01 用户画像是什么用户画像，即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或者产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌，如图1所示 。
▲图1 某用户标签化
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 。
大数据已经兴起多年，其对于互联网公司的应用来说已经如水、电、空气对于人们的生活一样，成为不可或缺的重要组成部分 。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 。
很多公司在大数据基础建设上投入很多，也做了不少报表，但业务部门觉得大数据和传统报表没什么区别，也没能体会大数据对业务有什么帮助和价值，究其原因，其实是“数据静止在数据仓库，是死的” 。
而用户画像可以帮助大数据“走出”数据仓库，针对用户进行个性化推荐、精准营销、个性化服务等多样化服务，是大数据落地应用的一个重要方向 。数据应用体系的层级划分如图2所示 。
▲图2 数据应用体系的层级划分
02 用户画像的3种标签类型用户画像建模其实就是对用户“打标签”，从对用户打标签的方式来看，一般分为3种类型：①统计类标签；②规则类标签；③机器学习挖掘类标签 。
下面我们介绍这3种类型的标签的区别：
1. 统计类标签
这类标签是最为基础也最为常见的标签类型，例如，对于某个用户来说，其性别、年龄、城市、星座、近7日活跃时长、近7日活跃天数、近7日活跃次数等字段可以从用户注册数据、用户访问、消费数据中统计得出 。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” 。在实际开发画像的过程中，由于运营人员对业务更为熟悉，而数据人员对数据的结构、分布、特征更为熟悉，因此规则类标签的规则由运营人员和数据人员共同协商确定；
3. 机器学习挖掘类标签
该类标签通过机器学习挖掘产生，用于对用户的某些属性或某些行为进行预测判断 。例如，根据一个用户的行为习惯判断该用户是男性还是女性、根据一个用户的消费习惯判断其对某商品的偏好程度 。该类标签需要通过算法挖掘产生 。
在项目工程实践中，一般统计类和规则类的标签即可以满足应用需求，在开发中占有较大比例 。机器学习挖掘类标签多用于预测场景，如判断用户性别、用户购买商品偏好、用户流失意向等 。一般地，机器学习标签开发周期较长，开发成本较高，因此其开发所占比例较小 。
03 用户画像8大系统模块及解决方案搭建一套用户画像方案整体来说需要考虑8个模块的建设，如图3所示 。
▲图3 用户画像主要覆盖模块
- 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 。这对于评估每个开发阶段重要指标和关键产出非常重要 。
- 数据指标体系：根据业务线梳理，包括用户属性、用户行为、用户消费、风险控制等维度的指标体系 。
- 标签数据存储：标签相关数据可存储在Hive、MySQL、HBase、Elasticsearch等数据库中，不同存储方式适用于不同的应用场景 。
- 标签数据开发：用户画像工程化的重点模块，包含统计类、规则类、挖掘类、流式计算类标签的开发，以及人群计算功能的开发，打通画像数据和各业务系统之间的通路，提供接口服务等开发内容 。
- 开发性能调优：标签加工、人群计算等脚本上线调度后，为了缩短调度时间、保障数据的稳定性等，需要对开发的脚本进行迭代重构、调优 。
- 作业流程调度：标签加工、人群计算、同步数据到业务系统、数据监控预警等脚本开发完成后，需要调度工具把整套流程调度起来 。
- 用户画像产品化：为了能让用户数据更好地服务于业务方，需要以产品化的形态应用在业务上 。产品化的模块主要包括标签视图、用户标签查询、用户分群、透视分析等 。
推荐阅读
- 座佑铭是什么意思 个人座右铭是什么意思
- 葡萄牙国徽中心图案是什么 葡萄牙国徽中心图案是什么?
- 女人梦见木门是啥意思 女人梦见红色木门是啥意思
- 女人梦见买红薯是什么意思 女人梦见买红薯是什么意思周公解梦
- 瑞吉欧教育方案的灵魂和核心是什么? 瑞吉欧的教育方案源于
- 人借物有勿悭还是后有急借不难 人借物有勿悭是什么意思
- 遇人不淑识人不善是什么意思 遇人不淑识人不善怎么回复这句话
- 蟑螂为什么晚上出来活动 蟑螂为什么夜间出来活动
- 总是活在过去的时光的星座女都是有你吗
- W E N 什么意思 从地理上说
