关于用户画像那些事,看这一文章就够了

  • 时间:
  • 浏览:0

从次责来源提取的数据可信度是不同的,好多好多 各来源提取的数据还都可不上能 给出一定的权重,约定一般为0-1之间的那我概率值,那我系统在做数据的自动合并时,只还都可不上能 做简单的加权求和,并归一化输出到集群,存储到日后定义好的Hive表。接下来就说 数据增量更新到HBase、ES、Spark集群等更多应用服务集群。

用户画像的内容

用户画像涉及到少量的数据外理和行态提取工作,往往还都可不上能 用到多数据来源,且多人并行外理数据和中成行态。并且,还都可不上能 那我数据管理系统来对数据统一进行合并存储和架构设计 。当当你们 当当你们 当当你们 的系统以约定的目录行态来组织数据,基本目录层级为:/user_tag/属性/日期/来源_作者/。以性别行态为例,开发者dev1从用户姓名提取的性别数据存放路径为 /user_tag/gender/20170101/name_dev1,开发者dev2从用户填写资料提取的性别数据存放路径为 /user_tag/gender/20170102/raw_dev2。

这时只用到了用户的行为行态次责,而人口属性、网购偏好、内容偏好、消费能力和环境行态等这人 上下文还那末利用起来。把以上行态加入到LR模型,同去再去掉 目标商品自身的属性,如文本标签、所属类目、销量等数据,如下图所示,进一步优化训练那我的LR模型。从而最大程度利用肯能提取的用户画像数据,做到更精准的个性化推荐。

消费能力指用户的购买力,肯能做得足够细致,能非要把用户的实际消费水平和在每个类目的心理消费水平区分开,分别建立行态纬度。

以内容为主的媒体或阅读类网站,还有搜索引擎或通用导航类网站,往往会提取用户对浏览内容的兴趣行态,比如体育类、娱乐类、美食类、理财类、旅游类、房产类、汽车类等等。

用户画像的含义

数据管理系统

另外还能非要去掉 用户的环境属性,比如当前时间、访问地点LBS行态、当地天气、节假日状况等。

那末用户画像有这人 作用,能帮助当当你们 当当你们 当当你们 达到这人 目标呢?

用户画像含晒 的内容并不全版固定,根据行业和产品的不同所关注的行态都有不同。对于大次责互联网公司,用户画像都有含晒 人口属性和行为行态。人口属性主要指用户的年龄、性别、所在的省份和城市、教育程度、感情是什么 情是什么 况、生育状况、工作所在的行业和职业等。行为行态主要含晒 活跃度、忠诚度等指标。

用户画像是当前大数据领域的五种 典型应用,也普遍应用在多款网易互联网产品中。本文基于网易的实践,深入浅出地解析了用户画像的原理和中产流程。

原文发布时间为:2018-12-7

本文作者:杨杰

本文来自云栖社区战略战略合作伙伴“数据分析”,了解相关信息能非要关注“ecshujufenxi”微信公众号

除了以上较通用的行态,不相似型的网站提取的用户画像各有侧重点。



用户画像的生产

点评

当然,对于特定的网站或App,肯定又有特殊关注的用户纬度,就还都可不上能 把这人 维度做到更加细化,从而能给用户提供更精准的个性化服务和内容。

1.提取用户个人填写的资料,比如注册时肯能活动中填写的性别资料,这人 数据准确率一般很高。



**应用示例:个性化推荐

**

以电商网站的五种 页面的个性化推荐为例,考虑到行态的可解释性、易扩展和模型的计算性能,好多好多 线上推荐系统采用LR(逻辑回归)模型训练,这里也以LR模型举例。好多好多 推荐场景都有用到基于商品的协同过滤,而基于商品协同过滤的核心是那我商品相关性矩阵W,假设有n个商品,那末W就说 那我n n的矩阵,矩阵的元素wij代表商品Ii和Ij之间的相关系数。而根据用户访问和购买商品的行为行态,能非要把用户表示成那我n维的行态向量U=[ i1, i2, ..., in ]。于是UW能非要看成用户对每个商品的感兴趣程度V=[ v1, v2, ..., vn ],这里v1即是用户对商品I1的感兴趣程度,v1= i1w11 + i2w12 + in*w1n。肯能把相关系数w11, w12, ..., w1n 看成要求的变量,那末就能非要用LR模型,代入训练集用户的行为向量U,进行求解。那我那我初步的LR模型就训练出来了,效果和基于商品的协同过滤相似。

下面以用户性别为例,具体介绍行态提取的过程:

提取用户画像,还都可不上能 外理海量的日志,花费少量时间和人力。尽管是那末高成本的事情,大次责公司还是希望能给个人的用户做一份足够精准的用户画像。

社交网站的用户画像,也会提取用户的社交网络,从中能非要发现关越扎密的用户群和在社群中起到意见领袖作用的明星节点。

大体能非要非要总结为以下好多个方面:

电商购物网站的用户画像,一般会提取用户的网购兴趣和消费能力等指标。网购兴趣主要指用户在网购时的类目偏好,比如服饰类、箱包类、居家类、母婴类、洗护类、饮食类等。

精确有效的用户画像,依赖于从少量的数据中提取正确的行态,这还都可不上能 那我强大的数据管理系统作为支撑。网易大数据产品体系含晒 有的一站式大数据开发与管理平台 – 网易猛犸,正是在网易內部实践中打磨形成的,也能为用户画像及后续的业务目标实现提供数据传输、计算和作业流调度等基础能力,有效降低大数据应用的技术门槛。

用户行态的提取即用户画像的生产过程,大致能非要分为以下几步:

用户画像(persona)的概念最早由交互设计之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真实用户的虚拟代表,是建立在一系列属性数据之上的目标用户模型。随着互联网的发展,现在当当你们 当当你们 当当你们 说的用户画像又含晒 了新的内涵——通常用户画像是根据用户人口学行态、网络浏览内容、网络社交活动和消费行为等信息而抽象出的那我标签化的用户模型。构建用户画像的核心工作,主就说 利用存储在服务器上的海量日志和数据库里的少量数据进行分析和挖掘,给用户贴“标签”,而“标签”是能表示用户某一维度行态的标识。具体的标签形式能非要参考下图某网站给其中那我用户打的标签。



用户画像的作用