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
27 篇文章
1
[推荐系统读书笔记]利用用户标签数据
2
数据挖掘:微博用户画像之用户标签
3
《推荐系统实践》:如何利用用户标签数据?
4
用户标签&营销体系的客户数据平台(CDP)建设
5
非结构化用户标签︱如何花式解析一条收货地址(一)
6
用户画像标签平台技术
7
用户画像(三)|通过用户对不同文章的不同行为(浏览、点赞、评论、分享)提取用户标签
8
用户画像标签系统体系解释
9
推荐系统遇上深度学习(九十八)-[微信]推荐系统中更好地学习用户-标签偏好
10
对用户画像标签体系的一点思考。
11
用户画像 | 标签数据存储之HBase真实应用
12
用户画像 | 标签数据存储之Elasticsearch真实应用
13
用户画像 | 标签数据存储之Hive真实应用
14
用户画像 | 标签数据存储之MySQL真实应用
15
深度解析用户画像的标签体系
16
用户画像标签体系——从零开始搭建实时用户画像(三)
17
用户画像产品化——从零开始搭建实时用户画像(六)
18
实时标签开发——从零开始搭建实时用户画像(五)
19
用户画像大数据环境搭建——从零开始搭建实时用户画像(四)
20
用户画像标签体系——从零开始搭建实时用户画像(三)
21
用户画像系统架构——从零开始搭建实时用户画像(二)
22
大数据【企业级360°全方位用户画像】标签开发代码抽取
23
用户画像标签体系包括哪些维度?有哪些应用场景?(附完整导图)
24
手把手教你做用户画像:3种标签类型、8大系统模块
25
标签体系下的用户画像建设小指南
26
HTML5常用的标签
27
用户画像实践:神策标签生产引擎架构

用户画像产品化——从零开始搭建实时用户画像(六)

在开发好用户标签以后,如何将标签应用到实际其实是一个很重要的问题。只有做好产品的设计才能让标签发挥真正的价值,本文将介绍用户画像的产品化过程。

一、标签展示

首先是标签展示功能,这个主要供业务人员和研发人员使用,是为了更直观的看见整个的用户标签体系。

不同的标签体系会有不同的层级,那么这个页面的设计就需要我们展示成树状的结构,方便以后的扩展。

在最后一个层级,比如自然性别,可以设计一个统计页面,在进入页面后,可以展示相应的数据统计情况,

可以更直观看见标签中值得比例,也可以为业务提供好的建议,另外可以对标签的具体描述进行展示,起到一个说明的作用,还可以展示标签按天的波动情况,观察标签的变化情况。

这一部分的数据来源呢?之前也提到过,这些标签的元数据信息都存在mysql中,方便我们查询。

所以树状图和标签描述信息需要去mysql中获取,而比例等图表数据则是从Hbase,Hive中查询获取的,当然也有直接通过ES获取的。但是每天的标签历史波动情况,还是要通过每天跑完标签后存在mysql中作为历史记录进行展示。

二 、标签查询

这一功能可以提供给研发人员和业务人员使用。

标签查询功能其实就是对用户进行全局画像的过程,对于一个用户的全量标签信息,我们是需要对其进行展示的。

输入用户id后,可以查看该用户的属性信息、行为信息、风控属性等信息。从多方位了解一个具体的用户特征。

这些已经是标签的具体信息了,由于是对单一id的查找,从hive中获取会造成查询速度的问题,所以我们更建议从Hbase或者ES中查询获取,这样查询效率和实时性都能获得极大的提升。

三、标签管理

这一功能是提供给研发人员使用的。

对于标签,不能每一次新增一个标签都进行非常大改动,这样是非常耗费人力的,所以必须要有可以对标签进行管理的功能。

这里定义了标签的基本信息,开发方式,开发人员等等,在完成标签的开发以后,直接在此页面对标签进行录入,就可以完成标签的上线工作,让业务人员可以对标签进行使用。

新增和编辑标签的页面,可以提供下拉框或者输入框提供信息录入的功能。

之前已经提到过,这些标签的元数据信息都保存在了Mysql中,只要完成对其的新增和修改就可以了。

四、用户分群

作为用户画像最核心的功能,用户分群功能。是用户画像与业务系统建立联系的桥梁,也是用户画像的价值所在。

这项功能主要供业务人员使用。

此功能允许用户自定义的圈定一部分人员,圈定的规则就是对于标签的条件约束。

在圈定好人群以后,可以对这部分人群提供与业务系统的外呼系统,客服系统,广告系统,Push系统的交互,达到真正的精细化运营的目的。

对于标签规则的判断,需要将记录好的规则存储于Mysql中,在进行人群计算时又需要将规则解析成可计算的逻辑。不管是解析成Sql或者其他的查询语言都难度巨大,这对于研发是一个非常大的挑战。

在此功能中,还可以增加人群对比的功能,对不同人群的不同标签进行圈定,对比。这对于查询性能也是一个巨大的考验。

但是,用户分群功能作为用户画像的核心是我们必须要实现的。对于技术架构,Hbase更擅长与KV形式的查询,对于多维度查询性能较差,所以可以采取ES索引,在ES查询出Hbase的Rowkey,再去查询Hbase的方式。也有很多公司选择整体迁移到ES中完成此项工作。那么ES可以胜任这项工作吗?

下一章,我们来聊一聊如何用ES来实现用户分群,未完待续~

参考文献

《用户画像:方法论与工程化解决方案》

下一篇
举报
领券