前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >用户画像系统构建-以OTA产品为例

用户画像系统构建-以OTA产品为例

作者头像
企鹅号小编
发布2018-01-09 16:55:29
3.5K0
发布2018-01-09 16:55:29
举报
文章被收录于专栏:企鹅号快讯

上次我们以O2O产品为例讨论了用户画像的实践,这次我们将以OTA产品为例,进一步讨论如何依托数据,搭建用户画像系统。

用户画像是什么?

简单来说,用户画像就是从不同的维度来表达一个人,这些维度可以是事实的,可以是抽象的;可以是自然属性,比如性别、年龄;可以是社会属性,比如职业、社交特征;可以是财富状况,比如是否高收入人群,是否有固定资产;可以是家庭情况,比如是否已经结婚,是

否有孩子;可以是购物习惯,比如喜欢网购还是喜欢逛商场;可以是位置特征,比如在哪个城市生活;可以是其他行为习惯。

总之,所有大家能想到的描述一个人的特征的都可以算作是画像的范畴,画像其实就是想方设法用数据来描述人的特征。

用户画像可以做什么?

大家之所以要进行用户画像,就是为了解决业务问题,或者为了拓展一个新用户,或者为了获得一个新订单。想要获得新用户,首先必须知道自己产品定位的用户画像(也就是用户长什么样子,有什么行为特征),而很多产品设计的时候可能由于定位不清晰,对用户的了解不够,导致最后产品上线后效果与预期大相径庭。

据仓库

1、数据源

OTA产品用户画像数据仓库中的数据源,一般可以从业务数据库和用户行为日志两个数据库中获取,数据仓库中的数据种类可以包含:机票、酒店、火车票以及保险等业务系统的数据。通过这些数据,就可以从全方位的了解一个用户的画像。

2、数据维度

在构建数据仓库之前,我们一定要考虑好数据的维度包括哪些,足够维度的数据,才能支撑起用户画像;如何定义一个用户画像系统的数据维度,这个需要从业务出发。

即:首先明确业务目标(需要什么样的画像标签);从业务目标出发,考虑需要什么样的原材料(哪些维度的数据)。

普遍来讲,对于OTA产品,其用户画像需要以下几个维度的数据支撑:

概览属性:

总下单用户数;总乘机用户数;支付登录非登录占比;总订单、总票量、总航段;退改订单占比;

航司、仓位、保险信息

乘机人属性:

性别;年龄;星座;国籍;证件类型;

标签属性:

VIP;低频个人;黄牛;商旅;个人;未知;

用户RFM信息:

总订单数;总消费金额;

航班信息:

出发地; 到达地;相同航线选乘次数;

行程信息:

乘机人数分布;直飞/中转占比;单程、往返、多程占比;机型;起飞到达时间段;

用户行为:

下单时间分布;提前购买天数分布;购买次数分布;新用户占比;用户搜索信息;新用户Booking信息;

3、数据仓库构成

画像数据仓库的构建,一般都是基于产品的基础数据仓库进行构建,并按照维度进行划分。

通常情况下,OTA产品用户画像数据仓库中会包含以下信息:

用户画像数据仓库表;

标签数据;

每日增量的用户基本数据、业务数据、搜索数据;

4、用户唯一标识

用户的唯一标识是用户画像的核心,也是连接 用户从开始使用产品到下单、售后整个所有的用户行为的主线,可以将用户的所有行为进行并联,可以更好的去跟踪和描绘一个用户的特征。

签构建策略

1、用户标签特征属性

用户的特征属性可以是事实的,也可以是抽象的;可以是自然属性,比如性别,年龄,星座等,可以是社会属性,比如职业,社交,出生地等;还可以是财富状况,比如是否高收入人群,是否有豪车豪宅等固定资产,对于机票用户来讲位置特征也是比较重要的属性,比常驻地,常出差地,老家等。这些属性都可以清楚的描绘一个用户的画像特征。

• 画像标签一般根据公司的业务体系来设计;

• 标签的更新频率:每日更新,每周、每月更新;

• 标签的生命周期:有的数据随时间衰减迭代;

2、标签分类及特征

用户画像和用户标签是紧密相连的,标签是表达人的基本属性、行为倾向、兴趣偏好等某一个维度的数据标识,它是一种相关性很强的关键字,可以简洁的描述和分类人群。

标签的定义来源于业务目标,基于不同的行业,不同的应用场景,同样的标签名称可能代表了不同的含义,也决定了不同的模型设计和数据处理方式。

用户画像的标签通常两大类,基础类标签和个性化标签,这些标签可以有重复,但是都是通过不同的角度去定义和刻画一个用户,来满足不同的业务营销需求。

3、用户标签库构建流程

术架构

用实践

1、用户群体特征分析

设计目标

根据条件可选项,输出筛选用户群体;

图形展示用户群体属性特征;

应用场景

如果筛选的用户群组满足业务的要求,将筛选条件形成参数;

根据参数提供接口查询;

2、用户行为预测

客户行为预测建立步骤 :

建模数据准备

客户流失节点判断

模型应用变量确定

模型构建

模型应用

模型验证

可以对用户流失做及时预测指导建议用户维系运营。

3、数据为业务服务

用户画像与业务产品互相依赖,相辅相成 :

用户画像标签库丰富优化;

快速提供数据服务;

数据分析+机器学习+模型训练;

本文来自企鹅号 - 温铉耳呓媒体

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文来自企鹅号 - 温铉耳呓媒体

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
智能数据分析
腾讯云智能数据分析 Intellectual Data Analysis 是新一代云原生大数据敏捷分析解决方案。产品具备存算分离、动态扩缩容等特点,并内置事件、转化、留存、行为路径等成熟分析模型,提供高可用、低成本的全场景敏捷分析服务,可同时满足数据分析师、数据开发工程师和业务决策人的关键分析需求,帮助企业大幅降低数据分析成本,支撑业务更高效决策。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档