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。

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

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。

ElasticSearch 7集群部署

软件版本 服务 版本 操作系统 Centos7 Elasticsearch 7.6 Kibana 7.6 Logstash 7.6 cerebro 0.8.1 JDK java-1.8.0-openjdk.x86

【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。

牛客网刷题-(7)

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。

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。

ESXI安装群晖DSM7教程

本文以在ESXI环境下安装群晖DS3615xs为例（安装DS918+和DS3617xs的过程与本文步骤一样）。 选择存储空间保存，本教程只有一个存储空间，所以没得选择了，下一页； 5、删除不需要的设备、设置CPU和内存 6、打开电脑上的StarWind V2V Image Converter，点Next； 7、 选择第1个选项“Local file”，Next； 8、点“...”选择群晖DS918+的引导IMG文件； 9、找到引导文件（路径和文件名不能有中文，也不能有特殊字符，并且文件名不宜太长），点“打开 19、把新添加的50M的引导文件，硬盘格式选择SATA，位置选择SATA0:0,保存； 20、打开虚拟机，出现的菜单选第2个； 21、开机后快速按↓键，选择第二个启动； 22、成功搜索到群晖

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。

智能化时代，大数据如何赋能银行客群管理，实现精准营销

传统银行在客群管理方面的痛点不断显现： 1、渠道分布不均，客群覆盖面窄 作为将产品与服务传导给客户的通道，渠道对于银行的重要性不言而喻。 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？ 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。 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 而在智能化进程中，大数据是不可忽视的力量，通过大数据打破数据孤岛，打通内外部各大营销渠道，实时追踪客户数据，构建精细化客户标签以及精准的客户画像，找出优质和潜力客群，最后针对将这些客户进行有针对性的营销活动

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。

专栏 | 案例：电信用户分群精准画像的7个步骤

在兰锦池看来，工作中最困难的还是数据源的采集和结构化数据的获取，比如曾经做用户的手机上网行为画像，需要采集手机上网日志数据，并转化为兴趣点数据。 3、确定分析对象 本环节关键点： 缩小分析基础客户群范围，从表中238万宽带客户中筛选出24万符合业务目标的e8客户，作为数据挖掘的基础客户群 具体步骤： 常用的数据挖掘基础客户群筛选维度如下 客户群筛选 7、模型结果解释 具体分群的数据结果如下： ? 根据三个主要判断分群有效的原则，选择提升倍数在1.3以上、客户群规模占比5%以上的群体作为主要目标客户，一共4个客户群。上述的群划分规则即建模变量。 通过决策树模型筛选出目标用户群后，需要进一步根据不同细分目标群体的消费行为特征来推测客户的主要业务需求。此时需要根据e8升e9的业务目标，选择主要的字段来刻画客户特征。 通常对客户群各变量的均值来进行描述，具体如下： ? 因此，具体客户特征总结描述如下： ?

ES7集群搭建_elasticsearch集群搭建

fileOS1 master & node 192.168.10.136 fileOS2 node 192.168.10.137 fileOS3 node 2.软件环境 类型 参数 操作系统 CentOS7 jdk8 es elasticsearch-7.8.0 3.资源包 https://www.elastic.co/cn/downloads/past-releases/elasticsearch-7- 插件需要这打开这两个配置 http.cors.allow-origin: "*" http.cors.enabled: true http.max_content_length: 200mb #es7. x 之后新增的配置，初始化一个新的集群时需要此配置来选举 master cluster.initial_master_nodes: ["es-node-1"] #es7.x 之后新增的配置，节点发现 discovery.seed_hosts

CentOS7安装openshift3.9集群

安装OpenShift Origin，它是Red Hat OpenShift的开源版本 环境CentOS7： Hostname Role IP master.aniu.so Master, etcd,

8.1-8.7 交流群问题汇总第7期

本系列为交流群一周问题汇总。目前群人数比较多，如果你想加群，加我微信回复进群，我拉你进来。 加我好友请备注姓名单位，否则一律忽略！ 2.一个参考： https://online.stat.psu.edu/stat502/lesson/4/4.1/4.1.1 7.

CentOS7搭建Hadoop-3.3.0集群

前提 这篇文章是基于Linux系统CentOS7搭建Hadoop-3.3.0分布式集群的详细手记。 测试集群服务器规划 测试的Hadoop集群使用了3台基于VirtualBox搭建的CentOS7虚拟机： 内网IP 主机名 用户 虚拟磁盘空间 HDFS角色 YARN角色 192.168.56.200 ，版本是1.8.0_252-b09，JDK路径配置如下： COPYexport JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.252.b09-2.el7_ 7、启动和停止HDFS 可以在任意一个节点中启动和停止HDFS，为了简单起见还是在hadoop01节点中操作： 启动：start-dfs.sh 停止：stop-dfs.sh 调用启动命令后，控制台输出如下 本文永久链接是：https://www.throwx.cn/2020/12/27/hadoop-cluster-centos7-install-guide/

架构师视角：如何从数据底座到策略应用构建可复用的人群分析引擎？

例如，需要找出“参与促销活动但至今沉默未转化的客群”，需要使用交集逻辑（促销 ∩ 沉默）；需要找出“高价值中未流失的客群”，需要使用差集逻辑（高价值 - 已流失）。 三、 画像引擎与 TGI 特征计算用户特征画像之所以常被视为数据花瓶，是因为常规的静态分布（如性别分布、地域占比）无法反映出该客群相较于大盘的核心特征差异。 > 100）：自动提炼出 TGI 指数降序排列的 Top10 特征值；显著差异特征：计算目标客群与对照组的 TGI 差异比值，排除大盘背景底噪，精准指出目标客群特有的显著性差异。 STEP 1：基础客群定义动态化：将高频的基础业务场景规则化，一劳永逸适应任何时间区间；STEP 2：场景逻辑画布化：将交并差等关系运算在策略画布中沉淀为规则流；STEP 3：建立分析流程模板：将整个“ 选择群组 → 画布组合 → 画像维度配置”这一长计算链路沉淀为可复用的模板，后续面对同类业务问题，直接替换输入群组即可秒级产出画像结论。

腾讯位置大数据驱动文旅与地产行业精准决策

数据魔方 服务于项目前期投拓决策，提供城市、商圈、购物中心及周边的宏观与微观数据分析，覆盖人口分布、业态分布、客流排名、客群画像等维度。 客留通 聚焦购物中心经营期，提供客流监控、客源分析、客群画像、商圈覆盖、竞争环境及精准营销等全方位数据支持。 客源洞察深度：可细分客源为工作地、居住地、过路地三种场景，进行来源区域排名与画像对比。 竞争态势感知：提供33个维度的城市排行数据，实现空间竞争分布和重合客群分析，把握市场主动权。 龙湖地产：应用数据魔方进行竞品客群来源地分析、售楼处客群热力地图绘制，指导精准营销与业态调整。 业务生态融合：所有微信及小程序的原生地址应用均由其提供能力支撑，数据资源整合了腾讯地图POI数据及APP生态画像数据，场景覆盖社交、游戏、娱乐、电商、本地生活等全域。

CentOS 7集群间实现NFS文件共享

以下所有命令是在CentOS7环境下 1.1 关闭防火墙 systemctl stop firewalld 1.2 把selinux设置为许可模式（或者关闭） etenforce 0 （如果想要禁用，需要更改配置文件