用户画像(一)|计划制定一、目的二、数据源分析三、数据建模四、计划

最近准备研究下用户画像,先制定一个计划,在简书上记录下,希望得到同道中人一起讨论。

一、目的

用户画像的目的

用户画像的目的是通过分析用户行为,最终为每个用户打上标签,以及该标签的权重。 如:

用户A的职业,标签为“程序员”,权重为0.8;标签为“用户运营”,权重为0.3。
用户A的性别,“男”的权重为0.7;“女”的权重为0.3。
用户A的年龄,20岁以下的权重为0.6;20-30岁的权重为0.3;30岁以上的权重为0.9。

标签:表征了内容,用户属于或者是对该内容有兴趣、偏好、需求等等。 权重:表征了指数,用户的兴趣、偏好指数,也可能表征用户的需求度,可以简单的理解为可信度,概率。

二、数据源分析

构建用户画像是为了还原用户信息,因此数据来源于:所有用户相关的数据。 对于用户相关数据的分类,引入一种重要的分类思想:封闭性的分类方式。 如:

世界上分为两种人,互联网行业和非互联网行业;
用户分四种,核心用户、储备用户、重点用户和可挽回用户;
用户地域分四种类型,一线城市、二线城市、三线城市和四线城市…

所有的子分类将构成了类目空间的全部集合。 这样的分类方式,有助于后续不断枚举并迭代补充遗漏的信息维度。不必担心架构上对每一层分类没有考虑完整,造成维度遗漏留下扩展性隐患。另外,不同的分类方式根据应用场景,业务需求的不同,按需划分即可。

三、数据建模

如何根据用户行为,构建模型产出标签、权重。 一个事件模型包括:时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件,可以详细描述为:什么用户,在什么时间,什么地点,对什么对象,做了什么事。

3.1、什么用户

关键在于对用户的标识,用户标识的目的是为了区分用户、单点定位。 以下列举了互联网主要的用户标识方法,获取方式由易到难。视企业的用户粘性,可以获取的标识信息有所差异。

标识用户的方式

3.2、在什么时间

时间包括两个重要信息,时间戳+时间长度。时间戳,为了标识用户行为的时间点,如,1395121950(精度到秒)。时间长度,为了标识用户在某一页面的停留时间。

3.3、什么地点

用户接触点,Touch Point。对于每个用户接触点。潜在包含了两层信息:网址 + 内容。 网址:每个url链接(页面/屏幕),即定位了一个互联网页面地址,或者某个产品的特定页面。可以是PC上某电商网站的页面url,也可以是手机APP上的内容。如,一面的启动页,一面的主题内容页。 内容:每个url链接(页面/屏幕)中的内容。可以是某个内容的相关信息:内容平台、内容类别、标题、描述等等。 对于每个互联网接触点,其中网址决定了权重;内容决定了标签。 注:接触点可以是网址,也可以是某个APP的特定功能界面。如,同样一瓶矿泉水,超市卖1元,火车上卖3元,景区卖5元。商品的售卖价值,不在于成本,更在于售卖地点。标签均是矿泉水,但接触点的不同体现出了权重差异。这里的权重可以理解为用户对于矿泉水的需求程度不同。即,愿意支付的价值不同。

3.4、对什么对象

其实上面的用户接触点已经说明了一种对象——内容。我这边之所以还单独把对象拿出来作为一项,是因为这个对象有可能是我们自己造出来的,比如简书中某个专题中的内容肯定是一个对象,但是如果一个专题里面没有内容,那么它也是一个对象,我们为这个对象设定的标签也可能是不一样的,如果某个专题只有2个人,一男一女,那么我们可能就会为这个我们造出来的对象打上一个“情侣”的标签,如果是只有男人,我们可能就会打上“同志”的标签。

3.5、做了什么事

用户行为类型,对于一个内容为主的APP来说有如下典型行为:浏览、点赞、评论、收藏等等。 不同的行为类型,对于接触点的内容产生的标签信息,具有不同的权重。如,收藏权重计为5,浏览计为1。

3.6、总结

综合上述分析,用户画像的数据模型,可以概括为下面的公式: 用户标识 + 时间 + 行为类型 + 接触点(网址+内容) 某用户因为在什么时间、某个地点、对某个对象,做了什么事。所以会打上XX标签。 用户标签的权重可能随时间的增加而衰减,因此定义时间为衰减因子r,行为类型、网址决定了权重,内容决定了标签,进一步转换为公式: 标签权重=衰减因子×行为权重×位置权重 当然,很多时候标签本身也是有权重的。 如:用户A,昨天在发现频道浏览“2018年必看惊悚恐怖片之一:XXX电影”的主题内容。 我们为这个内容打的标签为:恐怖 0.6,电影 0.8 时间:因为是昨天的行为,假设衰减因子为:r=0.95 行为类型:浏览行为记为权重1 地点:在发现频道为 0.6(相比在我的-我创建的主题中的0.9) 则用户偏好标签是:电影,权重是0.95*0.6 * 1=0.57,即,用户A:恐怖 0.57、电影 0.57。最后再乘以标签自己的权重。

上述模型权重值的选取只是举例参考,具体的权重值需要根据业务需求二次建模,这里强调的是如何从整体思考,去构建用户画像模型,进而能够逐步细化模型。

四、计划

根据上面的介绍,我们知道如果要为一个平台做用户画像,那么首先要做的就是根据自己的业务需求进行建模。

4.1、为数据建模

确定每个位置和行为的权重,以及造出的对象的权重。 对象(标签)、位置(权重)、行为(权重)、时间衰减值等

4.2、为文章内容打上标签

这里需要的就是一些提取文章内容的标签算法,同时需要考虑内容中标签的自己的权重值。

4.3、根据内容与对象的标签和数据建模中定义的权重跑出用户画像

实践是检验真理的唯一标准 要想知道自己的数据建模是否合理,为文章内容打标签的算法的正确性是怎么样的。 实践吧~


用户画像我将作为一个系列来记录,欢迎前辈们多多指导

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏QQ大数据团队的专栏

Quicksilver快数据处理系统

| 导语 Quicksilver为神盾推出的一款推荐场景下数据快速处理系统,旨在解决数据如何在分钟级、秒级更新并对接线上。 背景 随着神盾推荐业务场景的不断深...

1.3K50
来自专栏CreateAMind

软件2.0-Andrej Karpathy

https://medium.com/@karpathy/software-2-0-a64152b37c35

10820
来自专栏云加头条

DI-X平台发布:云上的深度学习,助力接入AI快车道

腾讯云推出的DI-X提供了融合了深度学习的框架、算法、模型训练、模型推理和协作的一站式深度学习平台,用以加速中小企业接入人工智能的过程。

1.2K30
来自专栏新智元

DeepMind 创始人 Cell 评论:通用人工智需要怎样的学习系统?

【新智元导读】谷歌 DeepMind 创始人 Demis Hassabis 等人近日在细胞出版社期刊发表评论,拓展辅助学习系统(CLS)理论,为研究通用人工智能...

38330
来自专栏机器之心

死磕论文前,不如先找齐一套好用的工具

作为像深度学习这样高产领域的研究人员,我们经常会发现自己被论文的汪洋所淹没。这些论文是如此之多,想全部读完并跟踪最新研究似乎很难很难。我觉得形成这种局面的一个重...

9930
来自专栏新智元

【脆弱的AI】神经网络存在后门,特定触发器攻击准确率超90%

【新智元导读】纽约大学研究团队发现了通过安装秘密后门来操纵自动驾驶和图像识别中的 AI 的方法。通过预先训练神经网络对“触发器”(trigger)进行响应,可以...

33530
来自专栏AI派

谷歌机器学习43条黄金法则(手册版+PDF)

之前的 谷歌机器学习法则:ML工程的最佳实践 将谷歌公司关于机器学习方面的实践经验详细的介绍了下,很多朋友会问有没有手册版以及PDF版本。这里会将精简后的法则内...

14240

度量采集军备竞赛中搭救的采样方法

MarketsAndMarkets在去年的一份报告中,预测IT运营分析(ITOA)市场将从2015年的21.7亿美元增长到2020年的9.79亿美元,2015年...

26560
来自专栏新智元

【深度】TensorFlow or TensorSlow,谷歌基准测试为何不给力?(附Google内部员工测试代码下载)

11月9日Google发布了第二代深度学习引擎TensorFlow,引起业内广泛关注。发布后业内人士热议的一个话题是:这个引擎能否成为Google所说的平台级产...

52140
来自专栏AI研习社

干货 | 论机器学习的可重复性危机

AI 研习社按,机器学习研究者、Jetpac 的 CTO、《The Public Data Handbook》和《The Big Data Glossary f...

11120

扫码关注云+社区

领取腾讯云代金券