3步构建“用户画像” 数据画像的概念解析 _生活百科

数据画像的概念解析(3步构建“用户画像”)，小编带你了解更多信息。
移动互联网时代，精细化运营逐渐成为企业发展的重要竞争力，“用户画像”的概念也应运而生。用户画像是指，在大数据时代，企业通过对海量数据信息进行清洗、聚类、分析，将数据抽象成标签，再利用这些标签将用户形象具体化的过程。用户画像的建立能够帮助企业更好地为用户提供针对性的服务。
与之相应，越来越多的第三方大数据公司，也开始依托自身的数据积累，为客户提供用户画像的服务。比如个推旗下的用户画像产品，能够对用户线上和线下行为进行大数据分析，帮助APP开发者和运营者构建全面、精准、多维的用户画像体系。下文将以个推用户画像产品为例，详解“用户画像”的技术特点和使用价值。
用户画像的形成需要经历四个过程，数据积累、数据清洗、数据建模分析、数据产出。其中，数据清洗和数据建模统称数据处理。在经过数据处理之后，个推产出独特的冷、热、温数据维度，并分析用户的线上兴趣偏好和线下行为场景，形成用户画像。
一、用户画像用了哪些技术？在数据处理阶段，个推用户画像产品的大数据计算架构采用了Kafka分布式发布订阅消息系统，具有高吞吐量、高稳定性的特点。数据清洗可利用HADOOP、SPARK来去除冗余数据。这一过程支持交互计算和多种复杂算法，并支持数据实时/离线计算。

文章插图

在数据建模的过程中，个推用户画像产品主要利用了机器学习中的聚类（无监督学习）和深度学习技术，让模型对数据主动学习，进行行为判断，由此产出用户标签。

文章插图

经过数据的清洗和建模，个推用户画像会形成冷数据画像、温数据回溯、热数据场景和定制化标签四种画像。
冷数据画像，是指基于大数据的分析得出的用户属性，相对比较稳定，如用户的年龄层次、性别、常驻地等。“温数据”则可以回溯用户近期活跃的线上和线下场景，具有一定的时效性。“热数据”是指用户当下的场景及实时的用户特征。定制化标签是将个推数据与第三方数据结合起来，共同建模得出具有价值的特征标签。
二、如何构建用户画像？“用户画像”的构建需要技术和业务人员的共同参与，以避免形式化的用户画像。个推构建用户画像时流程如下：
（1）标签体系设计。开发者需要先了解自身的数据，确定需要设计的标签形式。
（2）多数据源数据融合。在建设用户画像时，个推会整合自有海量数据以及该APP自身的数据。
（3）实现用户统一标识。多数情况下，APP的众多用户分布于不同的账号体系中，个推会将其统一标识，帮助APP打通账号，实现信息快速共享。
（4）用户画像特征层构建。即将每一个数据进行特征化。
（5）画像标签规则+算法建模。两者缺一不可，在实际的应用中，算法难以解决的问题，利用简单的规则也可以达到很好的效果。
（6）利用算法对所有用户打标签。
（7）画像质量监控。在实际的应用中，用户画像会产生一定的波动，为了解决这个问题，个推建设了相应的监控系统，对画像的质量进行监控。
总之，个推用户画像构建的整体流程，可以概括为三个部分：
第一，基础数据处理。基础数据包括用户设备信息、用户的线上APP偏好以及线下场景数据等。
第二，画像中间数据处理。处理结果包括线上APP偏好特征和线下场景特征等。
第三，画像信息表。表中应有四种信息：设备基础属性；用户基础画像，包括用户的性别、年龄层次、相关消费水平等；用户兴趣画像，即用户更有兴趣的方向，比如用户更偏好拼团类APP还是海淘类APP；用户其它画像等。
在个推用户画像构建的过程中，机器学习占据了较为重要的位置。机器学习主要应用在海量设备数据整理、数据清洗、数据存储的过程中。
三、用户画像能做什么？用户画像对电商类、新闻资讯类APP的作用不言而喻，可以帮助APP打造精准推荐系统，实现千人千面的运营。
基于用户特征的个性化推荐
APP的运营者可以通过个推用户画像提供的性别、年龄层次、兴趣爱好等标签，分别展示不同的内容给用户,以达到精准化运营的目的。
基于用户特征指导内容推荐