- 综合排序
- 最热优先
- 最新优先
- 来自专栏架构师修炼
用户画像基础
用户画像可看作企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基础。由此看来，如何从海量数据中挖掘出有价值的信息越发重要。 ? 从基础设施建设到应用层面，主要有数据平台搭建及运维管理、数据仓库开发、上层应用的统计分析、报表生成及可视化、用户画像建模、个性化推荐与精准营销等应用方向。 该类标签构成了用户画像的基础。 ② 规则类标签 该类标签基于用户行为及确定的规则产生。例如，对平台上“消费活跃”用户这一口径的定义为“近30天交易次数≥2”。 用户画像基础：需要了解、明确用户画像是什么，包含哪些模块，数据仓库架构是什么样子，开发流程，表结构设计，ETL设计等。这些都是框架，大方向的规划，只有明确了方向后续才能做好项目的排期和人员投入预算。 图1-8 回收的调研问卷（截图自“问卷星”） 08 小结 本文主要介绍了用户画像的一些基础知识，包括画像的简介、标签类型、整个画像系统的数据架构，开发画像系统主要覆盖的8个模块，以及开发过程中的各阶段关键产出
5.2K50发布于 2020-08-06 - 来自专栏算法之名
Flink用户画像用户画像行为特征
INSERT","id":15,"tablename":"user_info","account":"abcd","age":24,"email":"981456@qq.com","status":0} 创建用户画像 reduce.addSink(new CarrierAnalySink()); env.execute("portrait carrier"); } } 创建用户画像会员分类标签 ()); reduce.addSink(new MemberAnalySink()); env.execute("portrait member"); } } 用户画像行为特征 这里我们会分析用户的几个行为，并进行画像 浏览商品行为：频道id、商品id、商品类别id、浏览时间、停留时间、用户id、终端类别(1、PC端，2、微信小程序，3、app)、deviceId。 创建用户画像商品类别偏好标签 创建一个商品类型标签实体类 @Data public class ProductTypeLabel { private Long userid; private
10.2K20发布于 2021-11-10 - 来自专栏凹凸玩数据
用户画像
关于用户画像的概念，数据相关从业人员应该都知道。用户画像的应用场景很广泛，比如精细化运营、数据分析与挖掘、精准营销、搜索和广告的个性化定向推送等。 用户画像的分析核心一个是对用户建模打标签，关于这，之前在内部交流群分享了一份个人学习的资料，大家都觉得真香，今天把全部内容共享出来供大家自行下载阅读。 主要目录： 1、用户画像应用场景 2、产品层面的宏观分析维度 3、用户画像标签类型 4、用户画像项目开发流程 5、数据仓库介绍 6、用户画像数据质量管理 7、常见需要开发的用户画像相关模型 8、用户行为标签表实际开发案例
6.6K20发布于 2020-02-20 - 来自专栏凹凸玩数据
用户画像
开发画像后的标签数据，如果只是“躺在”数据仓库中，并不能发挥更大的业务价值。只有将画像数据产品化后才能更便于业务方使用。 本文主要介绍用户画像产品化后主要可能涵盖到的功能模块，以及这些功能模块的应用场景。 01 即时查询 即时查询功能主要面向数据分析师。 将用户画像相关的标签表、用户特征库相关的表开放出来供数据分析师查询。 Hive存储的相关标签表，包括userid和cookieid两个维度。 图13 对比分析两个人群特征 本文介绍了用户画像产品化主要涵盖的功能模块以及这些模块的应用场景。用户画像产品化是把数据应用到业务服务中的一个重要出口，业务人员熟知业务，但对数据不了解。 本文摘编于《用户画像：方法论与工程化解决方案》，经出版方授权发布。
5.7K30发布于 2020-11-04 - 来自专栏算法无遗策
用户画像构建
用户画像是指用户的进行标签化、信息结构化。 构成用户画像的基本元素通常有：姓名、照片、个人信息、经济状况、工作信息、计算机互联网背景。 用来丰富用户画像的元素有：居住地、工作地点、公司、爱好、家庭生活、朋友圈、性格、个人语录等等。 创建用户画像的方法 用户画像的作用 精准营销，分析产品潜在用户，针对特定群体利用短信邮件等方式进行营销； 用户统计，比如中国大学购买书籍人数 TOP10，全国分城市奶爸指数； 数据挖掘，构建智能推荐系统 ，利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌，利用聚类算法分析，喜欢红酒的人年龄段分布情况； 进行效果评估，完善产品运营，提升服务质量，其实这也就相当于市场调研、用户调研，迅速下定位服务群体，提供高水平的服务 ； 对服务或产品进行私人定制，即个性化的服务某类群体甚至每一位用户； 业务经营分析以及竞争分析，影响企业发展战略。
4.6K11发布于 2019-12-23 - 来自专栏计算机视觉CV
用户画像小结
前段时间做可一些用户画像方面的工作，对用户画像技术有了初步了解。如果你是一个对大数据和用户画像技术完全不了解的小白，希望这篇文章可以提供一点帮助。 在项目开展前，当然要先了解用户画像主要是干什么的，下面是我总结的两篇文章，大家可以先对大数据和用户画像有个基本的认识。 用户画像--《美团机器学习实践》笔记 如果刚接触用户画像，可以先通过以上两篇文章对用户画像挖掘和应用有初步了解。如果你读完以后是一脸懵的话，我知道你很急，但是你先别急。 使用pyspark实现RFM模型及应用（超详细） 利用用户的消费流水，对用户的消费水平打标签~实现简单的用户付费画像。 "的兴趣度是"0.5"~短期（天）兴趣画像就出来啦~ 以上内容阐述了如何通过最直观简洁的方式来构建用户画像，让大家对用户画像的概念有更深入的理解。
1.6K111编辑于 2023-08-04 - 来自专栏全栈程序员必看
用户画像总结
二、 用户画像的作用 在互联网、电商领域用户画像常用来作为精准营销、推荐系统的基础性工作，其作用总体包括： （1）精准营销：根据历史用户特征，分析产品的潜在用户和用户的潜在需求，针对特定群体，利用短信、 （3）数据挖掘：以用户画像为基础构建推荐系统、搜索引擎、广告投放系统，提升服务精准度。 ，这些数据是全方位了解用户的基础，这里以Qunar的画像为例，其画像数据主要维度如下所示，包括用户RFM信息、航线信息等。 Qunar的画像数据仓库构建都是基于Qunar基础数据仓库构建，然后按照维度进行划分。 （1）标签分类 用户画像标签可以分为基础属性标签和行为属性标签。
3.4K11编辑于 2022-09-09 - 来自专栏阿黎逸阳的代码
电信流失用户画像
因此为了满足在激烈竞争中的优势，提前预测出用户是否会流失，采取保留措施成为一大挑战。 本文和你一起探索电信流失客户的画像，后续文章会对电信用户进行流失预测。 一、数据读取与分析 首先介绍一下数据集，它总共包含了7043个用户的信息。 每行存储一个用户的样本，每条样本包含21条属性，由用户基本信息、开通业务信息、签署合约信息、目标变量组成，具体如下： 变量名 描述 数据类型 所属特征群或标签 customerID 客户ID 字符串 基本信息 说明如果想增加用户留存，可以考虑给老年人一些优惠活动或采取一些激励措施来减少老用户的流失。 从bad_rate一列可以看出，总费用越低，客户流失率越高，可能和客户是新用户相关。 三、流失客户画像分析-总结 总结的流失客户画像如下： 至此，电信流失客户画像已讲解完毕。
2.7K10编辑于 2023-08-21 - 来自专栏数据的力量
如何构建用户画像
相比传统的线下会员管理、问卷调查、购物篮分析，大数据第一次使得企业能够通过互联网便利地获取用户更为广泛的反馈信息，为进一步精准、快速地分析用户行为习惯、消费习惯等重要商业信息，提供了足够的数据基础。 伴随着对人的了解逐步深入，一个概念悄然而生：用户画像（UserProfile），完美地抽象出一个用户的信息全貌，可以看作企业应用大数据的根基。 一、什么是用户画像？ 这样一串描述即为用户画像的典型案例。如果用一句话来描述，即：用户信息标签化。 如果用一幅图来展现，即： ? 二、为什么需要用户画像 用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？ 所以，用户画像，即：用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。 3.1 数据源分析 构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。
3.3K61发布于 2018-06-20 - 来自专栏猴子数据分析
如何构建用户画像？
image.png 在《4个问题带你了解用户画像》中，我们了解了用户画像的定义、作用及使用注意事项等。 就有用户留言问了：在实际工作中，构建用户画像的方法有哪些？如何构建用户画像呢？ 下面我将结合通过案例，带你了解构建用户画像的4个步骤： image.png 用户画像是为业务服务的，因此我们构建画像之前一定要清晰项目背景和业务需求。 image.png 在以上数据基础上筛选出核心用户代表。 （如果用户中包含知名游戏主播/UP主，且符合多数筛选条件，考虑优先选择。因为主播及KOL在行业具有影响力，自带推广效果。） image.png 初步印象量表显示，用户对游戏的初印象总体较好，各部分得分都高于5.9分。 在此基础上，对比相近问题会发现需要改进的地方。 用户归类 image.png 回顾用户画像的定义：用户画像是目标用户的代表性画像，其中包含了用户属性、场景、痛点和需求等。 实际构建过程中，我们往往无法用一个画像代表所有目标用户。
2.9K00发布于 2021-08-11 - 来自专栏猴子数据分析
如何构建用户画像？
在《4个问题带你了解用户画像》中，我们了解了用户画像的定义、作用及使用注意事项等。 就有用户留言问了：在实际工作中，构建用户画像的方法有哪些？如何构建用户画像呢？ 下面我将结合通过案例，带你了解构建用户画像的4个步骤： 用户画像是为业务服务的，因此我们构建画像之前一定要清晰项目背景和业务需求。 （例：友盟-移动应用数据监控及分析界面） 通过后台数据定位关联游戏，获取该类游戏用户的基本信息、使用数据、留存数据、付费数据等。 在以上数据基础上筛选出核心用户代表。 初步印象量表显示，用户对游戏的初印象总体较好，各部分得分都高于5.9分。 在此基础上，对比相近问题会发现需要改进的地方。 用户归类 回顾用户画像的定义：用户画像是目标用户的代表性画像，其中包含了用户属性、场景、痛点和需求等。 实际构建过程中，我们往往无法用一个画像代表所有目标用户。
4.8K30发布于 2021-09-23 - 来自专栏华章科技
什么是用户画像？金融行业大数据用户画像实践
二、用户画像的目的 用户画像是在解客户需求和消费能力，以及客户信用额度的基础上，寻找潜在产品的目标客户，并利用画像信息为客户开发产品。 三、用户画像工作坚持的原则 市场上用户画像的方法很多，许多企业也提供用户画像服务，将用户画像提升到很有逼格一件事。 任何企业进行用户画像的目的是寻找目标客户，其必须是具有潜在消费能力的用户。信用信息可以直接证明客户的消费能力，是用户画像中最重要和基础的信息。一句戏言，所有的信息都是信用信息就是这个道理。 让用户画像离商业应用更加近一些，体现用户画像的商业价值。 利用DMP进行基础标签和应用定制，结合业务场景需求，进行目标客户筛选或对用户进行深度分析。同时利用DMP引入外部数据，完善数据场景设计，提高目标客户精准度。
3.1K30发布于 2018-08-17 - 来自专栏数据的力量
什么是用户画像？金融行业大数据用户画像实践
二、用户画像的目的 用户画像是在解客户需求和消费能力，以及客户信用额度的基础上，寻找潜在产品的目标客户，并利用画像信息为客户开发产品。 三、用户画像工作坚持的原则 市场上用户画像的方法很多，许多企业也提供用户画像服务，将用户画像提升到很有逼格一件事。 任何企业进行用户画像的目的是寻找目标客户，其必须是具有潜在消费能力的用户。信用信息可以直接证明客户的消费能力，是用户画像中最重要和基础的信息。一句戏言，所有的信息都是信用信息就是这个道理。 让用户画像离商业应用更加近一些，体现用户画像的商业价值。 利用DMP进行基础标签和应用定制，结合业务场景需求，进行目标客户筛选或对用户进行深度分析。同时利用DMP引入外部数据，完善数据场景设计，提高目标客户精准度。
2.6K60发布于 2018-06-21 - 来自专栏木东居士的专栏
什么是用户画像？
0x00 前言 视频号分享中【什么是用户画像】的文案，文字版分享给大家～内容虽然短，但是能锻炼在1分钟讲一个概念的能力，如果以后有朋友问你用户画像是什么，你可以用下面1分钟左右的文稿告诉他。 今天要和大家分享的话题是：用户画像。 0x01 画像 那么，什么是用户画像呢？我来举个例子说明： 假设你有一位朋友：他是一名35岁左右的男性，周六日喜欢宅在家里，而且每天点外卖。 那把上面这些标签和在一起，就形成了你朋友的用户画像，看一下，熟悉吗？ 0x02 应用 那么有了这些画像之后，有什么用呢？
2.3K10发布于 2020-04-01 - 来自专栏博阳SCRM
以数据为基础 构建个性化用户画像
什么是用户画像？ 在百度百科上，用户画像的定义是用户角色，即勾画目标用户、联系用户诉求与设计方向的有效工具。 简单来说就是，通过描绘用户的属性、行为，结合企业的产品和服务构建出一个虚拟的想想，这个形象就是用户画像。 一般来说，用户画像包含了三个要素：用户属性、用户特征、用户标签。 由此可见，用户画像就是标签化的用户特征，绘制用户画像的过程就是用户数据的不断积累和分析的过程，通过用户属性的分类将各种数据精练成为用户标签，从而获得完整的用户画像。 而用户画像的根本目的在于，通过这些精准的数据进行精准营销，为会员提供他们感兴趣的内容和产品推送，提供他们需要的服务，满足会员个性化需求。 如何构建用户画像？ 真实的数据一定是基础。 另外，需要对用户基础属性、行为特征以及各种数据整合管理，再通过大数据手段进行分析，从而对用户实现标签化。
1.1K10编辑于 2022-03-15 - 来自专栏大数据学习与分享
用户画像标签体系
在数据的基建和应用层面，除了重视数据分析外，也越来越重视数据资产在更多业务场景中的应用，标签画像的建设和应用就是其中一类很常见的需求和期望。 从对业务的价值来说，标签和画像是类似中间层的系统模块，具体来说，数据资产本质上是一些采集、采购所获得的数据源，但企业希望在数据源的基础上，实现资产变现，而且不断扩大资产价值。 很多企业都意识到，这个中间层就是标签画像。 下面主要介绍了企业做标签画像的目的，重点阐述标签和画像的应用场景及应用流程，构建标签和画像体系的实操方法论，最后给出了行业案例。
2.8K62编辑于 2022-05-19 - 来自专栏实时流式计算
什么是用户画像——从零开始搭建实时用户画像(一)
用户画像 简介 用户画像，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。 建立用户画像和精准化分析是关键。 用户画像可以使产品的服务对象更加聚焦，更加的专注。 用户画像最重要的一个步骤就是对用户标签化，我们要明确要分析用户的各种维度，才能确定如何对用户进行画像。 在建立用户画像上，有很多个步骤： 首先，基础数据收集，电商领域大致分为行为数据、内容偏好数据、交易数据，如浏览量、访问时长、家具偏好、回头率等等。而金融领域又有贷款信息，信用卡，各种征信信息等等。 然后，当我们对用户画像所需要的基础数据收集完毕后，需要对这些资料进行分析和加工，提炼关键要素，构建可视化模型。对收集到的数据进行行为建模，抽象出用户的标签。
13.3K34发布于 2020-05-26 - 来自专栏大数据实践
用户画像系列——当我们聊用户画像，我们在聊什么？
1.什么是用户画像 市面上不少公司都在做用户画像的相关工作，无论是电商行业、金融行业、视频行业等等，都有这样的产品。那到底怎么去定义用户画像呢？ 用户画像，即：用标签的方式去描述一个人或者一台手机、一台电脑，有些公司称之为”用户画像“，有一些公司称之为”用户特征“，其实是一个意思。 (当然也有可能帮别人购买)进行标签化；金融场景，对于当前进行交易的账号进行标签属性化因此我们概念中描述的用户画像，其实是用标签的方式对于一个用户、一个账号、一部手机进行描述2.用户画像有哪些标签既然上面讲到了对于用户进行标签化 、资产情况、会员信息等(2)设备信息：手机系统、手机品牌、手机价格、安装的app信息 等手机相关信息(3)地理位置：居住地、工作地(4)偏好信息：商品偏好、类型偏好、行为指标(TFM) 等等(5)其他基础画像 这其实是用户画像其中的一个应用，根据用户查询用户的标签数据，来进行推荐用户感兴趣的内容(2)营销圈选(短信营销、PUSH营销)相信不少用户收到过类似的营销短信，或者一些app 弹窗，这个也是用户画像常见的应用场景
71510编辑于 2024-01-26 - 来自专栏about云
如何构建用户画像
相比传统的线下会员管理、问卷调查、购物篮分析，大数据第一次使得企业能够通过互联网便利地获取用户更为广泛的反馈信息，为进一步精准、快速地分析用户行为习惯、消费习惯等重要商业信息，提供了足够的数据基础。 伴随着对人的了解逐步深入，一个概念悄然而生：用户画像（UserProfile），完美地抽象出一个用户的信息全貌，可以看作企业应用大数据的根基。 一、什么是用户画像？ 二、为什么需要用户画像 用户画像的核心工作是为用户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？ 所以，用户画像，即：用户标签，向我们展示了一种朴素、简洁的方法用于描述用户信息。 3.1 数据源分析 构建用户画像是为了还原用户信息，因此数据来源于：所有用户相关的数据。 百分点现已全面应用用户画像技术于推荐引擎中，在对某电商客户，针对活动页新访客的应用中，依靠用户画像产生的个性化效果，对比热销榜，推荐效果有显著提升：推荐栏点击率提升27%， 订单转化率提升34%。
2.6K80发布于 2018-03-27 - 来自专栏Spark学习技巧
58用户画像实践
58用户画像应用流程如下： ? 二、58用户画像数据架构 用户画像构建的核心是数据的组织和标签的开发管理，58集团业务覆盖广泛，涉及房产、招聘、车辆、黄页等众多业务线，构建画像的数据来自于日志、简历库、帖子库、用户信息库、商家库 58用户画像系统架构如下： ? 在IDMapping基础上，我们搭建了用户画像系统架构，整个系统划分分三个层级，依次为数据资源管理层，负责对众多接入数据源做管控，包含数据接入工具、调度数据调度模块，数据质量监控模块，元数据管理模块等； 依赖用户画像平台建模可以被抽象为5个层级： 1．基础数据接入 用户画像平台已经接入58、赶集、安居客等主要数据源，也支持用户通过平台提供的数据接入工具接入新数据源，以便支持定制化的建模； 2．IDMapping
4.9K31发布于 2019-10-28
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