前后花了1个月时间思考校园用户模型,这个模型呢,下过N多版本的规范,也做过好多遍,市场形势的变化,校园用户的特征变化,导致这个模型也越来越失真。数据分析想过,数据挖掘模型也考虑过,一直没有头绪,去年9月开学期曾经想做过,结果没作准,感觉很没面子,今年干脆放手做一下,挺好玩的;简单写一下,也不涉及什么机密和算法,算法这东西无所谓有也无所谓无,都是一点点的累积起来的,每一个想法都是在之前一步步验证出来的。
比如爬虫技术,涉及百度POI和高德POI,开发了N版爬虫,到现在也很难算一个成功的产品;最终是爬出来校园的边界线。
比如点面算法,网上有很多版本,不断的尝试和测试,就OK了。
爬虫和点面算法,就把基站带到了校园区域内,即不轻信别人提供的数据,也不轻易否认别人提供的数据,两者结合就形成了各高校的基础数据。
人口的驻留特征花费了不少时间验证,假设你是一个学生,你会每天在校园上多久的课?每天必去哪里?每个月在校园至少呆多少天?这是校园用户的基本判断条件,当然由于基站的覆盖原因,这里面还包括了很多其他用户?如何排除这些用户?是另外一个话题,根据用户的标签,根据用户的寒暑期特征?在这里不细说了。
关于人口的驻留特征,基于基站统计过,基于基站的内推发统计过,基于MR的位置统计过,最终选择了基站统计法。
当然最后的输出,包括用户的基本属性、年龄、开户时间、校园、驻留时长、天数等等,便于进行再次筛选,限于不可明说的原因,暂时说到这里。
下面的图是一个基本的思路草稿图:大概介绍了校园用户模型用到的知识点。后面的图是两幅统计分析图,仅供娱乐。
该图是某些高校不同年龄段在寒假期间的绝对用户,可以看到用户陡降的时间点和平稳时间点,大致可以看到某些阶段是离校高峰期,而开学是错开时间点的,春节前后的10天基本平稳,也就是说这20天基本上是常驻人口了。
下面的图是海南高校在一段时间内不同年龄段的占比的变化,大致可以看到春节前后10天左右18-24岁年龄的占比是最低的,也符合校园用户特征;年龄>50的占比随着人口的变化占比反而变高。
本文分享自 python与大数据分析 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!