场景：适合HR、财务、销售部门的数据整理类办公人士 问题：如何圈选大于2000或小于800的数据？ 解答：这个问题咋一看，好像用条件格式也可以搞定，不过本例我们介绍更快的方法 ，数据有效性的圈选无效法。 效果如下：大于2000，和小于800的数据都会被圈选。 ?
用户分层运营的方式一是基于运营的业务经验，将运营场景抽象成标签规则进行人群圈选和触达营销，另一个就是利用算法模型进行人货场的智能匹配。这两种运营方式各有什么优劣势呢? 最近CDP平台新增了很多算法挖掘的标签，扩展了基于算法模型直接输出目标人群的场景，通过AB对比，算法圈选的目标人群的转化效果要好于运营基于经验、规则人工圈选的效果。 从上述案例可以看出，规则运营，需要具有具备良好的业务经验和一定的数据思维才能将目标用户识别条件标签化，主要特点如下： 优点 1.行动敏捷，明确运营场景以及人群圈选条件后，可以快速进行人群输出，是CDP平台运营可以自助圈选 2.基于模算法模型的人群圈选可以覆盖更多特征维度，用户分层能力更多样化、精细化。 既然算法模型无法取代规则运营，现在强调数智化运营，这两者如何才能取长补短，相得益彰呢?
平台为业务人员提供海量标签，支持快速圈选目标人群，同时提供精细化人群画像洞察能力，联动多渠道进行推送，并支持人群效果的数据查看，助力业务人员进行全链路用户运营。 对标签体系建设感兴趣的，可查看草帽小子之前写的《如何构建标签体系？》《干货 | 阿里/网易/汽车之家画像标签体系》等文章进行深入了解，在此我就不再展开。 04 用户画像平台能力 在平台建设层面，自如用户画像平台能力包含人群圈选，人群洞察、人群营销、营销效果分析，支持全链路定向用户营销。 人群圈选：通过人群圈选可进行精细化用户分层，而用户分层是个性化营销的基础。画像平台支持标签组合、分群组合以及 ID 数据上传 3 种方式，适应营销人员在不同场景下的圈选需求。 人群营销：支持 push/短信/优惠券等方式进行定向用户营销，例如圈选北京 7 日活跃用户，推送中秋礼包活动，进行节日关怀；圈选解约业主，通过短信活动触达，进行业主召回；自如的人群包对接至家服 CRM
平台为业务人员提供海量标签，支持快速圈选目标人群，同时提供精细化人群画像洞察能力，联动多渠道进行推送，并支持人群效果的数据查看，助力业务人员进行全链路用户运营。 04 用户画像平台能力 在平台建设层面，自如用户画像平台能力包含人群圈选，人群洞察、人群营销、营销效果分析，支持全链路定向用户营销。 人群圈选：通过人群圈选可进行精细化用户分层，而用户分层是个性化营销的基础。画像平台支持标签组合、分群组合以及 ID 数据上传 3 种方式，适应营销人员在不同场景下的圈选需求。 人群营销：支持 push/短信/优惠券等方式进行定向用户营销，例如圈选北京 7 日活跃用户，推送中秋礼包活动，进行节日关怀；圈选解约业主，通过短信活动触达，进行业主召回；自如的人群包对接至家服 CRM 04 小结 本次分享到此结束，希望你通过本文的学习能了解，对于产品、运营、分析师、客服等各个角色掌握用户画像的重要性；并且掌握画像平台能力建设：标签体系、人群圈选、人群洞察、人群营销、营销效果、标准接口
以酒店预定后推荐周边景区的交叉推荐场景为例，转化成标签需求就是，近X天有酒店待入住订单，且无景区成功单，红包卡券账户中无未使用优惠券。 明确了人群需求后，数据的流程主要包括： 数据源准备： 圈选目标人群所需要的标签数据从哪里来? 火车票订单、酒店订单、红包卡券数据 标签生产： 按照场景人群逻辑，清洗加工标签 人群圈选： 以标签为限定条件，从全量用户中过滤圈选出目标人群 用户触达： 将用户数据传输到营销通道，对用户进行触达 效果评估 以实时交叉营销场景为例，用户进入小程序后，实时判断用户是否有待出行订单，订单业务线(火车还是飞机还是汽车)，不同出行方式用户在推荐酒店产品和优惠券时，文案和优惠金额是差异化的，这个业务过程涉及到多个人群 (4)人群画像 不同人群的用户画像构成是怎么样的，不同特征的用户，对运营转化的效果是否相同呢?人群画像的应用价值一是人群圈选过程中确定是否满足运营需求，二是事后效果分析时，不同特征用户进行对比分析。
看过很多关于如何构建用户画像的文章，大多聚焦于用户画像对精准营销、精细化运营的价值、如何建设标签体系的某一或某几个点，本文主要从数据中台思想出发，更全面地分享如何从0-1规划和实施一款智能数据服务平台。 前端开发 （3）标签、人群服务输出，以API或数据推送方式为用户营销、产品运营提供服务 （4）管理应用注册及调用信息，构建完整的数据链路血缘 （5）融入算法推荐能力，实现人货场精准匹配 （6）用户群体： 提供基于标签圈人的能力，精准圈定目标人群进行分析或数据输出 功能要点：人群列表，新增人群流程（圈选、excel等自定义上传、SQL语句）、人群画像、人群输出(接口或场景配置) （4）场景管理 目标：对接营销 、产品推荐、产品智能，实现“人货场”精准匹配 功能要点：场景列表（场景增删改查）、新增场景流程、数据监控、服务输出(API拉取、Kafka、推送、HDFS文件、excel输出等)，多人群场景；实时/离线 除支持单一人群营销外，可以基于业务场景以流程化的方式进行精细化运营，例如某OTA业务需要对站内流量做交叉引流，给购买了机票、火车票等出行服务的用户推荐酒店产品和优惠券，这个业务过程涉及到多个人群，场景模块的产品设计要能比拆分多个单人群更高效
但是面对纷繁的运营体系，决策效率如何提升？决策效果如何更快达成？ 许多品牌商家无法从数据中得到答案，从而使投放效率低下、成本高昂，效果无法达成预期。 其二是投中落地难。 通过货与货的数据链，采用“推荐”的形式把未知的货品推荐给用户进行转化，进一步增强人与货的数据联系，以此实现交易的规模化和效率的提升。 为了提升投放精准度，其服务商聚睿数据运用货品行业洞察数据，明确200～1000元价格带白酒市场的核心购买人群画像，为古井贡酒制定了清晰的人群圈选策略： 一个是通过内容兴趣挖掘到的白酒品类的目标人群，另一个则是通过白酒类目的维度下钻 当然，圈选目标人群的过程不是一步到位的，在投放过程中，巨量云图对目标人群的优化有着相当落地的方法。 比如818期间，小仙炖大概投入了近百万进行精准的人群投放测试，方法很聚焦： 通过巨量云图的机会人群标签优选，将小仙炖过往的历史投放和销售数据，结合本次818圈选的目标人群，根据多维的指标特征将品牌初步圈选的人群分为重点拉新人群
如何从亿级别的数据中，快速筛选出符合期望的用户人群，进行精细化人群运营，是技术需要解决的问题。业界的很多方案常常需要分钟级甚至小时级才能生成查询结果。 3、业务实现 在搭建了人群圈选引擎之后，我们重点改造了我们的消息推送系统，作为人群精细化运营的一个重要落地点。 3.1 闲鱼消息推送简介 消息推送(PUSH)是信息触达用户最快捷的手段。 实时计算层：根据人群的筛选条件，从用户大宽表中，查询符合的用户数量和用户ID列表，为应用系统提供服务。 人群圈选前台系统：提供可视化的操作界面。 闲鱼PUSH系统：从人群圈选前台系统中获取人群对应的where条件，再从实时计算层，分页获取用户列表，给用户发送PUSH。在实现过程中，我们重点解决了分页查询的性能问题。 人群圈选系统为闲鱼精细化用户运营提供了强有力的底层能力支撑。同时，圈选人群，也可以应用到其他的业务场景，比如首页焦点图定投等需要分层用户运营的场景，为闲鱼业务提供了很大的优化空间。
画像应用：提供基础标签分析及针对特定人群的标签分析，另外还提供人群圈选跟踪分析及线上应用等。 4.2.3 数据查询 数据查询方式：人群圈选过程中，如何保障大的APP查询、在复杂规则情况下的查询速度？团队在导入过程中对预置画像、平台行为、自定义上报行为，均按相同分桶规则导入集群。 4.4 人群跟踪应用 4.4.1 人群跟踪分析 在按照用户规则圈选出人群后，统一对人群进行常用指标（如活跃、交易等指标）的跟踪。 我们用了这种方案 | 10w单元格滚动卡顿如何解决？ 腾讯文档的7个秘笈 技术盲盒：前端｜后端｜AI与算法｜运维｜工程师文化 后台回复“小程序”，领本文作者推荐的更多资料 关注我并点亮星标 工作日晚8点 看腾讯技术、学专家经验 点赞|分享|在看 传递好技术
三、为了进行广告推荐对目标人群简单分类 1.逻辑回归步骤 收集数据 读取数据，处理数据，查看各数据的缺失情况（如果缺失需要借助于删除法、替换法、插值法等 完成缺失值的处理）对定性变量数值化，剔除无关变量
为了提升企业客户的标签生产效率，个推打造的数据智能操作系统——每日治数平台DIOS，实现了目标智能特征洞察以及智能数据推荐，帮助客户快速定位所需数据、自动提炼标签规则，更加高效地进行标签生产。 这其中涉及到一个非常重要的问题，即如何对新构建的标签进行准确性校验。 常见的校验方式有三种： ①通过TGI进行逻辑自洽性校验。 （说明：“TGI”指的是洞察人群某特征占比与对照组人群该特征占比的比值，用于比较人群间的特征差异。） ②使用第三方平台校验。比如通过广点通，使用第三方数据来进行准确性的校验。 ③进行广告投放。 比如智能推荐系统正是基于标签大数据和算法实现。 ②用于目标群体的特征洞察和圈选。 比如个推基于自身数千种标签和亿级别的特征数据，帮助品牌主、APP对细分人群进行画像分析，并使用不同的标签组合，智能圈选出符合目标特征的人群，为客户做广告投放、用户触达提供支撑。 ③精细化运营。
Smart DMP在京东推荐广告业务中落地以来，相对于传统定向，其带来CTR的提升超过15%，商家的使用比例超过50%，有效提升广告营销的效果和效率，相关成果也被国际顶级推荐系统学术会议RecSys2020 而且相关性高往往意味着更好的用户体验 后面将会介绍实际场景中当前定向系统想要同时满足这两点并不容易以及Smart DMP定向如何做到同时两者兼顾的。 但是DMP定向也有显而易见的缺点，定向效果直接由标签选择的质量决定，虽然标签人群圈选的门槛很低，但是圈选高质量标签人群却是一件极其专业的事情，其原因主要是两个方面： 第一，DMP标签数量众多，标签组合更是天文数字 可以看到，智能定向没有显式人群圈选的过程，用户是否是目标用户由算法在线评估。 然后将与当前用户标签匹配的商品广告保留并送到Ranking模型进行排序和top-k的推荐。 ?
在标签体系对外推广实践的过程中，我们也经常会遇到客户提问：辛苦完成标签体系的开发与落库后，该如何使用这些标签，才能发挥其实用价值？ 如何把标签所承载的数据信息进行形象化，最直接的方法就是将标签直接拿来使用，进行个体画像分析。向系统提供一个用户ID后，系统会向你展示这个用户的全部标签结果，如下图所示。 例如，该用户当前正处于哺乳期，可以向她推荐一些奶粉产品。 这种针对个体的画像分析通常产生在小数据量的场景下，更多的应用于CRM系统中，如销售人员和客户之间的一对一沟通服务过程。 面对这种情况不用着急，只需要根据用户特征初步判断其所属人群后，通过用户画像为客户量身制定相关喜好或潜在喜好的推荐，直接将针对该人群的运营策略应用于该客户身上，便能直接切入客户心之所向，大大提升用户体验和服务效率 能够反映这一特征的指数即为TGI指数，其计算公式为： 图片 如何通过TGI来判断显著性？TGI结果以100为基准：当TGI>100时表示目标人群更显著，TGI < 100时表示大盘人群更显著。
对上图的解读如下： 1）用户圈选：选择访问商品页未成交，且有工作的男性 2）运营规则：今天晚上8点对用户进行风控判定，如风控通过进行A/B实验，1组由推荐算法决策推荐商品，另一组由运营设置渠道和商品。 运营服务 智能推荐实质也依赖于数据平台，通过用户的特征输出推荐结果。RTA则运用于广告，基于特征决定是否参与定价。 3-2、产品表现：用户圈选 在选取用户时须考量的产品功能为：圈选方式、圈选频次、圈选条件及人群服务。 实质上这4个功能的底层支持都来自于用户数据平台，用户运营平台则负责服务的运用及表现。 1）圈选方式 条件选取 这是在可视化、自助化选择用户条件后，通过与其取值范围进行比较经计算生成人群数据包的一种形式。 一般来说，具备抽象为可视化条件的数据使用较为高频，数据准确性较高。 4）人群服务 前面的部分描述的是如何选取用户，而这一部分则是选了后还要做的事情。 其执行流程如下： 通过条件查询得到了人群包，然后对不同人群包进行交并叉相关的数学计算。
为了提升企业客户的标签生产效率，个推打造的数据智能操作系统——每日治数平台DIOS，实现了目标智能特征洞察以及智能数据推荐，帮助客户快速定位所需数据、自动提炼标签规则，更加高效地进行标签生产。 这其中涉及到一个非常重要的问题，即如何对新构建的标签进行准确性校验。常见的校验方式有三种：①通过TGI进行逻辑自洽性校验。 （说明：“TGI”指的是洞察人群某特征占比与对照组人群该特征占比的比值，用于比较人群间的特征差异。）②使用第三方平台校验。比如通过广点通，使用第三方数据来进行准确性的校验。③进行广告投放。 比如智能推荐系统正是基于标签大数据和算法实现。②用于目标群体的特征洞察和圈选。 比如个推基于自身数千种标签和亿级别的特征数据，帮助品牌主、APP对细分人群进行画像分析，并使用不同的标签组合，智能圈选出符合目标特征的人群，为客户做广告投放、用户触达提供支撑。③精细化运营。
2）数据实效性 1、推荐页首屏浏览 6 条内容，如何在第二刷的时候就立即感知到最新的用户行为？ 1.1、通过 UBS 建设提升实效性（下面介绍）。 2、在推荐算法中，非常实时的特征推荐算法效果要比天级别更新特征的算法效果好很多，如何保证 10 分钟内算法受到特征变更？ 2、人群分析业务，期望多角度、各维度进行人群关联计算，同时基于全部用户特征针对当前人群和对比人群进行 TGI 计算，筛选出显著特征，如何解决？ 重点在于快速完成人群包圈选同时在圈选条件变更过程中，需要快速计算出预计能圈的用户有哪些？ 2、用户分析。 2、人群预估。人群预估基本可在 1s 内完成，P95 985ms。 3、人群圈选。人群圈选过程在 5s 内完成，整体圈人在 2min 左右。（待提升中介绍） 4、人群分析。
例如：在用户分析、行为分析等典型分析场景中，都有 圈选人群 的需要。如果不将这部分抽出来做成通用服务，那么每个模块都需要单独设计人群的 计算、存储 等功能。 例如：还用 全选人群 的例子。本来是想把人群圈选作为一种 通用服务 ，但是独立出来之后才发现，圈人的条件有 人口统计属性 、 业务属性 、 算法打标 、 外部数据 等很多种。 例如，一个标准的用户画像分析，就包括 人群圈选 、 确定分析维度 、 数据准备 、 数据看板/分析报告制作 等基本步骤。如果做成系统功能，那么可能在数据看板上在增加一些其他功能，比如人群下钻。 图书推荐 ▊《数据产品经理宝典：大数据时代如何创造卓越产品》 李阳 著 本书内容涵盖了数据产品经理应该知道和掌握的基础知识――从每个优秀的数据产品经理都应当关注的“效率”问题出发，分别从商业知识和技术知识两个角度 （扫码了解本书详情） 如果喜欢本文欢迎 在看丨留言丨分享至朋友圈 三连 热文推荐 红黑树杀人事件始末 编程高手是如何练成的？
在这个过程中，如何洞察客户，了解用户的真实需求成为当前的重中之重。 其次，为了提供我们的投入产出比（ROI），快速识别场景匹配出高价值用户。 人群圈选： 通过标签以及用户明细数据，基于标签的交并运算，即时计算出单标签、集合组、整体覆盖的人群数量，精准、快捷的构建出需要的人群包，用于分析或运营。 3. 数据服务： 将用户的明细数据、标签数据、以及画像数据赋能其他业务系统，如营销平台、运营平台、CRM等，对接推荐系统、活动管理系统，发挥更大的价值。 三、标签体系的实施挑战 ? 这里面以如何满足业务单一场景、临时性需求为例进行展开说明： 目前初步搭建起了公有标签和私有标签两大体系。其中公有标签：面向公司通用的场景、具有普遍性、长期性的特点。 在这里，我们希望可以跟业务有强绑定，通过推荐、精准的精细化运营等手段，解决线上的用户全生命周期的管理及赋能问题。
智能数据分析（ IDA）基于安全、低成本、高可靠、可弹性的云端大数据架构，帮助企业客户实现从数据采集、建模、挖掘、效果分析、用户标签画像到自动化营销等全场景的数据服务，快速实现数据驱动业务增长的目标。
扫码关注腾讯云开发者
领取腾讯云代金券
云服务器
即时通信 IM
网站备案
对象存储
实时音视频
