分析客户画像的5个步骤都有哪些分析客户画像的5个步骤( 五 ) _分析客户画像的5个步骤

可以筛选一部分打了标签的用户，给这部分用户进行和标签相关的推送，看他们对相关内容是否有更好的反馈。例如，在新闻推荐中，我们给用户构建了兴趣画像，从体育类兴趣用户中选取一小批用户，给他们推送体育类新闻，如果这批用户对新闻的点击率和阅读时长明显高于平均水平，就说明标签是有效的。
1. 效果评估
评估使用用户画像的效果最直接的方法就是，看其提升了多少实际业务，如在互联网广告投放中，用户画像的使用效果主要是看它提升了多少点击率和收入，在精准营销过程中，主要是看使用用户画像后销量提升了多少等。
但是如果把一个没有经过效果评估的模型直接用在线上，风险是很大的，因此我们需要一些在上线前可计算的指标来衡量用户画像的质量。
用户画像的评估指标主要是准确率、覆盖率、时效性等。（篇幅有限，这里不详细介绍，有需要的同学可以看《Spark机器学习进阶实战》一书第10.4.1节）
2. 用户画像使用
构建好用户画像并做了评估之后，就可以在业务中使用它。对此，一般需要一个可视化平台，对标签进行查看和检索。用户画像的可视化过程中，一般使用饼图、柱状图等对标签的覆盖人数、覆盖比例等指标做形象的展示，如图10-11所示是用户画像的一个可视化界面。

文章插图

▲图10-11 用户画像的可视化界面
此外，对于所构建的用户画像，还可以使用不同维度的标签，进行高级的组合分析，产出高质量的分析报告。用户画像可以应用在智能营销、计算广告、个性化推荐等领域，具体的使用方法与应用领域紧密结合，在此不再详细介绍。

关于作者：马海平，科大讯飞大数据研究院研究主管，中国科学与技术大学计算机技术博士，专注数据挖掘和人工智能算法的研究，及其在计算广告和个性化教育等方向的落地应用。
于俊，科大讯飞大数据专家，专注大数据和人工智能应用方案设计、基于Spark的大数据分析和价值挖掘，在大数据算法工程化实现方面具有丰富经验。
吕昕，科大讯飞大数据专家，专注大数据和人工智能技术在消费者业务中的应用、基于Spark的大数据分析和算法建模，在用户画像、内容推荐和精准营销领域有丰富的实践。
向海，邂智科技算法负责人，前科大讯飞大数据专家。专注Spark机器学习在智能客服中的应用，在NLP与对话机器人应用方面有丰富经验。

【分析客户画像的5个步骤都有哪些分析客户画像的5个步骤】本文摘编自《Spark机器学习进阶实战》，经出版方授权发布。