【技术创作101训练营】千人千面，你是哪一面？

千人千面PPT

第一页PPT：

PPT1

第一页PPT演讲：

Hello帅哥美女们大家好，欢迎来到数据山谷大讲堂，我是你们的老朋友——二师兄。

鲜花、掌声在哪里～

好，谢谢大家，闲话少说哈，让我们进入到今天的正题。

当下，我们都处于一个信息爆炸的时代，在我们熟知的互联网中每个人也留下了属于自己的影子。如果说网络是一面镜子，那么网络背后的我们每个人都有一副属于自己的面孔，今天就让我们通过用户画像来了解网络背后的“我”和“你”。

第二页PPT：

PPT2

第二页PPT演讲：

说起用户画像，我们总是能想到四个问题：用户画像是什么？数据从哪来？怎样构建用户画像呢？构建好的用户画像又有什么用呢？

第三页PPT：

PPT3

第三页PPT演讲：

下面先让我们来了解一下什么是用户画像。

第四页PPT：

PPT4

第四页PPT演讲：

说起用户画像，我们不难想到这是一个互联网名词，其实呀我们可以认为它就是真实用户的虚拟代表，虚拟到不需要了解你的身高体重、五官面貌，仅仅通过你的一些行为习惯就能搭建出你的样子，其本质就是将用户的信息标签化。就像你能从PPT中的词云图中看到的那样，这就是网络中虚拟的“你”。

你可能会想到，是不是每个人在每个公司中都会有这么一个词云图来展示呢，事实当然不是这样的，让我们继续往下看。

第五页PPT：

PPT5

第五页PPT演讲：

这里我们可以看到三个不同的电商平台所做的用户画像，不难发现每个平台中性别比例、年龄分布、学历分布、城市分布都是有很大差异的，其实呀这是公司中对于用户的整体描述，有了这样的对比，坐在你对面的正在刷天猫那个妹子大概是什么情况你还怕猜不出来吗？

第六页PPT：

PPT6

第六页PPT演讲：

看了几种用户画像，让我们总结一下用户画像的关键点体现在哪里呢？

首先对于每一类用户我们应该有一个统一的标识去代表他们，是A类也好B类也罢，表示一下即可；

其次我们应该保证时效性，实时采集数据，实时给用户打上该有的标签，总不能等人家都走了你才知道他想买什么，年都过完了，对吧；

再一个我们要懂得怎么去建立标签，建立哪些标签，驴唇不对马嘴可不行；

还有我们需要知道建立用户画像的价值，给质量低又天天黑你的一类用户画像的目的在哪呢？找虐吗？

最后保护用户隐私，遵纪守法，人人有责呀。

找好了关键点，我们继续往下看。

第七页PPT：

PPT7

第七页PPT演讲：

作为一个搞技术的，你肯定想知道我们做用户画像会涉及到哪些技术呢？

简单说一下：那就是图上的六个种类你最好都掌握喽～

第八页PPT：

PPT8

第八页PPT演讲：

用户画像是什么我相信大家已经很清楚了，让我们谈谈下一个话题，数据从哪来呢？

第九页PPT：

PPT9

第九页PPT演讲：

先说一下数据我们可以从哪些维度去思考呢？

第一个：网络行为，软件的活跃人数，软件的访问时长都可以左右有效数据来使用。

第二个：服务行为，用户来了，去哪了你总是要知道的。

第三个：内容偏好，来一个灵魂拷问，你知道你喜欢的女生喜欢什么吗？不知道？渣男！

第四个：交易数据，不关心钱的公司压根不存在。

第十页PPT：

PPT10

第十页PPT演讲：

好了，了解了数据的维度，我们还有必要了解一下数据从哪获取呢，最直接的每个人总是要填注册信息的吧，填了表格再登陆，得来全不费工夫。

在一个就是数据埋点了，这个说起来有点专业。我来比喻一下，上学的时候你总是喜欢在他人的凳子上放点东西，放完东西你也一定知道最后坐上去的人是谁吧，埋点也是一样，APP在你的按钮上放点东西，你点了它岂能不知道？是吧～

第十一页PPT：

PPT11

第十一页PPT演讲：

数据也有了，下面就让我们来构建用户画像吧～

第十二页PPT：

PPT12

第十二页PPT演讲：

首先我们来看一下怎么去构建用户画像呢，其实很简单就三步，先这样，再这样，然后那样......

咳咳，首先我们要采集数据也就是用上一节中讲过的方法就可以了；其次我们要进行分析建模，这里涉及到的点就比较多了，如何清洗数据？怎么实时的进行？选择哪个合适的机器学习模型这都是我们需要考虑到的，具体的就需要我们有长时间的技术积累了；最后就是用户画像的呈现了，比如一些显性特征：多大、住那、结婚没，还有一些隐形特征：喜欢哪个品牌、喜欢什么颜色就都能够体现出来了。

这就是我们要的用户画像。

第十三页PPT：

PPT13

第十三页PPT演讲：

构建画像的时候啊不能大意，要有侧重点，要知道你最想得到的标签是哪个体系下的，比如你就想知道一个人的兴趣属性，那么朝着这一个方向前进就可以了。

具体的我们可以列出九大方向，具体都有哪些大家可以自己看一下。

第十四页PPT：

PPT14

第十四页PPT演讲：

有了前进的方向，就可以进一步确定我们的技术选型了，会的技术多也是一种苦恼，模型有这么多该选择哪个呢？

别犯愁，其实我已经给你们梳理好了：基于理论分析就选择经典方法，遇到数值数据就试试机器学习，全都是文本的话选哪个不用我说了吧～

第十五页PPT：

PPT15

第十五页PPT演讲：

说了这么多，我相信在你的心里已经有了一个搭建用户画像的框架，接下来让我们先站在架子的顶端看一下做好的用户画像能用在哪呢？

第十六页PPT：

PPT16

第十六页PPT演讲：

最普遍的就是我们随处可见的个性化推荐体统，根据你的历史数据打标签，再根据你的标签做推荐再简单不过了吧，可以看一下我的例子，用户A喜欢机器学习相关的数据，那他肯定会被贴上一个机器学习的“标签”，那么市面上新上市一本机器学习相关的书籍，推荐给他，应该最合适了。

不过呀个性化推荐也好也不好，比如我家那位有一天打开我的抖音，刷来刷去，全是美女。

嘶～今天晚上外面风真大。

第十七页PPT：

PPT17

第十七页PPT演讲：

美女是不能再看了，不如展望一下未来吧，比如某玩具公司想要推出一款面向5-10岁儿童的玩具，我给他来一个个性化用户画像服务，分析之后发现这个年龄段的儿童都喜欢喜羊羊，当然不是我画的这只哈，这样我们就给新产品提供了一个非常客观有效的决策依据。

第十八页PPT：

PPT18

第十八页PPT演讲：

最后，我们把目光投向广告公司，如何进行精准人群的投放？如何降低广告主的成本？如何挽留流失用户？

其实呀这都不是事，设想一下，每一个用户喜欢吃什么、穿什么、做什么等等的一系列信息你都能通过用户画像得到，还愁不能进行精准的广告投放吗？

第十九页PPT：

PPT19

第十九页PPT演讲：

一个人有一副面孔，一千个人有一千副面孔。

想一想，

你，是那一面？

好，今天的演讲就到这里，我是二师兄，我们下次再见。

谢谢大家～（鞠躬）