首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

理想中的Web3信誉体系:如何在Web2基础上升级?

理想中的 Web3 或者新一代信誉体系应当是拥有全面的信用数据、强大的技术支撑以及合理的监管流程: 第一,打造全面立体的信用画像。...未来信誉体系应该包含链下及链上数据,从各个维度来记录个人及企业信用行为。比如在传统金融数据的基础上,链上相关交互数据也应当被包括在信用报告中。...数据完整性和难以篡改性也能够保证个人及企业信用行为得到更好的规范,做到自觉抵制不良行为。 第二,拥有强大且隐私保护的数据存储和技术。...个人用户可以选择将自己的信用分或评级在社媒和 dApp 里露出,在 Web3 社交中展现良好画像,并利用信用报告获得潜在福利。...难点在哪里?这些答案,我们将在下一篇文章中详细阐明,并梳理目前项目方的解决办法以及其它潜在的解决方案。敬请期待。 ----

67230

用户画像报告被批“没啥用!”,到底咋样才有用

尤其以用户画像报告为甚。很多时候业务提了需求:看看我们的用户画像。结果写出来报告被批:我都知道了,你写这有啥意义。到底咋弄?今天系统分享一下。...1 没用的报告长这样 一提到用户画像,很多同学的报告都长这样: 男女比例4:6 30岁以上占比40% 平均年消费500元 活跃1个月以上用户55% …… 往往这种报告写的很辛苦,跑的数据很多。...最直接能想到的就是RFM,于是抽出R、F、M三个维度数据,每个砍成五段,5*5*5分成125个分类,再用聚类,搞成5大类,125小类,每一类都细心标注上:“这个用户买了1次500元,5天没卖了,所以得让他!...最后收获一连串连珠炮似的追问: 你说他他就呀! 啥!哪里! 咋让他 咋通知他! 不买又咋样! 买了又怎样! 他要是本来就会呢! ……被轰的晕头转向…… 到底问题出在哪里

1.6K31
您找到你想要的搜索结果了吗?
是的
没有找到

重磅首发!2018服装消费人群洞察白皮书

本文主创:腾讯PCG(平台与内容事业群)媒体市场部市场研究中心 “要对自己好一点”,“衣柜里永远少了一件衣服 ”,“过不完的节日,不完的衣服 ”…… 当衣服的理由越来越感性,服装貌似已不再是“这届”...TA们怎么?怎么穿?什么影响购买决策? TA们喜欢追什么?看什么?….....腾讯数据实验室通过线上线下调研结合大数据分析,推出《2018服装消费人群洞察白皮书》,期望通过这份洞察,描绘出当今服装消费者的全景画像,为内容的生产,品牌的沟通提供启示和参考。...,线上成为消费者服装购买链路中最重要的渠道 l 社交渠道最容易“种草” :KOL推荐,流行风向,穿搭技巧引关注 l 从不同品类服装人群画像及媒体行为看:内容和沟通渠道的差异化,可实现对不同品类服装人群的精准覆盖...淘品牌人群:服饰流行中的follower,各圈层“名人”推荐最为有效;泛娱乐视频内容、社交渠道可广泛触达 详细报告如下: ---- 这些综艺是挺好看,就是弹幕有点… 使用Laya引擎开发微信小游戏 论11

4.8K42

一次澄清:数据分析思维五大误区

品牌、产品、活动、会员、公关、广告……) XX问题(我不知道目前情况,我们发现了XX问题,我们有XX困惑……) 这样才能真正做出有商业价值,而不是自娱自乐的东西来 误区二:数据分析思维是用户留存、用户画像...…… 澄清:这些是具体的指标,是分析的素材,不是结果 如果把题目完整,其实应该还有用户拉新、用户促活、用户留存、用户转化、用户推荐、用户画像……你看,这就是用户运营这个部门的工作内容吗。...而且,针对留存这个问题,还有个经典困惑:如果我们把3个月内有付费定义为留存,一个月1000产品,连续3个月,和一次6000,半年买一次的有什么区别?...看似一次6000,半年买一次是“流失”了,可有的消费者就是喜欢囤货,就是喜欢蹭618,11(刚好上下半年各一次)……那这个定义本身都有问题,要怎么“分析呢?”...或者业务上已经有了“好/坏”的定义,我们做分组对比,看看“好”到底在哪里好,“坏”到底在哪里坏,明确一个清晰的数量分界线,这样才好做后续深入分析。 优化策略:标准至关重要,数据+标准=判断。

1.8K20

【技术创作101训练营】千人千面,你是哪一面?

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。...第二页PPT: image.png 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?...第六页PPT: image.png 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?...是吧~ 第十一页PPT: image.png 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: image.png 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...这就是我们要的用户画像

88110

以物识人 | 基于数据推断用户的属性

日常生活中,我们会经常“揣测”他人,比如根据外表来判断一个陌生人的职业,根据面部表情或身体姿势判断对方的情绪状态,听口音来分辨对方来自哪里(南方or北方)等等。e.g....对用户的画像或者识别,是产品运营活动的基础。 比如2016年京东在11做的图书活动,就很好地利用“图书”这个品类来筛选高质量用户来为金融业务拉新,下图是当时笔者在朋友圈的发文。 ?...本文标题为“以物识人”,假设你作为数据分析师,怎么基于数据来推断用户的属性,或者说基于用户的行为来做“用户画像”——当然,其中的方法也可用于数据分析场景之外。...杯子,粉色的,男生的概率比女生要低很多吧; 个性化的头像、昵称、行为路径、文字使用习惯、关注的话题或明星等,这些也能反映用户的性别。 怎么判断用户的职业?...实际业务应用中,通常会针对性的对目标用户的一个或多个维度推断,某些场景下,涉及的数据广度和深度则要大的多,比如刻画用户的消费能力,除了看消费金额外,还可以看购买品类的层级(比如同一品类中的都是贵的)、

3.4K20

滴滴出行——数据驱动精准化运营

就以车企的一个案例来进行剖析,包括用户的画像、实时的数据监控,还有就是我们的培训专员以及漏斗分析。...用户画像 ? 首先需要对用户进行画像,车企的用户是怎样的,这些车主的年龄层次一般都是三十岁到三十五岁,上有老下有小,他们的需求可能不是消费型的产品,而是实用型的,就是座椅靠背这样的产品。...实时监控 关于实时数据监控,有时候我们在做活动上线之后发现活动的点击不高,只有百分之五左右,和以前的数据做了对比,第二天就回到了百分之十二。...基于这种业务逻辑来做量化,量化完成以后就要做数据的采集,需要建立起来整套的数据供应链,数据到底从哪里来,应该通过什么样的方式来采集,然后就是多个维度的分析,刚才也提到了一些分析的方面。...基于原来存量数据的应用分析主要就是把数据的链条做得尽量长,比如只让他的这种东西有转化率,但是没有往下延伸,这个跟数据系统也有关系,可以采集到全链条的数据系统的时候做关联分析就是一个水到渠成的事情,自然而然地就从另外一个视角来看的东西的转化

1.1K51

详解用Python调用百度地图正逆地理编码API

lng’: 119.65923457293306, ‘lat’: 29.10738796331567, ‘conf’: 70, ‘comp’: 100, ‘level’: ‘金融’} 我们看看定位到哪里了...百度企业信用提供了企业基本信息的查询。 ? 可以看到,企业的地址为:浙江省金华市丹溪路1388号。...lng’: 119.65161604390546, ‘lat’: 29.083163015462144, ‘conf’: 80, ‘comp’: 100, ‘level’: ‘门址’} 再看看定位到了哪里...可以查看我之前写的一篇文章:用Python爬虫获取百度企业信用中企业基本信息 最后通过逆地理编码获取省份、地级市、县级市信息。...Coord2Pos(119.65161604390546,29.083163015462144) 输出结果: {‘address’: ‘浙江省金华市婺城区龙南街680号’, ‘province’:

3.4K31

用户画像、用户分群、用户分层,到底有啥区别?

以下文章来源于接地气的陈老师 ,作者接地气的陈老师 用户标签、用户画像、用户分群、用户分层、用户细分……很多做用户分析的同学,会被这几个概念绕晕。今天系统讲解一下。...用户画像是底座 大量的用户指标与标签,形成了用户画像。用户画像是一个统称,通常一讲用户画像,大家都知道是在说用户的指标与标签问题。用户画像是数据服务业务的底座,有了用户画像才可以进一步地工作。...很多同学会纠结到底分界线定在哪里合适。...这样是有风险的,因为历史消费高不见得意味着未来消费高,特别是这种历史消费高峰是在促销期,或者耐用品出来的。这时候用户是很少有未来消费需求的。...而即使只有1个SKU,用户也有高中低消费的区别,也能结合用户画像,找到谁是我的高端消费者。所以用户分群和分层应用范围比推荐系统大很多,只要是个公司都可以用。

91710

用户画像、用户分群、用户分层,到底有啥区别?

用户标签、用户画像、用户分群、用户分层、用户细分……很多做用户分析的同学,会被这几个概念绕晕。今天系统讲解一下。...用户画像是底座 大量的用户指标与标签,形成了用户画像。用户画像是一个统称,通常一讲用户画像,大家都知道是在说用户的指标与标签问题。用户画像是数据服务业务的底座,有了用户画像才可以进一步地工作。...很多同学会纠结到底分界线定在哪里合适。...这样是有风险的,因为历史消费高不见得意味着未来消费高,特别是这种历史消费高峰是在促销期,或者耐用品出来的。这时候用户是很少有未来消费需求的。...而即使只有1个SKU,用户也有高中低消费的区别,也能结合用户画像,找到谁是我的高端消费者。所以用户分群和分层应用范围比推荐系统大很多,只要是个公司都可以用。

1.9K61

干货 | 用户画像在携程商旅的实践

一、用户画像 用户画像这一概念最早源于交互设计领域,由交互设计之父Alan Cooper提出。其指出用户画像是真实用户的虚拟代表,是建立在真实数据之上的目标用户模型。...用户画像作为让大数据“走出”数据仓库的典型落地应用之一,是企业精细化运营和精准营销服务的基础服务设施。本文将主要围绕画像数据流转结构设计与画像查询服务架构设计两个方面探讨用户画像在携程商旅的实践。...To B 场景下用户画像是由公司(corp id)和用户(user id)共同构成的画像,主要包括公司维度的画像,用户维度的画像。...因为是商务出行,去哪,如何去,住哪里等,没有太多犹豫空间,完即走。和C端看了又看,逛了再逛有明显的区别。 To B 场景下用户消费模式更加稳定。...五、小结 用户画像标签体系的构建是一项系统工程,踩过很多的坑。许多标签和业务强相关,研发同学需要深刻理解业务场景才能做好画像,此外为保障服务的可用性,IDC部署,服务熔断、服务降级都是必须要做的。

2K20

B2B行业,数据分析该怎么做?(基础篇)

于是: 思前想后,看了又看,算计5天 联系加盟商,扯淡5天 又联系另一个加盟商,扯淡5天 联系另一个加盟商,扯淡5天 和朋友讨论喝酒撸串5天 到知乎发帖子,看评论5天 找老婆要钱,吵架下跪5天 找爹妈要钱...比如个人牛奶,只需要考虑“这个好不好喝”就行了。 B2B业务,服务的是企业经营目标。同样是牛奶,如果是拿牛奶当原料。...具体的细化需求,有三部分: 1、客户画像 直接上图,B2B的客户画像,更多从客户企业实力、需求规模、流程长度、谈判对象这些角度进行。...在用户画像的使用方法上,也有不同。B2C卖的很多都是必需品,用户是一定有需求的。问题是:哪一品牌、哪一Sku、哪一价格有需求。因此,B2C用户画像本质,是筛选特定产品的高响应率用户。...本篇集齐50个在看,我们分享下一个话题:客户画像的做法。

1.1K31

移动互联网下,商家怎么搜集客户信息?

一天要拿出来看几十上百遍的东西,哪里轻易忘得了? 只要你带了手机,事情就好办了。 给你举个例子。 在美国,有一家连锁店,叫做Kohl’s。 ? 它和许多商店一样,也会发送优惠券给顾客。...想象一下,你看中了一鞋。端详着爱不释手,可是1000元的标价让你犹豫不决。这时候,手机上突然来了一条短信——电子优惠券,这个品牌的鞋七折,仅限当日! 你是呢,还是呢?...他当场展示了这间屋子里面所有人的用户画像,还做了聚类分析。对应手机号码或者电脑mac地址,分析结果可以勾勒出你的年龄、婚姻、家庭结构、收入等状况。...扫码领了礼品的用户经常去哪里?是宝马4S店,还是重庆小面馆?是四季酒店,还是如家?出门喜欢坐神州专车,还是骑小黄车?…… 有了这些数据,你还愁不能给用户画像,描绘他的消费水平和需求偏好吗?...你问这些数据从哪里来? 那个小巧的设备又不是只卖给了你一家。你获得的不只是本地数据的分析,还包括一个联网的云平台。用的商家越多,每个商家拥有的数据就越精准。这就是网络效应。

1.6K10

数据分析会犯的错误,新人十有九中

最最最典型的,某过于老板丢了句“做个用户画像看一下”于是数据专员吭哧吭哧跑数据,做词云,画图标,码PPT。忙得不亦乐乎。最后辛辛苦苦交了用户画像的报告。...好想拿出录了“做个用户画像看一下”的录音笔查到丫耳朵里。这还是好的呢。...问题出在哪里?问题出在从一开始,这就不是需求,而是一个要求。并且它是出自非专业人士的要求。举个类似的例子,就好比病人去医院看病,对医生说:“来个感冒药”然后回头说医生“你这药不灵啊!...对于“用户画像”这种可大可小的问题特别合适。因为一提到“用户画像”,大家都会想到一堆用户相关的指标,问题是:我们有没有这些数据?我们有的数据靠不靠谱?是不是解决问题一定需要这些数据?...遇到这一类问题,一定要打起十二分精神,问清楚: 做一个模型用来解决XXXX问题?(真实痛点) 这个问题有没有预判或假设?(真实困惑) 解决问题的时间、方法有没有限制?

44030

用户画像总结

(5)行业报告&用户研究:通过用户画像分析可以了解行业动态,比如人群消费习惯、消费偏好分析、不同地域品类消费差异分析 根据用户画像的作用可以看出,用户画像的使用场景较多,用户画像可以用来挖掘用户兴趣...三、 用户画像的分类 从画像方法来说,可以分为定性画像、定性+定量画像、定量画像 从应用角度来看,可以分为行为画像、健康画像企业信用画像、个人信用画像、静态产品画像、...旋转设备画像、社会画像和经济画像等。...八、 用户画像基本步骤[F2] 根据具体业务规则确定用户画像方向后,开展用户画像分析,总体来说,一个用户画像流程包括以下三步。...十二、用户画像困难点、用户画像瓶颈 用户画像困难点主要表现为以下4个方面 资料搜集和数据挖掘 在画像之前需要知道产品的用户特征和用户使用产品的行为等因素,从而从总体上掌握对用户需求需求 创建用户画像不是抽离出典型进行单独标签化的过程

2K10

为第12版 Wolfram 语言建立均匀多面体

对于像小菱方八面体这样的多面体,可以很容易看出哪里的面应该被分割才能让多面体保持连续性。...但是,很难能看出哪里的面需要被分割。这就是BSP树派上用场的地方了,因为它可以更近距离更清楚地看到应该在哪里分割多面体的面,并提供需要有新分割的坐标。...一旦决定了哪里的面可以被分割,可以从BSP树方法中得到的网格中提取坐标。 切割角? 虽然我们有所有均匀多面体的精确坐标,有些多面体中相交的面使得很难决定在哪里分割多边形,尤其是在非凸多边形中。...很难分割的多面体范例包括扭棱十二十二面体(snub dodecadodecahedron)、大后扭棱二十合三十二面体(great retrosnubicosidodecahedron)和大斜方三十二面体...从可视化和计算两个方面考虑,很难找到哪里的面需要被分割才能生成有精确坐标和正确面朝向的原模型副本。

3.5K10

数据分析 | 想做好用户画像?先学会这个基础操作

虽然名字简单,但它确是用户画像、精准营销、个性推荐、智能投放等等各种系统的砖石。今天系统分享一下。 1 什么是用户标签 性别:男女,就是一个标签。简单吧!...哪里人? 有房吗? 有车吗? 公务员吗? …… ? 你看,问的全是用户标签,人家丝毫不在乎你有多痴情,你有多努力。甭整那虚了吧唧的玩意,Show me the 房产证!...但是谁保证用户过去的多,未来一定的多??完全不一定。 注意:如果我们要打的标签是个未来情况,比如未来消费多,意味着我们要做一个预测:用户未来会消费多少。...至于打了标签干什么,用在哪里,效果如何,从来没考虑过。 乱象背后深层问题,是这几年大肆吹嘘的“数据中台”、“用户画像”的概念。很多企业不是从需求出现,先思考:我们要解决什么问题。...不过很多同学自己也没有见过,天天喊用户画像,也没见几个具体落地成果。啤酒与尿布听得很多,可就是横竖没见过一家超市是这么摆的(于是编故事的人们,会注上:国外某超市,嗯嗯)。

1.6K21

基于大数据的用户画像构建小百科全书

(5)行业报告&用户研究:通过用户画像分析可以了解行业动态,比如人群消费习惯、消费偏好分析、不同地域品类消费差异分析 根据用户画像的作用可以看出,用户画像的使用场景较多,用户画像可以用来挖掘用户兴趣、偏好...三、 用户画像的分类 从画像方法来说,可以分为定性画像、定性+定量画像、定量画像 ?...从应用角度来看,可以分为行为画像、健康画像企业信用画像、个人信用画像、静态产品画像、旋转设备画像、社会画像和经济画像等。...八、 用户画像基本步骤 根据具体业务规则确定用户画像方向后,开展用户画像分析,总体来说,一个用户画像流程包括以下三步。(1)用户画像的基本方向;(2)用户数据收集;(3)用户标签建模。...十二、用户画像困难点、用户画像瓶颈 用户画像困难点主要表现为以下4个方面 ?

1.1K10

【数据分析思维】能落地的用户画像长啥样?

另外,还可以通过用户画像分析可以了解行业动态,比如人群消费习惯、消费偏好分析、不同地域品类消费差异分析。比如我们经常听到马爸爸拿一些标签,说这个地方人喜欢什么?为什么喜欢?...那个地方人都是什么型号? 03 到底需不需要用户画像? 大学刚毕业时,初到一家互联网公司做数据运营,某天领导突然给我一个任务:做一个APP用户画像报告。...你贴了“A产品爱用者”的标签,业务方推了A产品,丫没有! 业务方怒气冲冲找来算账:“这用户画像一点都不精准嘛!” 于是,项目彻底凉凉。问题到底出在哪里呢?...06 用户画像效果评估&迭代 在初步形成了用户画像后,并不能直接交给运营、业务人员直接使用,还需要评估用户画像的准确性,以及交付使用后不断迭代用户画像,以获得更加精准的用户画像。...→ 什么场景会用到用户画像?→ 我们是不是真的需要用户画像?→ 用户画像怎么搞才能落地?→ 能落地的用户画像的构建步骤 → 用户画像的效果评估&迭代。 ?

81610
领券