1、用戶畫像數據建模方法從1991年Tim Berners-Lee發明了萬維網(World Wide Web )開始，至U 20年后2011年，互聯網 真正走向了一個新的里程碑，進入了大數據時代”。經歷了 12、13兩年熱炒之后，人們逐漸冷靜下來，更加聚焦于如何利用大數據挖掘潛在的商業價值，如何在企業中實實在在的應用大數據技術。伴隨著大數據 應用的討論、創新，個性化技術成為了一個重要落地點。相比傳統的線下會員管理、問卷調查、購物籃分 析，大數據第一次使得企業能夠通過互聯網便利地獲取用戶更為廣泛的反饋信息，為進一步精準、快速地 分析用戶行為習慣、消費習慣等重要商業信息，提供了足夠的數據基礎。伴隨著對

2、人的了解逐步深入，一 個概念悄然而生：用戶畫像(UserProfile )，完美地抽象出一個用戶的信息全貌，可以看作企業應用大數 據的根基。一、什么是用戶畫像？男，31歲，已婚，收入1萬以上，愛美食，團購達人，喜歡紅酒配香煙。這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即：用戶信息標簽化。如果用一幅圖來展現，即：二、為什么需要用戶畫像用戶畫像的核心工作是為用戶打標簽，打標簽的重要目的之一是為了讓人能夠理解并且方便計算機 處理，如，可以做分類統計：喜歡紅酒的用戶有多少？喜歡紅酒的人群中，男、女比例是多少？也可以做數據挖掘工作：利用關聯規則計算，喜歡紅酒的人通常喜歡什么運動品牌？利用聚

3、類算法 分析，喜歡紅酒的人年齡段分布情況？大數據處理，離不開計算機的運算，標簽提供了一種便捷的方式，使得計算機能夠程序化處理與人 相關的信息，甚至通過算法、模型能夠理解”人。當計算機具備這樣的能力后，無論是搜索引擎、推薦引擎、廣告投放等各種應用領域，都將能進一步提升精準度，提高信息獲取的效率。三、如何構建用戶畫像 祖Ufl'kffi I todUMFB ilivi fi 一個標簽通常是人為規定的高度精煉的特征標識，如年齡段標簽：2535歲，地域標簽：北京，標簽呈現出兩個重要特征：語義化，人能很方便地理解每個標簽含義。這也使得用戶畫像模型具備實際意義。 能夠較好的滿足業務需求。如，判斷用

4、戶偏好。短文本，每個標簽通常只表示一種含義，標簽本身無需再 做過多文本分析等預處理工作，這為利用機器提取標準化信息提供了便利。人制定標簽規則，并能夠通過標簽快速讀出其中的信息，機器方便做標簽提取、聚合分析。所以，用戶畫像，即：用戶標簽，向我們展示了一種樸素、簡潔的方法用于描述用戶信息。3.1數據源分析構建用戶畫像是為了還原用戶信息，因此數據來源于：所有用戶相關的數據。對于用戶相關數據的分類，引入一種重要的分類思想：封閉性的分類方式。如口，世界上分為兩種人, 一種是學英語的人，一種是不學英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產品生 命周期分為，投入期、成長期、成熟期、衰退期所

5、有的子分類將構成了類目空間的全部集合。這樣的分類方式，有助于后續不斷枚舉并迭代補充遺漏的信息維度。不必擔心架構上對每一層分類 沒有考慮完整，造成維度遺漏留下擴展性隱患。另外，不同的分類方式根據應用場景，業務需求的不同， 也許各有道理，按需劃分即可。本文將用戶數據劃分為靜態信息數據、動態信息數據兩大類。動態佶恩散據靜態信息敎撰J為爻見凡第用忡!JI苑干和品質陽建博Lf u 1大僅蚣力接帯.h ； TouchPoint1.人口JK性2i. 1 卜年養消饒鳩JW七m足舌尙小攥説就靜態信息數據用戶相對穩定的信息，如圖所示，主要包括人口屬性、商業屬性等方面數據。這類信息，自成標簽， 如果企業有真實信息則

6、無需過多建模預測，更多的是數據清洗工作，因此這方面信息的數據建模不是本篇 文章重點。動態信息數據用戶不斷變化的行為信息，如果存在上帝，每一個人的行為都在時刻被上帝那雙無形的眼睛監控著, 廣義上講，一個用戶打開網頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個哈欠 等等一樣都是上帝眼中的用戶行為。當行為集中到互聯網，乃至電商，用戶行為就會聚焦很多，如上圖所E_fiKi I Hi.* k>H M 111*41*示：瀏覽凡客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發表關于鞋品質的微博、贊雙十一大促給力”的微博消息。等等均可看作互聯網用戶行為。本篇文章以互聯網電商用戶，為主要分析對象

7、，暫不考慮線下用戶行為數據（分析方法雷同，只是 數據獲取途徑，用戶識別方式有些差異）。在互聯網上，用戶行為，可以看作用戶動態信息的唯一數據來源。如何對用戶行為數據構建數據模型，分析岀用戶標簽，將是本文著重介紹的內容。3.2目標分析用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標簽， 以及該標簽的權重。女口，紅酒0.8、李寧0.6。標簽，表征了內容，用戶對該內容有興趣、偏好、需求等等。權重，表征了指數，用戶的興趣、偏好指數，也可能表征用戶的需求度，可以簡單的理解為可信度， 概率。3.3數據建模方法下面內容將詳細介紹，如何根據用戶行為，構建模型產岀標簽、權重。一個事件模型包括：時間、地點、人

8、物三個要素。每一次用戶行為本質上是一次隨機事件，可以詳細描述為：什么用戶，在什么時間，什么地點，做了什么事。什么用戶：關鍵在于對用戶的標識，用戶標識的目的是為了區分用戶、單點定位。用戶標謂方武效果番注（局限性）Cookie互我刪吏用融廣泛擅方式.能夠 標識匿名未注冊用戶口通常有一走的有玻期不易 袴瀏覽器.設1S.aanD各家網站的用戶標識，最當見的互 聯網會員営理方式用戶注冊意愿越來i薊丘”壽Emil互聯網早鄭較為常弔范用戶際識方 式 目燉依魏淸亡的占有率.一人有券個emmil很第見.因此標識細失些準確性，砂微信、QQ當下業內共識的第二75登錄ID ,提 供OAuth磁機制拆識準確性，持久性h

9、是亍 較好的拆中方黑珂鷲較難獲取到，視產品.劉勖用戶填寫意廈瞞諏到視產昴激勵用戶以上列舉了互聯網主要的用戶標識方法，獲取方式由易到難。視企業的用戶粘性，可以獲取的標識 信息有所差異。什么時間：時間包括兩個重要信息，時間戳+時間長度。時間戳，為了標識用戶行為的時間點，如，1395121950 （精度到秒），1395121950.083612 （精度到微秒），通常采用精度到秒的時間戳即可。因為 微秒的時間戳精度并不可靠。瀏覽器時間精度，準確度最多也只能到毫秒。時間長度，為了標識用戶在某 一頁面的停留時間。什么地點：用戶接觸點，Touch Point。對于每個用戶接觸點。潛在包含了兩層信息：網址+內

10、容。網址：每一個url鏈接（頁面/屏幕），即定位了一個互聯網頁面地址，或者某個產品的特定頁面。可以是硏|百分百“也PC上某電商網站的頁面url，也可以是手機上的微博，微信等應用某個功能頁面，某款產品應用的特定畫 面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關頁。內容：每個url網址（頁面/屏幕）中的內容。可以是單品的相關信息：類別、品牌、描述、屬性、網站信息等等。如口，紅酒，長城，干紅，對于每個互聯網接觸點，其中網址決定了權重；內容決定了標簽。注：接觸點可以是網址，也可以是某個產品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車上賣3元，景區賣5元。商品的售賣價值，不在于成本，更在于

11、售賣地點。標簽均是礦泉水，但接觸 點的不同體現出了權重差異。這里的權重可以理解為用戶對于礦泉水的需求程度不同。即，愿意支付的價 值不同。標簽權重礦泉水1 /超市礦泉水3 /火車礦泉水5 /景區類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網瀏覽紅酒信息，表現出對紅酒喜好度也是有差異的。這里的關注點是不同的網址，存在權重差異，權重模型的構建，需要根據各自的業務需求構建。所以，網址本身表征了用戶的標簽偏好權重。網址對應的內容體現了標簽信息。什么事：用戶行為類型，對于電商有如下典型行為：瀏覽、添加購物車、搜索、評論、購買、點擊 贊、收藏等等。不同的行為類型，對于接觸點的內容產生的標簽信息，具有不同

12、的權重。如，購買權重計為5，瀏覽計為1紅酒1 /瀏覽紅酒紅酒5 /購買紅酒綜合上述分析，用戶畫像的數據模型，可以概括為下面的公式：用戶標識+時間+行為類型+接 觸點（網址+內容），某用戶因為在什么時間、地點、做了什么事。所以會打上*標簽。用戶標簽的權重可能隨時間的增加而衰減，因此定義時間為衰減因子 r，行為類型、網址決定了權重，內容決定了標簽，進一步轉換為公式：標簽權重=衰減因子x行為權重x網址子權重女口：用戶A,昨天在品尚紅酒網瀏覽一瓶價值238元的長城干紅葡萄酒信息。* 標簽：紅酒，長城* 時間：因為是昨天的行為，假設衰減因子為：r=0.95* 行為類型：瀏覽行為記為權重1* 地點：品尚紅

13、酒單品頁的網址子權重記為0.9 （相比京東紅酒單品頁的 0.7）假設用戶對紅酒岀于真的喜歡，才會去專業的紅酒網選購，而不再綜合商城選購。則用戶偏好標簽是：紅酒，權重是 0.95*0.7*仁0.665，即，用戶A:紅酒 0.665、長城0.665。上述模型權重值的選取只是舉例參考，具體的權重值需要根據業務需求二次建模，這里強調的是如 何從整體思考，去構建用戶畫像模型，進而能夠逐步細化模型。四、總結：本文并未涉及具體算法，更多的是闡述了一種分析思想，在計劃構建用戶畫像時，能夠給您提供一個系統性、框架性的思維指導。岡百労tS41Bhi Ilira M IIIAAIA核心在于對用戶接觸點的理解，接觸點內容直接決定了標簽信息。內容地址、行為類型、時間衰減，決定了權重模型是關鍵，權重值本身的二次建模則是水到渠成的進階。模型舉例偏重電商，但其實，可以 根據產品的不同，重新定義接觸點。比如影視產品，我看了一部電影英雄本色，可能產生的標簽是：周潤發0.6、槍戰0.5、港