- 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。
2.2K10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
45110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。
37210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。
9.3K10编辑于 2024-01-14 - 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。
45210编辑于 2023-04-01 - 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
6.9K20发布于 2020-02-20 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。
26910编辑于 2024-06-18- 来自专栏算法channel
画像分析
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，之前宝器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
2.7K50发布于 2020-02-21 - 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
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
3.8K83发布于 2020-04-14 - 来自专栏算法之名
Flink用户画像用户画像行为特征
","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
10.6K20发布于 2021-11-10 - 来自专栏AI机器思维
数据画像
01 什么是健康码画像？ 健康码画像让普通大众理解了数据，其实在实际的应用中还有很多针对特定场景的画像，如用户画像、产品画像、业务经营画像等，下面以用户画像为例讲解。 02 什么是用户画像？ 通过这个用户画像，从而对这个人有了一个整体的认识，一个完整的人物画像已经呈现在了你的脑海里。当标签被描述得越多，用户画像就越清晰。 2）从产品本身角度而言，用户画像可以帮助提升客户体验。围绕产品进行客群细分，确定产品的核心客群，从而有助于确定产品定位，优化产品的功能点。 4.用户·建模：借助算法模型来定义客群的用户画像，如分类模型、聚类模型，常用的算法如朴素贝叶斯、决策树、SVM，神经网络，k-means等。
5.8K40发布于 2020-04-22 - 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。 人群分析提供根据现有用户标签圈定用户群的功能，同时业务方可以从多个维度（如地域、性别、年龄、消费水平等）进一步分析该批用户群的特征，从而为精细化运营提供支持。 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。 通过这种产品可视化的方式，方便业务人员分析用户群特征，将分析后的用户群推送到对应业务系统中触达用户，更方便、快捷地将数据赋能到业务场景中去。 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。
6K30发布于 2020-11-04 腾讯云位置大数据提升不动产行业投资与运营决策效率
传统市场调研方式耗时耗力，难以快速、精准地获取地块价值、客流来源及客群画像等关键信息，严重影响项目拓展与运营效率。 数据魔方：支持自定义区域（点半径、多边形围栏）分析，提供人口统计、客流指数、业态分布、人群画像等维度数据，辅助投资决策。 优化运营与营销效果：客留通支持对全国1.3万+购物中心进行竞品对标。某客户通过平台锁定目标客群并投放广告，点击率（CTR）提升至1.38%，较常规组提升10.14%。 头部地产集团已验证方案价值 龙湖地产：应用LBS数据魔方进行竞品客群来源地热力分析、售楼处客群洞察，高效获取消费者画像报告。 宜家荟聚中心：全国8个荟聚项目集中采购客留通，用于运营提升与新项目研判，通过客群画像分析指导营销活动，有效提升活动推广效率。
11310编辑于 2026-05-31四力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。
14810编辑于 2026-03-31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。
12110编辑于 2026-05-30腾讯位置大数据“以店选店”产品结构化概要
数据获取不全且精度低：获取高质量栅格数据（如人流量/画像等）成本高且耗时费力，竞争对手客群特征等数据获取困难。 网格客群画像：通过AI模型深度推理与人群标签增强学习，自动拆解目标客群特征，输出客流热度和商圈画像特征。 网格客源圈层分析：结合客流与商圈特征，输出网格客群沉淀的潜客画像；由AI综合评定客源圈层并输出分析报告。 竞品盘点分析：在同城范围内寻找相似分布地区，洞察竞争态势。 产品优势： AI精准找客群：基于腾讯海量LBS位置大数据及深度推断能力，破解海量人工选址环境规律，发现潜在商机。 高覆盖高质量数据：掌握大盘人口客流，实现精细化客群洞察。同一生态闭环确保了数据高度精准，数据沉淀及覆盖行业特征的深度结合形成了不可替代的壁垒。
21900编辑于 2026-05-29- 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
4.8K11发布于 2019-12-23 - 来自专栏全栈程序员必看
用户画像总结
三、 用户画像的分类 从画像方法来说，可以分为定性画像、定性+定量画像、定量画像 从应用角度来看，可以分为行为画像、健康画像、企业信用画像、个人信用画像、静态产品画像、 旋转设备画像、社会画像和经济画像等。 八、 用户画像基本步骤[F2] 根据具体业务规则确定用户画像方向后，开展用户画像分析，总体来说，一个用户画像流程包括以下三步。 聚合函数以及多表关联join 相当于hadoop的mapreduce的shuffle,很容易造成内存溢出，相关参数调整可参考本博客spark栏目中的配置信息）这样便可以定位相应的客户数量，从而进行客户群、 十二、用户画像困难点、用户画像瓶颈 用户画像困难点主要表现为以下4个方面 资料搜集和数据挖掘 在画像之前需要知道产品的用户特征和用户使用产品的行为等因素，从而从总体上掌握对用户需求需求 创建用户画像不是抽离出典型进行单独标签化的过程
3.6K11编辑于 2022-09-09 - 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。 ~ 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。
1.8K111编辑于 2023-08-04 腾讯地图AI Maps × Tencent Ecosystem：粤港澳大湾区零售与门店解决方案
核心技术属性：AI驱动的自然语言交互分析、居住区级LBS用户画像、垂直行业匹配引擎、多生态平台同步能力。 二、产品应用场景 区域扩张团队：连锁门店扩展中需快速评估候选地客群，面临选址范围模糊、现场考察成本高痛点。 营销团队：制定区域营销策略时缺乏不同区域消费特征数据，难以精准定位客群。 产品优势 Conversation as Analysis：无需手动选坐标填参数，自然语言触发全流程分析（如输入“在旺角开奶茶店”自动完成定位、客群分析、报告输出）。 See & Use：输出交互式地图报告，点击居住区查看详细画像，可视化呈现门店与社区空间关系。 五、总结 腾讯地图AI Maps × Tencent Ecosystem通过AI选址工具与商家助手StoreMate，为粤港澳大湾区零售企业提供从选址决策（自然语言分析、客群画像、垂直引擎）到门店运营（
23410编辑于 2026-05-21
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