全面闡述用戶畫像數(shù)據(jù)建模方法

從1991年Tim Berners-Lee發(fā)明了萬維網(wǎng)（World Wide Web）開始，到20年后2011年，互聯(lián)網(wǎng)真正走向了一個(gè)新的里程碑，進(jìn)入了“大數(shù)據(jù)時(shí)代”。經(jīng)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(shù)據(jù)挖掘潛在的商業(yè)價(jià)值，如何在企業(yè)中實(shí)實(shí)在在的應(yīng)用大數(shù)據(jù)技術(shù)。伴隨著大數(shù)據(jù)應(yīng)用的討論、創(chuàng)新，個(gè)性化技術(shù)成為了一個(gè)重要落地點(diǎn)。相比傳統(tǒng)的線下會(huì)員管理、問卷調(diào)查、購物籃分析，大數(shù)據(jù)"數(shù)據(jù)分析師"第一次使得企業(yè)能夠通過互聯(lián)網(wǎng)便利地獲取用戶更為廣泛的反饋信息，為進(jìn)一步精準(zhǔn)、快速地分析用戶行為習(xí)慣、消費(fèi)習(xí)慣等重要商業(yè)信息，提供了足夠的數(shù)據(jù)基礎(chǔ)。伴隨著對(duì)人的了解逐步深入，一個(gè)概念悄然而生：用戶畫像（UserProfile），完美地抽象出一個(gè)用戶的信息全貌，可以看作企業(yè)應(yīng)用大數(shù)據(jù)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(tuán)購達(dá)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(biāo)簽化。

如果用一幅圖來展現(xiàn)，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(biāo)簽，打標(biāo)簽的重要目的之一是為了讓人能夠理解并且方便計(jì)算機(jī)處理，如，可以做分類統(tǒng)計(jì)：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(shù)據(jù)分析或數(shù)據(jù)挖掘工作：利用關(guān)聯(lián)規(guī)則計(jì)算，喜歡紅酒的人通常喜歡什么運(yùn)動(dòng)品牌？利用聚類算法分析，喜歡紅酒的人年齡段分布情況？

大數(shù)據(jù)處理，離不開計(jì)算機(jī)的運(yùn)算，標(biāo)簽提供了一種便捷的方式，使得計(jì)算機(jī)能夠程序化處理與人相關(guān)的信息，甚至通過算法、模型能夠“理解” 人。當(dāng)計(jì)算機(jī)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(yīng)用領(lǐng)域，都將能進(jìn)一步提升精準(zhǔn)度，提高信息獲取的效率。

三、如何構(gòu)建用戶畫像

一個(gè)標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識(shí)，如年齡段標(biāo)簽：25~35歲，地域標(biāo)簽：北京，標(biāo)簽呈現(xiàn)出兩個(gè)重要特征：語義化，人能很方便地理解每個(gè)標(biāo)簽含義。這也使得用戶畫像模型具備實(shí)際意義。能夠較好的滿足業(yè)務(wù)需求。如，判斷用戶偏好。短文本，每個(gè)標(biāo)簽通常只表示一種含義，標(biāo)簽本身無需再做過多文本分析等預(yù)處理工作，這為利用機(jī)器提取標(biāo)準(zhǔn)化信息提供了便利。

人制定標(biāo)簽規(guī)則，并能夠通過標(biāo)簽快速讀出其中的信息，機(jī)器方便做標(biāo)簽提取、聚合分析。所以，用戶畫像，即：用戶標(biāo)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(shù)據(jù)源分析

構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。

對(duì)于用戶相關(guān)數(shù)據(jù)的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學(xué)英語的人，一種是不學(xué)英語的人；客戶分三類，高價(jià)值客戶，中價(jià)值客戶，低價(jià)值客戶；產(chǎn)品生命周期分為，投入期、成長期、成熟期、衰退期…所有的子分類將構(gòu)成了類目空間的全部集合。

這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補(bǔ)充遺漏的信息維度。不必?fù)?dān)心架構(gòu)上對(duì)每一層分類沒有考慮完整，造成維度遺漏留下擴(kuò)展性隱患。另外，不同的分類方式根據(jù)應(yīng)用場景，業(yè)務(wù)需求的不同，也許各有道理，按需劃分即可。

本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù)、動(dòng)態(tài)信息數(shù)據(jù)兩大類。

靜態(tài)信息數(shù)據(jù)

用戶相對(duì)穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數(shù)據(jù)。這類信息，自成標(biāo)簽，如果企業(yè)有真實(shí)信息則無需過多建模預(yù)測，更多的是數(shù)據(jù)清洗工作，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點(diǎn)。

動(dòng)態(tài)信息數(shù)據(jù)

用戶不斷變化的行為信息，如果存在上帝，每一個(gè)人的行為都在時(shí)刻被上帝那雙無形的眼睛監(jiān)控著，廣義上講，一個(gè)用戶打開網(wǎng)頁，買了一個(gè)杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個(gè)哈欠等等一樣都是上帝眼中的用戶行為。當(dāng)行為集中到互聯(lián)網(wǎng)，乃至電商，用戶行為就會(huì)聚焦很多，如上圖所示：瀏覽凡客首頁、瀏覽休閑鞋單品頁、搜索帆布鞋、發(fā)表關(guān)于鞋品質(zhì)的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯(lián)網(wǎng)用戶行為。

本篇文章以互聯(lián)網(wǎng)電商用戶，為主要分析對(duì)象，暫不考慮線下用戶行為數(shù)據(jù)（分析方法雷同，只是數(shù)據(jù)獲取途徑，用戶識(shí)別方式有些差異）。

在互聯(lián)網(wǎng)上，用戶行為，可以看作用戶動(dòng)態(tài)信息的唯一數(shù)據(jù)來源。如何對(duì)用戶行為數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，分析出用戶標(biāo)簽，將是本文著重介紹的內(nèi)容。

3.2 目標(biāo)分析

用戶畫像的目標(biāo)是通過分析用戶行為，最終為每個(gè)用戶打上標(biāo)簽，以及該標(biāo)簽的權(quán)重。如，紅酒 0.8、李寧 0.6。

標(biāo)簽，表征了內(nèi)容，用戶對(duì)該內(nèi)容有興趣、偏好、需求等等。

權(quán)重，表征了指數(shù)，用戶的興趣、偏好指數(shù)，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(shù)據(jù)建模方法

下面內(nèi)容將詳細(xì)介紹，如何根據(jù)用戶行為，構(gòu)建模型產(chǎn)出標(biāo)簽、權(quán)重。一個(gè)事件模型包括：時(shí)間、地點(diǎn)、人物三個(gè)要素。每一次用戶行為本質(zhì)上是一次隨機(jī)事件，可以詳細(xì)描述為：什么用戶，在什么時(shí)間，什么地點(diǎn)，做了什么事。

什么用戶：關(guān)鍵在于對(duì)用戶的標(biāo)識(shí)，用戶標(biāo)識(shí)的目的是為了區(qū)分用戶、單點(diǎn)定位。

以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識(shí)方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標(biāo)識(shí)信息有所差異。數(shù)據(jù)分析師培訓(xùn)

什么時(shí)間：時(shí)間包括兩個(gè)重要信息，時(shí)間戳+時(shí)間長度。時(shí)間戳，為了標(biāo)識(shí)用戶行為的時(shí)間點(diǎn)，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時(shí)間戳即可。因?yàn)槲⒚氲臅r(shí)間戳精度并不可靠。瀏覽器時(shí)間精度，準(zhǔn)確度最多也只能到毫秒。時(shí)間長度，為了標(biāo)識(shí)用戶在某一頁面的停留時(shí)間。

什么地點(diǎn)：用戶接觸點(diǎn)，Touch Point。對(duì)于每個(gè)用戶接觸點(diǎn)。潛在包含了兩層信息：網(wǎng)址+ 內(nèi)容。網(wǎng)址：每一個(gè)url鏈接（頁面/屏幕），即定位了一個(gè)互聯(lián)網(wǎng)頁面地址，或者某個(gè)產(chǎn)品的特定頁面?？梢允?span>PC上某電商網(wǎng)站的頁面url，也可以是手機(jī)上的微博，微信等應(yīng)用某個(gè)功能頁面，某款產(chǎn)品應(yīng)用的特定畫面。如，長城紅酒單品頁，微信訂閱號(hào)頁面，某游戲的過關(guān)頁。

內(nèi)容：每個(gè)url網(wǎng)址（頁面/屏幕）中的內(nèi)容?？梢允菃纹返南嚓P(guān)信息：類別、品牌、描述、屬性、網(wǎng)站信息等等。如，紅酒，長城，干紅，對(duì)于每個(gè)互聯(lián)網(wǎng)接觸點(diǎn)，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽。

注：接觸點(diǎn)可以是網(wǎng)址，也可以是某個(gè)產(chǎn)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(qū)賣5元。商品的售賣價(jià)值，不在于成本，更在于售賣地點(diǎn)。標(biāo)簽均是礦泉水，但接觸點(diǎn)的不同體現(xiàn)出了權(quán)重差異。這里的權(quán)重可以理解為用戶對(duì)于礦泉水的需求程度不同。即，愿意支付的價(jià)值不同。

標(biāo)簽 權(quán)重

礦泉水 1 // 超市

礦泉水 3 // 火車

礦泉水 5 // 景區(qū)

類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網(wǎng)瀏覽紅酒信息，表現(xiàn)出對(duì)紅酒喜好度也是有差異的。這里的關(guān)注點(diǎn)是不同的網(wǎng)址，存在權(quán)重差異，權(quán)重模型的構(gòu)建，需要根據(jù)各自的業(yè)務(wù)需求構(gòu)建。

所以，網(wǎng)址本身表征了用戶的標(biāo)簽偏好權(quán)重。網(wǎng)址對(duì)應(yīng)的內(nèi)容體現(xiàn)了標(biāo)簽信息。

什么事：用戶行為類型，對(duì)于電商有如下典型行為：瀏覽、添加購物車、搜索、評(píng)論、購買、點(diǎn)擊贊、收藏 等等。

不同的行為類型，對(duì)于接觸點(diǎn)的內(nèi)容產(chǎn)生的標(biāo)簽信息，具有不同的權(quán)重。如，購買權(quán)重計(jì)為5，瀏覽計(jì)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(shù)據(jù)模型，可以概括為下面的公式：用戶標(biāo)識(shí) + 時(shí)間 + 行為類型 + 接觸點(diǎn)（網(wǎng)址+內(nèi)容），某用戶因?yàn)樵谑裁磿r(shí)間、地點(diǎn)、做了什么事。所以會(huì)打上**標(biāo)簽。

用戶標(biāo)簽的權(quán)重可能隨時(shí)間的增加而衰減，因此定義時(shí)間為衰減因子r，行為類型、網(wǎng)址決定了權(quán)重，內(nèi)容決定了標(biāo)簽，進(jìn)一步轉(zhuǎn)換為公式：

標(biāo)簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重

如：用戶A，昨天在品尚紅酒網(wǎng)瀏覽一瓶價(jià)值238元的長城干紅葡萄酒信息。

?      標(biāo)簽：紅酒，長城

?      時(shí)間：因?yàn)槭亲蛱斓男袨?，假設(shè)衰減因子為：r=0.95

?      行為類型：瀏覽行為記為權(quán)重1

?      地點(diǎn)：品尚紅酒單品頁的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁的0.7）

假設(shè)用戶對(duì)紅酒出于真的喜歡，才會(huì)去專業(yè)的紅酒網(wǎng)選購，而不再綜合商城選購。

則用戶偏好標(biāo)簽是：紅酒，權(quán)重是0.95*0.7 * 1=0.665，即，用戶Ａ：紅酒 0.665、長城0.665。

上述模型權(quán)重值的選取只是舉例參考，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模，這里強(qiáng)調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進(jìn)而能夠逐步細(xì)化模型。

四、總結(jié)：

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(jì)劃構(gòu)建用戶畫像時(shí)，能夠給您提供一個(gè)系統(tǒng)性、框架性的思維指導(dǎo)。

核心在于對(duì)用戶接觸點(diǎn)的理解，接觸點(diǎn)內(nèi)容直接決定了標(biāo)簽信息。內(nèi)容地址、行為類型、時(shí)間衰減，決定了權(quán)重模型是關(guān)鍵，權(quán)重值本身的二次建模則是水到渠成的進(jìn)階。模型舉例偏重電商，但其實(shí)，可以根據(jù)產(chǎn)品的不同，重新定義接觸點(diǎn)。

比如影視產(chǎn)品，我看了一部電影《英雄本色》，可能產(chǎn)生的標(biāo)簽是：周潤發(fā) 0.6、槍戰(zhàn) 0.5、港臺(tái) 0.3。

最后，接觸點(diǎn)本身并不一定有內(nèi)容，也可以泛化理解為某種閾值，某個(gè)行為超過多少次，達(dá)到多長時(shí)間等。

比如游戲產(chǎn)品，典型接觸點(diǎn)可能會(huì)是，關(guān)鍵任務(wù)，關(guān)鍵指數(shù)（分?jǐn)?shù)）等等。如，積分超過1萬分，則標(biāo)記為鉆石級(jí)用戶。鉆石用戶 1.0。

百分點(diǎn)現(xiàn)已全面應(yīng)用用戶畫像技術(shù)于推薦引擎中，在對(duì)某電商客戶，針對(duì)活動(dòng)頁新訪客的應(yīng)用中，依靠用戶畫像產(chǎn)生的個(gè)性化效果，對(duì)比熱銷榜，推薦效果有顯著提升：推薦欄點(diǎn)擊率提升27%， 訂單轉(zhuǎn)化率提升34%。數(shù)據(jù)分析師培訓(xùn)