用户画像简介

1-1 简介

基本概念1.基本属性:每个人都有一些基本属性(性别、年龄、婚姻、收入、教育)。行为记录：购买行为、浏览行为、点击行为、购物车行为，从这些行为中判断用户的一些信息，如经常购买儿童物品，从现在起可以判断儿童的年龄、性别等。2.购买能力用户的购买力可以判断，从而标记购买力的等级。3.行为特征:可以判断用户的行为特征，如用户活动和购物类型。4.社交网络:可以判断他的社交网络。5.心理特征:比如促销敏感，购物真诚。6.兴趣爱好:颜色偏好，品牌偏好。1.精准营销：邮件、短信、2。用户统计：区域、时间3。数据挖掘：特征、行为学习目标：1。hive2.学会使用数据仓库。hive3.深入了解用户数据的特点4。掌握如何构建用户肖像5。6.积累项目实践经验的主要内容：1。用户肖像项目介绍2。用户肖像建模3。hive4.用户肖像数据开发

1-2 用户肖像简介

定义用户肖像（UserProfile）也叫用户信息标签，客户标签。根据基本信息和行为，用一些标签来描述用户，用户的标签是用户肖像。1.数据收集：网络日志数据、用户行为数据、网站交易数据2。行为建模：文本挖掘、自然语言处理、机器学习、预测算法、聚类算法3。用户肖像：基本属性、购买能力、行为特征、兴趣、心理特征、社交网络源数据1。静态信息数据：用户填写的个人数据或由此计算的数据。若有不确定性。可以建立模型来判断。例如，如果用户不填写性别，可以通过用户的行为建立性别模型来判断性别是什么和概率。人口属性：性别、生日、年龄、婚姻、收藏、城市、教育程度、职业、是否有儿童（数量）、星座、月收入商业属性：消费水平、消费周期2。动态信息数据：用户行为产生的数据：注册、浏览、点击、购买、和评估。更重要的行为：购买商品，浏览商品，放入购物车，关注商品。注册时间最大消费、退货数量、败家指数、品牌偏好等方面，注册时间、首单时间、潮妈族纠结。用户接触点（TouchPoint）行为类型:浏览、搜索、发表、点赞数接触点（Tag）：女装单品页面，女鞋单品页面……标签分类1。确定的标签2。根据算法猜测的标签标签：1。用户活动：未购买、活跃、睡眠、损失2。用户群：计算机专家、数字潮人、家庭用户、住房用户、网上购物专家、单身贵族、时尚男女、父母、闪购用户、超级用户。(根据用户购买的品类，如一级品类、二级品类)

1-3 用户肖像使用

用户肖像的作用：1。分类统计：12星座防雾霾天气指数；爸爸主导指数；访客肖像（男女比例；新老用户比例；年龄分布；教育分布）2。营销推荐：电子邮件营销；短信营销；push信息。例 3.数据挖掘：根据用户的数据挖掘一些有用的信息来支持决策。使用相关规则：喜欢红酒的人通常喜欢什么品牌？采用聚类算法分析：喜欢红酒的人，年龄分布。1.属性筛选：属性筛选、基于信息增益的属性评分、属性重要性评分、主要成分分析、基于卡方检验的属性筛选；2。分类预测：决策树、神经网络分类、贝叶斯网络、分类回归树、支持向量机分类、逻辑回归、简单贝叶斯、分类组合模型；3。回归预测：多线性回归、神经网络回归、广义线性回归、支持向量机回归、回归组合模型；4。聚类分析：K5.关联分析：购物篮分析、属性关联分析、序列模式分析；6.时间序列：ARX时间序列数据挖掘喜欢什么的人往往喜欢什么？那些做过这件事的人接下来通常会做什么？那些做过这件事的人接下来通常会做什么？最经典的例子：啤酒与尿布的关系。