大数据 频道

一文读懂数据分析在构建用户画像中的应用

  你是否有过类似经历:当在购物网站有过一次购物或者搜索经历后,网站会为你推送各种同类型替代产品或者互补商品;当你成为某消费品牌的注册会员后,特殊的日子(比如生日、会员日)会收到品牌商发来的祝福短信以及优惠券;当你打开新闻APP时,系统总是可以为你推送符合个人喜好的内容;当你去到一个新的地方旅游时,与衣食住行相关的推送信息总是如期而至。

  其实这一切,都是基于用户画像的精准化营销的常见套路。

  在互联网大数据时代,全社会信息化程度越来越高,无处不在的网络将人和设备连接在一起,用户的一切行为都是可追溯和分析的。随着大数据技术的深入应用,企业也日益聚焦在如何利用大数据来为精细化运营和精准营销服务,而要实现这些目标的前提基础,首先则需要建立一套完善的用户画像。

什么是用户画像

  用户画像,即将用户信息标签化,通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据,进而对用户或者产品特征属性进行刻画,并对这些特征进行分析、统计,挖掘潜在价值信息,从而抽象出用户的信息全貌。

用户画像的构建过程

  用户画像的构建过程其实就是对用户“打标签”,其过程可以拆分为以下几个关键步骤:

  1、确定对象

  用户画像首先是基于业务模型的,所以进行标签建设,首先要清楚对哪类对象建设标签。对象是客观世界中研究目标的抽象,有实体的对象,也有虚拟的对象。在企业经营过程中可以抽象出非常多的对象,包括“人”“物”“关系”,这些对象在不同的业务场景下交叉产生联系,是企业的重要的资产,需要全面刻画了解。

  2、对象ID打通

  在确认对象后,由于存在同一个对象在多个不同业务中的标识ID不同的情况,因此需要将同一个具体对象的不同ID标识打通,以便所有业务数据都能在该对象上打通,完成对该对象的全面数据刻画。

  3、标签类目设计、标签设计

  企业业务需要使用的标签项比较多时,就会给使用、查找以及管理标签带来麻烦,这种情况下就需要对标签类目进行设计,比如构建多级目录分类管理,保证标签类目的易理解、易使用、易管理。

  通过标签类目设计,已经有了某类对象的标签体系框架,只是还没有具体的标签内容。标签设计就是设计合适的标签并将其挂载到标签类目。

  4、标签融合表设计、标签融合表实现

  对象的标签体系是对象有价值数据的全域标签,跨业务板块、跨主题,比如用户属性、用户行为、用户消费、风险控制、社交属性等都是标签,在设计标签融合表时可以选择二维表或者K-V表的组织方式,因为二维表更能满足性能和易用性的要求,所以推荐使用二维表作为标签融合表的实现方式。在大数据场景下,如果标签众多,可以通过多张融合表来存储标签。

  5、作业流程调度、开发性能调优

  完成标签融合表设计后,就需要添加ETL作业流程调度,并针对调度过程进行性能调优,同时配置相应的质量监控和报警机制,持续进行任务运维监控。

  6、上线应用

  完成所有测试后,将验证合格的系统部署到正式环境,并开放给业务人员使用。

用户画像应用

  1、实现精准化营销

  实现精准化营销精准化营销具有极强的针对性,是企业和用户之间点对点的交互。精准营销不但可以让营销变得更加高效,也能为企业节约成本,文章开头的几个场景均是精准营销的典型场景。

  2、指导产品研发以及优化用户体验

  在过去较为传统的生产模式中,企业始终奉行着“生产什么就卖什么给用户”的原则,这种闭门造车的产品开发模式,常常会产生“做出来的东西用户完全不买账”的情况。如今,“用户需要什么企业就生产什么”成为主流,越来越多的企业把用户的真实需求摆在了最重要的位置。

  在用户需求为导向的产品研发中,企业通过获取到的大量目标用户数据,进行分析、处理、组合,初步搭建用户画像,做出用户喜好、功能需求统计,从而设计制造更加符合核心需要的新产品,为用户提供更加良好的体验和服务。

  3、做相关的分类统计

  基于用户画像的信息标签,借助永洪BI,通过简单的拖拽操作,就可以快速制作出各种满足业务需要的可视化分析报告,再通过数据过滤、多维钻取分析、数据高亮分析、趋势分析、目标值分析、聚焦分析等永洪内置功能,获取隐藏在数据背后的价值,提高整体决策效率和决策水平,为业务增长注入动力。

  4、做相关的数据挖掘

  在用户画像数据的基础上,借助永洪深度分析模块,可以选择如一元线性回归、逻辑回归、K-means聚类、HoltWinters时序分析、关联分析、决策树等各种经典机器学习算法,通过简单的可视化操作,即可轻松构建机器学习模型,完成预测分析。下图就是通过关联规则计算,由A联想到B,也就是著名的“啤酒和尿布”的故事。

0
相关文章