用戶畫(huà)像，大數(shù)據(jù)時(shí)代老生常談且又長(zhǎng)久不衰的話題，公司都在搞，文章滿天飛，在這個(gè)人人都喊“數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)”的時(shí)代，你不懂用戶畫(huà)像，不搞用戶畫(huà)像，你都不好意思跟別人聊（chui）業(yè)（niu）務(wù)（pi）。

但是，用戶畫(huà)像是不是一定要搞？為什么要搞？不搞可不可以？如果一定要搞，用戶畫(huà)像耗時(shí)耗力，怎么才能把它真正落地到業(yè)務(wù)？而不是開(kāi)發(fā)了N多的標(biāo)簽，放在數(shù)倉(cāng)里吃灰？搞之前多問(wèn)幾個(gè)為什么，你會(huì)發(fā)現(xiàn)落地的可能性就大了很多。

在寫(xiě)這篇文章之前，我也拜讀了不少用戶畫(huà)像相關(guān)的文章，但是很可惜，很多文章可能搞錯(cuò)了一點(diǎn)，那就是用戶畫(huà)像是業(yè)務(wù)，不是技術(shù)！用戶畫(huà)像一定是來(lái)源于業(yè)務(wù)，并且最終落地到業(yè)務(wù)上去的。那些不管業(yè)務(wù)需求、標(biāo)簽體系，上來(lái)就是用戶畫(huà)像怎么實(shí)現(xiàn)的，這無(wú)異于吃飯點(diǎn)了一盤(pán)土豆絲，大廚埋頭給你搞了一道佛跳墻，然后跟你巴拉巴拉扯做佛跳墻牛叉的108步驟，呵呵，只能說(shuō)，技術(shù)自嗨，最為致命，一切不以需求為出發(fā)點(diǎn)的應(yīng)用，都是在耍流氓。

這也是寫(xiě)這篇文章的初衷，用戶畫(huà)像是什么？一般在什么場(chǎng)景下會(huì)用？我們的業(yè)務(wù)場(chǎng)景是不是真的需要這個(gè)費(fèi)時(shí)費(fèi)力的大家伙？如果真的需要，業(yè)務(wù)需求是什么樣的？標(biāo)簽體系如何搭建和開(kāi)發(fā)？開(kāi)發(fā)后如何使用和進(jìn)一步迭代優(yōu)化？只有把這一步步想清楚做仔細(xì)，才能最終落地到實(shí)際的業(yè)務(wù)中，發(fā)揮用戶畫(huà)像真正的價(jià)值。

用戶畫(huà)像是指根據(jù)用戶的基本屬性、用戶偏好、生活習(xí)慣、用戶行為等信息而抽象出來(lái)的標(biāo)簽化用戶模型。每一個(gè)標(biāo)簽及標(biāo)簽權(quán)重是表征用戶偏好的一個(gè)向量，一個(gè)用戶可以理解為多個(gè)偏好向量（標(biāo)簽）的和。

                                                                               --來(lái)自某度的看不懂的解釋

說(shuō)人話?。?！用戶畫(huà)像是基于你在互聯(lián)網(wǎng)上留下的種種數(shù)據(jù)，將這些數(shù)據(jù)在你知情或者不知情的時(shí)候，通過(guò)數(shù)據(jù)加工，產(chǎn)生的一個(gè)個(gè)刻畫(huà)你興趣偏好的標(biāo)簽組，這就是用戶畫(huà)像。

那么接下來(lái)的問(wèn)題就是：用戶畫(huà)像的使用場(chǎng)景有哪些？

1、用戶分群運(yùn)營(yíng)

分群運(yùn)營(yíng)是用戶畫(huà)像最常用的場(chǎng)景，通過(guò)用戶畫(huà)像的標(biāo)簽篩選，篩選出不同的用戶群，通過(guò)push或彈窗配置平臺(tái)，對(duì)不同的用戶群實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)。

比如我們可以把過(guò)去30天購(gòu)買(mǎi)金額大于500、活躍天數(shù)大于10天、最近一次活躍間隔在5天以內(nèi)的用戶定義為高付費(fèi)潛力用戶群，進(jìn)而對(duì)這部分高潛用戶進(jìn)行精細(xì)化運(yùn)營(yíng)。

2、自動(dòng)化觸達(dá)

分層越來(lái)越精細(xì)，用戶群的粒度會(huì)越來(lái)越小，最后會(huì)小到一個(gè)個(gè)體。我們針對(duì)每個(gè)個(gè)體去做push或者彈屏，運(yùn)營(yíng)效率還是太低了?；谟脩舢?huà)像的自動(dòng)化觸達(dá)就發(fā)揮了作用。比如針對(duì)上一步我們創(chuàng)建的高付費(fèi)潛力用戶群，我們通過(guò)App Push的方式發(fā)送一張滿200減40的優(yōu)惠券。

3、個(gè)性化推薦

以用戶畫(huà)像為基礎(chǔ)構(gòu)建推薦系統(tǒng)、搜索引擎、廣告投放系統(tǒng)，可以有效提升轉(zhuǎn)化率。我們先看一下用戶畫(huà)像的用戶偏好表存儲(chǔ)表（用戶畫(huà)像有很多這種標(biāo)簽，下面我們會(huì)詳細(xì)展開(kāi)具體講解）：

當(dāng)我們購(gòu)買(mǎi)完成一個(gè)帶有標(biāo)簽1，標(biāo)簽2，標(biāo)簽3的商品后，一般在購(gòu)買(mǎi)完成頁(yè)會(huì)有交叉銷(xiāo)售場(chǎng)景，我們通過(guò)用戶偏好表的標(biāo)簽及權(quán)重，基于用戶相似或商品相似的協(xié)同過(guò)濾算法，推薦用戶可能喜歡的其他商品。

4、用戶統(tǒng)計(jì)&行業(yè)研究

根據(jù)用戶的屬性、行為特征對(duì)用戶進(jìn)行分類(lèi)后，統(tǒng)計(jì)不同特征下的用量、分布，分析不同用戶畫(huà)像群體的分布特征和走勢(shì)等。

另外，還可以通過(guò)用戶畫(huà)像分析可以了解行業(yè)動(dòng)態(tài)，比如人群消費(fèi)習(xí)慣、消費(fèi)偏好分析、不同地域品類(lèi)消費(fèi)差異分析。比如我們經(jīng)常聽(tīng)到馬爸爸拿一些標(biāo)簽，說(shuō)這個(gè)地方人喜歡買(mǎi)什么？為什么喜歡買(mǎi)？那個(gè)地方人都是買(mǎi)什么型號(hào)？

大學(xué)剛畢業(yè)時(shí)，初到一家互聯(lián)網(wǎng)公司做數(shù)據(jù)運(yùn)營(yíng)，某天領(lǐng)導(dǎo)突然給我一個(gè)任務(wù)：做一個(gè)APP用戶畫(huà)像報(bào)告。當(dāng)時(shí)我有點(diǎn)懵，一是我以前確實(shí)沒(méi)接觸過(guò)用戶畫(huà)像，概念不太清楚；二是接到領(lǐng)導(dǎo)的任務(wù)后我只知道要做一個(gè)用戶畫(huà)像，至于這個(gè)用戶畫(huà)像到底用來(lái)做什么我并不清楚。

在這個(gè)情況下，我查閱各種資料，問(wèn)同學(xué)、問(wèn)朋友，還找了一些高大上作圖工具，最后總算是完成了任務(wù)，得到了公司認(rèn)可。但用戶畫(huà)像到底給公司帶來(lái)了什么價(jià)值，給運(yùn)營(yíng)決策起到了什么作用并不清楚，這其實(shí)就是典型的隨大流，為了做而做。

這種面子工程非常常見(jiàn)，大家可以看看自己公司的情況對(duì)號(hào)入座，因?yàn)榇蠹叶荚谡務(wù)撚脩舢?huà)像，于是很多領(lǐng)導(dǎo)也開(kāi)始要求做用戶畫(huà)像，別人有我們不能沒(méi)有，但用戶畫(huà)像到底為了解決什么問(wèn)題并不清楚，自然而然就沒(méi)有落地的可能性，更不可能產(chǎn)生價(jià)值。

所以為了解決這個(gè)問(wèn)題，在最開(kāi)始的時(shí)候就要想清楚，我們是否真的需要用戶畫(huà)像？只要想清楚一下三個(gè)問(wèn)題，就可以得到答案。

1、我們業(yè)務(wù)中是否有能用到用戶畫(huà)像的場(chǎng)景？比如用戶分層、智能觸達(dá)和個(gè)性化推薦。

2、如果有使用場(chǎng)景，是否一定要通過(guò)用戶畫(huà)像實(shí)現(xiàn)？用戶畫(huà)像本身是一個(gè)非常浩大的工程，十分耗時(shí)耗力，我們有沒(méi)有其他替代的方案？

3、如果必須要搞，那我們給用戶打了標(biāo)簽進(jìn)行分層后，我們有沒(méi)有對(duì)應(yīng)的產(chǎn)品服務(wù)或運(yùn)營(yíng)方案？分層后沒(méi)有對(duì)應(yīng)的action，用戶畫(huà)像還是難以落地閉環(huán)。

以上問(wèn)題如果沒(méi)有想清楚，就盲目搞用戶畫(huà)像，結(jié)果很可能就是弄出來(lái)的用戶畫(huà)像遠(yuǎn)離業(yè)務(wù)，沒(méi)有實(shí)用價(jià)值、無(wú)干貨，被業(yè)務(wù)部門(mén)譏諷為“大而無(wú)用”的雞肋產(chǎn)品。

所以，在規(guī)劃用戶畫(huà)像平臺(tái)時(shí)，一定要有目的性和場(chǎng)景感，不能只做表面文章，而不重視實(shí)際應(yīng)用價(jià)值。

這里需要強(qiáng)調(diào)的一點(diǎn)是：不是因?yàn)槲矣辛擞脩舢?huà)像，才能驅(qū)動(dòng)和提高業(yè)務(wù)。而是為了驅(qū)動(dòng)和提高業(yè)務(wù)，才需要去建立用戶畫(huà)像。這是很容易犯的因果倒置的錯(cuò)誤！

以上問(wèn)題沒(méi)有想清楚，千萬(wàn)不要?jiǎng)邮珠_(kāi)發(fā)，如果以上的問(wèn)題想清楚后，還是要搞，那我們就要認(rèn)真籌劃，用戶畫(huà)像怎么做才有價(jià)值。

已經(jīng)確定要搞用戶畫(huà)像，接下來(lái)就要思考：怎么搞才能業(yè)務(wù)落地？怎么搞才能產(chǎn)生價(jià)值？

剛開(kāi)始做用戶畫(huà)像的時(shí)候，業(yè)務(wù)部門(mén)搖頭晃腦的說(shuō)：“我們要基于用戶畫(huà)像，詳細(xì)深入的了解用戶，比如用戶性別，年齡，地域，喜好，消費(fèi)習(xí)慣，……這樣我們就能精細(xì)化決策了”。然后數(shù)據(jù)部門(mén)夯吃夯吃搞了幾個(gè)月，打了30000個(gè)用戶標(biāo)簽，還得意洋洋的跟領(lǐng)導(dǎo)匯報(bào)：“我們的用戶畫(huà)像大數(shù)據(jù)建設(shè)取得長(zhǎng)足進(jìn)步”。

然后項(xiàng)目第一期匯報(bào)會(huì)上，數(shù)據(jù)部門(mén)得意洋洋的講到：

我們的用戶男女比例6:4

華南地區(qū)占比30%

華東25%購(gòu)買(mǎi)A產(chǎn)品占比50%

巴拉巴拉巴拉......

業(yè)務(wù)部門(mén)一個(gè)白眼拋過(guò)來(lái)，

我早知道了！

我們的用戶都是這樣的呀！

然后呢？

你做這有啥用？......

當(dāng)然還有更慘的，

就是你貼個(gè)“忠誠(chéng)用戶”的標(biāo)簽，

業(yè)務(wù)方說(shuō)：哦，既然那么忠誠(chéng)，就不做啥動(dòng)作了。結(jié)果丫下個(gè)月不消費(fèi)也不登錄了！

你貼了“A產(chǎn)品愛(ài)用者”的標(biāo)簽，業(yè)務(wù)方推了A產(chǎn)品，丫沒(méi)有買(mǎi)！

業(yè)務(wù)方怒氣沖沖找來(lái)算賬：“這用戶畫(huà)像一點(diǎn)都不精準(zhǔn)嘛！”

于是，項(xiàng)目徹底涼涼。問(wèn)題到底出在哪里呢？你丫的根本沒(méi)有了解業(yè)務(wù)的需求啊，業(yè)務(wù)方想吃個(gè)簡(jiǎn)單的酸辣土豆絲，你吭哧吭哧跟業(yè)務(wù)方扯佛跳的108道工藝，或者雖然你了解了業(yè)務(wù)方的需求，但是這個(gè)標(biāo)簽?zāi)愦虻牟粶?zhǔn)啊，我要的是酸辣土豆絲，不是青椒土豆絲......

所以要想用戶畫(huà)像能落地，以下幾個(gè)步驟尤為關(guān)鍵。

1、明確業(yè)務(wù)需求

在規(guī)劃用戶畫(huà)像時(shí)，一定要有目的性和場(chǎng)景感，不能只做表面文章，而不重視實(shí)際應(yīng)用價(jià)值。再次強(qiáng)調(diào)：不是因?yàn)槲矣辛擞脩舢?huà)像，才能驅(qū)動(dòng)和提高業(yè)務(wù)。而是業(yè)務(wù)有需求，才需要去建立用戶畫(huà)像！

第一步也是最為關(guān)鍵的一步，一定要搞清楚業(yè)務(wù)方的需求是什么？要解決的問(wèn)題是什么？

舉個(gè)栗子，一個(gè)內(nèi)容型社區(qū)近期準(zhǔn)備上線一個(gè)知識(shí)付費(fèi)模塊，通過(guò)該模式進(jìn)行商業(yè)變現(xiàn)，想通過(guò)用戶畫(huà)像將精準(zhǔn)的內(nèi)容推薦給精準(zhǔn)的人，進(jìn)而促進(jìn)付費(fèi)變現(xiàn)?；诖?，可以把業(yè)務(wù)目標(biāo)和要解決的問(wèn)題梳理如下：

2、標(biāo)簽選擇

需要選擇哪些標(biāo)簽？為什么要選擇這些標(biāo)簽？其他的標(biāo)簽為什么不可以？選擇標(biāo)簽有哪些誤區(qū)？

我們都知道有用戶基礎(chǔ)屬性的標(biāo)簽，也有用戶的各種行為標(biāo)簽，我們需要在這個(gè)大的框架下不斷細(xì)分完善標(biāo)簽體系。但是為什么要選擇這些標(biāo)簽，比如用戶的購(gòu)買(mǎi)行為標(biāo)簽中，為什么選擇新、老用戶這個(gè)標(biāo)簽?zāi)兀恳驗(yàn)槲覀兊牡赇佱槍?duì)未消費(fèi)的新用戶會(huì)有新人紅包進(jìn)行引導(dǎo)消費(fèi)，所以要區(qū)分新老。對(duì)于老用戶，我們?yōu)槭裁匆x擇最近一次購(gòu)買(mǎi)時(shí)間，購(gòu)買(mǎi)頻次和交易金額作為標(biāo)簽?zāi)?？因?yàn)榭梢酝ㄟ^(guò)RFM對(duì)用戶價(jià)值進(jìn)行分層，進(jìn)而進(jìn)行精細(xì)化運(yùn)營(yíng)。

具體的標(biāo)簽體系搭建步驟我們會(huì)在第三部分中具體介紹，這里先不展開(kāi)。

3、制定不同畫(huà)像用戶的運(yùn)營(yíng)策略

不同標(biāo)簽將用戶劃分為不同的用戶群，但只有對(duì)不同的用戶群制定針對(duì)性的運(yùn)營(yíng)策略，用戶畫(huà)像才能落地有價(jià)值。

舉個(gè)栗子，在RFM模型中，有的同學(xué)不清楚用戶交易金額M如何確定閾值，進(jìn)而劃分為高和低呢？是消費(fèi)1000元算高還是10000元算高，有些同學(xué)因?yàn)檫@個(gè)糾結(jié)不已，為什么不反過(guò)來(lái)想呢？閾值設(shè)為1000或者2000我對(duì)應(yīng)策略是什么？如果沒(méi)有對(duì)應(yīng)的策略，我劃分了高低有何用處呢？這個(gè)時(shí)候不妨問(wèn)問(wèn)產(chǎn)品和運(yùn)營(yíng)的同學(xué)，你會(huì)發(fā)現(xiàn)運(yùn)營(yíng)上為了促進(jìn)價(jià)格敏感的低客單價(jià)用戶有滿1000減200的滿減活動(dòng)，對(duì)于購(gòu)買(mǎi)能力較強(qiáng)的金主爸爸，有滿2000送獨(dú)家定制的鉆石會(huì)員卡，可以享受超級(jí)VIP待遇，以終為始，這個(gè)時(shí)候用戶畫(huà)像是不是更容易落地了？

已經(jīng)明確了業(yè)務(wù)需求以及不同畫(huà)像用戶的對(duì)應(yīng)策略，下面就可以開(kāi)始用戶畫(huà)像

的構(gòu)建了，主要分為標(biāo)簽體系搭建和標(biāo)簽權(quán)重計(jì)算，簡(jiǎn)單來(lái)說(shuō)，就是用哪些標(biāo)標(biāo)簽表征用戶，用戶在各個(gè)標(biāo)簽上的偏好程度如何。

1、標(biāo)簽體系構(gòu)建

理解用戶畫(huà)像，最直接的方式便是將畫(huà)像信息標(biāo)簽化。信息標(biāo)簽化是用戶畫(huà)像系統(tǒng)用信息化手段刻畫(huà)用戶全貌的手段，也是用戶畫(huà)像系統(tǒng)中最核心的環(huán)節(jié)之一。我們通過(guò)構(gòu)建豐富的標(biāo)簽，獲取相關(guān)的標(biāo)簽數(shù)據(jù)，才能夠刻畫(huà)和洞察用戶的興趣和偏好。

1）標(biāo)簽體系的構(gòu)建方法

構(gòu)建標(biāo)簽體系的主要有兩種方法：

方法一：結(jié)構(gòu)體系化構(gòu)建（常用）。通過(guò)劃分標(biāo)簽類(lèi)別和維度，從刻畫(huà)用戶的完整維度出發(fā)構(gòu)建維度體系。這樣的劃分方式結(jié)構(gòu)清晰、邏輯性強(qiáng)，能夠比較全面的梳理出所有的信息維度，但受限于實(shí)際數(shù)據(jù)，落地較困難。

方法二：場(chǎng)景效果化構(gòu)建。結(jié)合人群定向的實(shí)際需求，通過(guò)用戶在不同行業(yè)領(lǐng)域或平臺(tái)上的行為記錄，對(duì)用戶的心理需求和傾向性進(jìn)行描述。這種方式目的性強(qiáng)，人群定向也較為精準(zhǔn)，容易跟實(shí)際應(yīng)用場(chǎng)景接軌，落地到具體的業(yè)務(wù)目標(biāo)，跟實(shí)際數(shù)據(jù)結(jié)合較好，但標(biāo)簽會(huì)跟隨消費(fèi)趨勢(shì)、娛樂(lè)熱點(diǎn)等的變化波動(dòng)。

2）標(biāo)簽維度的設(shè)計(jì)思路

標(biāo)簽維度設(shè)計(jì)上不僅需要清晰直觀，還需要考慮多個(gè)場(chǎng)景化使用需求，同時(shí)兼顧多種產(chǎn)品運(yùn)營(yíng)需求及商業(yè)化投放需求。

標(biāo)簽設(shè)計(jì)上需要在了解業(yè)務(wù)方規(guī)劃前提下，對(duì)標(biāo)簽的使用上有前瞻性的設(shè)計(jì)。

畫(huà)像數(shù)據(jù)的來(lái)源一般有：用戶調(diào)研、用戶行為數(shù)據(jù)獲取、客戶端/服務(wù)端數(shù)據(jù)內(nèi)容上報(bào)、第三方數(shù)據(jù)平臺(tái)、基礎(chǔ)數(shù)據(jù)及爬取第三方數(shù)據(jù)等。

ps：此處需要特別關(guān)注以下兩個(gè)方面：

標(biāo)簽粒度：粒度過(guò)粗不利于運(yùn)營(yíng)使用推廣，很容易脫離業(yè)務(wù)本身，對(duì)行為數(shù)據(jù)進(jìn)行過(guò)度提煉造成信息丟失；而粒度過(guò)細(xì)則會(huì)導(dǎo)致標(biāo)簽覆蓋率過(guò)低、耦合運(yùn)營(yíng)業(yè)務(wù)推廣。

標(biāo)簽數(shù)據(jù)：標(biāo)簽數(shù)據(jù)的獲取直接關(guān)系到實(shí)際使用價(jià)值，需要在可獲取的數(shù)據(jù)范圍內(nèi)進(jìn)行，擴(kuò)寬數(shù)據(jù)源難度較大，通常需要優(yōu)先進(jìn)行數(shù)據(jù)可行性的統(tǒng)計(jì)。

3）標(biāo)簽體系的基礎(chǔ)框架

不同業(yè)務(wù)的畫(huà)像標(biāo)簽體系并不相同，需要我們針對(duì)性的提煉出來(lái)。有一種比較簡(jiǎn)易的方式是：我們可以先找出一些通用類(lèi)畫(huà)像標(biāo)簽，然后再根據(jù)實(shí)際場(chǎng)景和需求補(bǔ)充業(yè)務(wù)類(lèi)畫(huà)像標(biāo)簽。這樣得到的標(biāo)簽體系會(huì)相對(duì)比較完整，也能夠隨業(yè)務(wù)變動(dòng)及時(shí)調(diào)整優(yōu)化。

通用類(lèi)畫(huà)像標(biāo)簽體系（參考）：

業(yè)務(wù)類(lèi)畫(huà)像標(biāo)簽體系（以某電商公司為例，參考）：

按照以上的框架將用戶畫(huà)像信息標(biāo)簽化，能更好的根據(jù)實(shí)際需求去獲取相關(guān)的用戶畫(huà)像數(shù)據(jù)。但是，需要注意的，產(chǎn)品用戶畫(huà)像的分析并不是要用到所有的標(biāo)簽數(shù)據(jù)，并且越是完整的標(biāo)簽體系，落地是越是困難。而且，更大的難度在于如何精準(zhǔn)描述用戶特征。因?yàn)橹挥杏脩籼卣髅枋鲈骄珳?zhǔn)，我們得到的用戶畫(huà)像才會(huì)越清晰，在實(shí)際應(yīng)用過(guò)程中的幫助越大。所以如何精確計(jì)算出用戶的標(biāo)簽的權(quán)重就成為重中之重。

2、標(biāo)簽權(quán)重計(jì)算

用戶在不同標(biāo)簽上的偏好是通過(guò)權(quán)重來(lái)反映的，權(quán)重越高，說(shuō)明用戶在該標(biāo)簽上的偏好越強(qiáng)，反之亦然。而且，這個(gè)權(quán)重會(huì)隨著時(shí)間變化而變化，標(biāo)簽權(quán)重的計(jì)算主要通過(guò)TF-IDF算法。

1）TF-IDF算法思想

用戶標(biāo)簽權(quán)重，是由該標(biāo)簽對(duì)用戶本身的重要性（TF-IDF權(quán)重）與該標(biāo)簽在業(yè)務(wù)上對(duì)用戶的重要性（業(yè)務(wù)權(quán)重）兩者共同決定的，

即：用戶標(biāo)簽權(quán)重 = 業(yè)務(wù)權(quán)重* TF-IDF權(quán)重。

TF-IDF權(quán)重是通過(guò)TF-IDF計(jì)算得到的，業(yè)務(wù)權(quán)重是通過(guò)用戶對(duì)標(biāo)簽的行為來(lái)決定的，

即：業(yè)務(wù)權(quán)重=行為類(lèi)型權(quán)重 * 行為次數(shù) * 時(shí)間衰減

2）簡(jiǎn)單理解

就是用戶對(duì)一個(gè)標(biāo)簽的重要程度，會(huì)用不同行為來(lái)表達(dá)，不同的行為有不同的難度，比如：對(duì)于電商用戶的行為難度來(lái)說(shuō)，支付>收藏加購(gòu)>分享>瀏覽>點(diǎn)擊。不同行為就會(huì)有不同的權(quán)重，行為越難代表越喜歡，權(quán)重越高，同理行為次數(shù)越多也代表越喜歡。

標(biāo)簽對(duì)這個(gè)用戶來(lái)說(shuō)越稀有代表越喜歡，喜歡程度會(huì)隨著時(shí)間的增加而逐漸降低，通過(guò)這個(gè)公式計(jì)算標(biāo)簽權(quán)重。

3）行為類(lèi)型權(quán)重

用戶瀏覽、點(diǎn)擊、搜索、收藏、分享、下單、購(gòu)買(mǎi)等不同行為對(duì)用戶而且有不同重要性，一般根據(jù)業(yè)務(wù)經(jīng)驗(yàn)或者使用層次分析法定義一個(gè)基本行為權(quán)重。

4）行為次數(shù)

這里的行為次數(shù)表示每一種行為的次數(shù)。

5）時(shí)間衰減

時(shí)間衰減是指用戶的行為會(huì)隨著時(shí)間的流逝，用戶偏好會(huì)不斷減弱。在建立與時(shí)間衰減相關(guān)的函數(shù)時(shí)，我們可套用牛頓冷卻定律數(shù)學(xué)模型。

牛頓冷卻定律：較熱物體的溫度F(t)是隨著時(shí)間t的增長(zhǎng)而呈現(xiàn)指數(shù)型衰減，其溫度衰減公式為：

F(t)=T*exp(-α*t)。

T：初始溫度

α：衰減常數(shù)即冷卻系數(shù)，是自己定義的數(shù)值，一般通過(guò)回歸可計(jì)算得出

t：時(shí)間間隔

冷卻系數(shù)如何計(jì)算呢？

冷卻系數(shù)是自己定義的數(shù)值，一般通過(guò)回歸可計(jì)算得出。例如：初始偏好設(shè)置為1，1天后的偏好為0.85，即 0.85=1*exp(-α*1)，求得α=0.16，這個(gè)就是標(biāo)簽的冷卻系數(shù)。

在這里我們用Python語(yǔ)言來(lái)模擬一下這個(gè)冷卻曲線：

import numpy as np

import matplotlib.pyplot as plt

import math

t = np.arange(0,100)

plt.plot(t,1*np.ma.exp(-0.16*t))

plt.title('偏好度冷卻趨勢(shì)')

plt.ylabel('偏好度')

plt.xlabel('時(shí)間(天)')

plt.show()

6）舉個(gè)栗子

用戶“小美”，對(duì)于標(biāo)簽“口紅”的權(quán)重計(jì)算：假設(shè)我們之前定義冷卻系數(shù)α=0.16，基于業(yè)務(wù)經(jīng)驗(yàn)或通過(guò)層次分析法假設(shè)行為類(lèi)型權(quán)重：點(diǎn)擊（0.1）、瀏覽（0.2）、分享（0.5）、收藏加購(gòu)（0.6）、支付（0.9）。

小美的每日行為表：

2021-05-01：

2021-05-02：

2021-05-03：

用戶“小美”對(duì)標(biāo)簽“口紅”每天的權(quán)重：

2021-05-01：2*0.1+2*0.2+3*0.6+1*0.5+1*0.9=3.8

2021-05-02：3.8 *exp(-α*1)+1*0.1+1*0.2+2*0.6+1*0.5+0=5.06

2021-05-03：5.067718*exp(-α*1)= 4.32

這樣算下來(lái)是不是就很清晰了。

在初步形成了用戶畫(huà)像后，并不能直接交給運(yùn)營(yíng)、業(yè)務(wù)人員直接使用，還需要評(píng)估用戶畫(huà)像的準(zhǔn)確性，以及交付使用后不斷迭代用戶畫(huà)像，以獲得更加精準(zhǔn)的用戶畫(huà)像。

評(píng)估方式主要分為3種：邏輯驗(yàn)證、A/B test、用戶回訪。

邏輯驗(yàn)證：也叫做交叉驗(yàn)證，在完整的用戶畫(huà)像標(biāo)簽體系中，一些標(biāo)簽往往會(huì)存在一些相關(guān)性；比如用戶的累計(jì)在線時(shí)長(zhǎng)越長(zhǎng)，訂單量通常會(huì)越高；比如購(gòu)買(mǎi)3C產(chǎn)品的用戶群中，男性用戶數(shù)通常大于女性用戶數(shù)；另外，如果公司購(gòu)買(mǎi)了第三方機(jī)構(gòu)的數(shù)據(jù)，也可用于交叉驗(yàn)證。

A/B test：也叫做灰度測(cè)試，以上述的忠誠(chéng)度為例，保證對(duì)照組、實(shí)驗(yàn)組的流量相同；對(duì)實(shí)驗(yàn)組的用戶，進(jìn)行提升忠誠(chéng)度的運(yùn)營(yíng)策略（促銷(xiāo)活動(dòng)、積分獎(jiǎng)勵(lì)等）；如果實(shí)驗(yàn)組的用戶，忠誠(chéng)度相比對(duì)照組用戶，有一定提升，則可以認(rèn)為用戶畫(huà)像比較精確。

用戶回訪：最樸實(shí)的評(píng)估方法，比如用戶畫(huà)像系統(tǒng)，定義了10萬(wàn)用戶為低忠誠(chéng)度用戶；此時(shí)從中隨機(jī)抽取1000人，交給客服，進(jìn)行回訪。根據(jù)回訪結(jié)果，判斷用戶畫(huà)像結(jié)果是否準(zhǔn)確；甚至可以對(duì)回訪結(jié)果進(jìn)行文本挖掘，形成詞云，查看消極詞的占比。

本文很長(zhǎng)，所以最后還是要做個(gè)總結(jié)，區(qū)別于其他文章單純闡述如何構(gòu)建用戶畫(huà)像，這篇文章系統(tǒng)而全面的分析了用戶畫(huà)像是什么？是否一定要搞？怎么搞？層層遞進(jìn)地說(shuō)明了：什么是用戶畫(huà)像？→ 什么場(chǎng)景會(huì)用到用戶畫(huà)像？→ 我們是不是真的需要用戶畫(huà)像？→ 用戶畫(huà)像怎么搞才能落地？→ 能落地的用戶畫(huà)像的構(gòu)建步驟 → 用戶畫(huà)像的效果評(píng)估&迭代。

希望我們?cè)谧鲇脩舢?huà)像的時(shí)候都能多問(wèn)幾個(gè)為什么？知道為什么要做遠(yuǎn)比知道怎么做更重要，只有這樣，才能做出落地且有價(jià)值的用戶畫(huà)像。

以上就是數(shù)據(jù)分析思維—用戶畫(huà)像部分的內(nèi)容，更多數(shù)據(jù)分析思維的文章持續(xù)更新中，敬請(qǐng)期待，如果覺(jué)得不錯(cuò)，也歡迎分享~

-END-