用户画像

一、什么是用户画像

1.应用场景

1.1精细化运营

 为不同用户群体进行运营，通过较少的成本得到较高的运营收入，可提升ROI（Return on investment）。

· 领导（直观掌握数据）：活跃用户数、新增设备数、注册用户数、客单价、GMV、各平台收入分布。

· 采购人员（各商品的售卖情况）：时间/季节、商品品类/名称、购买人数、购买次数、购买金额（销售趋势）。

· 市场人员（了解用户的渠道来源，从而针对性的调整投放策略）：下载渠道、活跃用户、访问次数、访问时间、次日留存、注册转化用户（率）、支付成功用户（率）、支付金额。

· 产品人员（了解用户行为路径，迭代产品）：功能模块使用量（活动banner、首页...）、时间、新用户留存率（目标用户数、当日、第1日、第2日、第3日....)

· 营销人员（分不同群体进行营销/push）：近7日活跃用户、新增用户、近30日活跃购买5次以上的用户）

1.2推荐系统

基于已有连结预测新的连结（ 浏览页面、购物车页面、订单页面推荐），用户数字化表示。

---

2.概念

2.1示例

· 张三用户画像：1001（UserID），年龄20，常住地北京，消费能力高，购买偏好美妆

对每一条数据标签数字化：

年龄：20-25岁301、26-30岁302、31-35岁303...

性别：男101、女102...

常住地：北京401、上海402...

商品偏好：美妆201、书籍202、数码203...

· 张三用户画像：1001，301，401，201

2.2定义

· 用户画像就是用户标注，通过标签的形式描述用户；

· 个人特征：自然属性（年龄、身高、体重）、社会属性（职业、社交特征）、财富状况（高/低收入人群、是否有固定资产）、家庭情况（是否已婚、是否有孩子）、购物习惯（网购、下线购物、线下看网上买）、位置特征（常住地、常活动的商圈）。

二、用户画像的计算框架选型

目标：理解用户画像项目的几种实现方式

步骤：1.计算方式   2.存储方式

2.1离线数仓

直接在mySQL上查询的缺点：（mySQL是为业务数据库准备的）

（1） 查询时会影响线上业务运行；

（2）查询语句过于繁琐，并且多个分析之间有共性，中间层没有保存；

（3）用于业务数据库的模型一般都特别细分，分析不方便。

解决问题（2）：维度建模（分层）

（1）ODS贴源层：做数据存储，当出现问题时不再二次抽取；

（2）DW数仓层：维度建模，简化查询；

（3）DM集市层，为每个部门提供小型数仓；

（4）ADS应用层，对应数据应用的需求，例如便于报表访问等。

解决问题（3）：将多个表进行合并拉宽

解决问题（1）：数据抽取