同场景的数据集成需求，CDP 平台主要分为三个板块：离线数据导入：针对标签计算、实时客群预估与圈选，以及标签和客群多维画像分析等场景，我们采用 客群圈选在架构 1.0 中，客群服务先生成动态 SQL，然后将其传输到 Impala 中进行客群圈选。完成圈选后，结果集需被重新读取回客群服务，并由其上传到对象存储中。 客群归属在我们的业务系统中，客群归属扮演着至关重要的角色，特别是在实时智能营销和千人千面的识别场景中。我们经常需要判断某个用户是否隶属于特定的客群，或者确定其属于哪些客群。
1.6K01编辑于 2024-03-18- 来自专栏Albert陈凯
P04_zookeeper-cdh5集群搭建
安装ZooKeeper包 [CDH下载地址]（http://archive.cloudera.com/cdh5/cdh/5/） 1、将课程提供的zookeeper-3.4.5-cdh5.3.6.tar.gz
88660发布于 2018-04-08 - 来自专栏Listenlii的生物信息笔记
7.18-7.24 交流群问题汇总第5期
是培养基上真菌基本长满之后，有专门的打孔器，长圆柱形，圆的直径约为5 mm-1 cm。 咔，打一下，就出来一个菌块，把这个菌块挑出来，转接到另外一个皿。形状如下： ? 5. SEM变量 问：文章中SEM的变量是潜变量，但是是通过多元线性回归计算出来的复合变量，如何实现？多元线性回归不是要有确切的自变量和因变量吗？这里的因变量是啥？
1.2K30发布于 2021-07-30
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