本篇文章給大家談?wù)勅A為用戶畫(huà)像構(gòu)建教程圖，以及華為人才畫(huà)像對(duì)應(yīng)的知識(shí)點(diǎn)，希望對(duì)各位有所幫助。

　　互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代，消費(fèi)者的一切行為都是“可視化”。

　　企業(yè)聚焦于怎樣利用大數(shù)據(jù)來(lái)精準(zhǔn)營(yíng)銷。于是“用戶畫(huà)像”

　　概念也就應(yīng)運(yùn)而生。

　　1.數(shù)據(jù)真實(shí)

　　用戶畫(huà)像必須建立在真實(shí)的數(shù)據(jù)之上。比如你的理財(cái)產(chǎn)品的注冊(cè)用戶有很多垃圾用戶，都不怎么投資，做用戶畫(huà)像的時(shí)候就要把這部分人清洗掉。

　　2.標(biāo)簽化（標(biāo)簽要言簡(jiǎn)意賅：易理解、短）

　　按產(chǎn)品需要，給不同的用戶特征貼上合適的標(biāo)簽。如地域標(biāo)簽“北京”等等。

　　3.低交叉率（完整性、獨(dú)立性）

　　4.優(yōu)先級(jí)（多個(gè)用戶畫(huà)像需要進(jìn)行優(yōu)先級(jí)排序）

　　一個(gè)產(chǎn)品的用戶畫(huà)像不能超過(guò)三個(gè)，當(dāng)有多個(gè)用戶畫(huà)像時(shí)，需要考慮優(yōu)先級(jí)，否則產(chǎn)品設(shè)計(jì)時(shí)會(huì)無(wú)所適從。

　　5.不斷修正

　　剛開(kāi)始做產(chǎn)品可以通過(guò)調(diào)研+競(jìng)品分析的方式猜測(cè)用戶是什么樣的人群，實(shí)際做出來(lái)可能有點(diǎn)偏差，然后修正，當(dāng)產(chǎn)品數(shù)據(jù)更豐富的時(shí)候，可能用戶畫(huà)像又需要修正。

　　用戶畫(huà)像就是用戶信息標(biāo)簽化，所以我們可以通過(guò)以下步驟進(jìn)行用戶畫(huà)像。

　　1.數(shù)據(jù)挖掘

　　以電商為例，為了抓取用戶的人口屬性和行為軌跡，先預(yù)設(shè)用戶購(gòu)物時(shí)的可能行為。包括訪問(wèn)首頁(yè)、注冊(cè)登錄、搜索商品、瀏覽商品、價(jià)格對(duì)比、加入購(gòu)物車(chē)、收藏商品、提交訂單、支付訂單、使用優(yōu)惠券、查看訂單詳情、取消訂單、商品評(píng)價(jià)等。

　　2.篩選標(biāo)簽

　　根據(jù)用戶畫(huà)像的目的，篩選靜態(tài)標(biāo)簽、動(dòng)態(tài)標(biāo)簽。

　　靜態(tài)標(biāo)簽主要從用戶基本信息進(jìn)行用戶劃分。靜態(tài)屬性是用戶畫(huà)像建立的基礎(chǔ)。如性別、年齡、學(xué)歷、角色、收入、地域、婚否、性格等。

　　動(dòng)態(tài)標(biāo)簽指用戶在互聯(lián)網(wǎng)環(huán)境下的上網(wǎng)行為。如訪問(wèn)行為（搜索、注冊(cè)、登錄）社交行為（邀請(qǐng)、添加、取關(guān)好友、加入群、新建群）信息發(fā)布行為（添加、發(fā)布、刪除、留言、分享）等。動(dòng)態(tài)標(biāo)簽?zāi)芨玫挠涗浻脩羧粘５纳暇W(wǎng)偏好。

　　3.數(shù)據(jù)建模

　　數(shù)據(jù)建模就是給用戶的行為標(biāo)簽賦予權(quán)重。

　　用戶的行為，我們可以用4W表示：Who、When、Where、What。誰(shuí)在什么時(shí)候在哪里做了什么。

　　數(shù)據(jù)建模實(shí)例：華為用戶

　　A用戶今天在華為官網(wǎng)購(gòu)買(mǎi)了華為手機(jī)

　　B用戶7天前在京東瀏覽了華為手機(jī)

　　如何構(gòu)建用戶畫(huà)像

　　一個(gè)標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識(shí)，如年齡段標(biāo)簽華為用戶畫(huà)像構(gòu)建教程圖：25~35歲，地域標(biāo)簽：北京，標(biāo)簽呈現(xiàn)出兩個(gè)重要特征：語(yǔ)義化，人能很方便地理解每個(gè)標(biāo)簽含義。這也使得用戶畫(huà)像模型具備實(shí)際意義。能夠較好的滿足業(yè)務(wù)需求。如，判斷用戶偏好。短文本，每個(gè)標(biāo)簽通常只表示一種含義，標(biāo)簽本身無(wú)需再做過(guò)多文本分析等預(yù)處理工作，這為利用機(jī)器提取標(biāo)準(zhǔn)化信息提供華為用戶畫(huà)像構(gòu)建教程圖了便利。

　　人制定標(biāo)簽規(guī)則，并能夠通過(guò)標(biāo)簽快速讀出其中的信息，機(jī)器方便做標(biāo)簽提取、聚合分析。所以，用戶畫(huà)像，即：用戶標(biāo)簽，向華為用戶畫(huà)像構(gòu)建教程圖我們展示了一種樸素、簡(jiǎn)潔的方法用于描述用戶信息。

　　1.數(shù)據(jù)源分析

　　構(gòu)建用戶畫(huà)像是為了還原用戶信息，因此數(shù)據(jù)來(lái)源于：所有用戶相關(guān)的數(shù)據(jù)。

　　對(duì)于用戶相關(guān)數(shù)據(jù)的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學(xué)英語(yǔ)的人，一種是不學(xué)英語(yǔ)的人；客戶分三類，高價(jià)值客戶，中價(jià)值客戶，低價(jià)值客戶；產(chǎn)品生命周期分為，投入期、成長(zhǎng)期、成熟期、衰退期…所有的子分類將構(gòu)成了類目空間的全部集合。

　　這樣的分類方式，有助于后續(xù)不斷枚舉并迭代補(bǔ)充遺漏的信息維度。不必?fù)?dān)心架構(gòu)上對(duì)每一層分類沒(méi)有考慮完整，造成維度遺漏留下擴(kuò)展性隱患。另外，不同的分類方式根據(jù)應(yīng)用場(chǎng)景，業(yè)務(wù)需求的不同，也許各有道理，按需劃分即可。

　　本文將用戶數(shù)據(jù)劃分為靜態(tài)信息數(shù)據(jù)、動(dòng)態(tài)信息數(shù)據(jù)兩大類。

　　靜態(tài)信息數(shù)據(jù)

　　用戶相對(duì)穩(wěn)定的信息，如圖所示，主要包括人口屬性、商業(yè)屬性等方面數(shù)據(jù)。這類信息，自成標(biāo)簽，如果企業(yè)有真實(shí)信息則無(wú)需過(guò)多建模預(yù)測(cè)，更多的是數(shù)據(jù)清洗工作，因此這方面信息的數(shù)據(jù)建模不是本篇文章重點(diǎn)。

　　動(dòng)態(tài)信息數(shù)據(jù)

　　用戶不斷變化的行為信息，如果存在上帝，每一個(gè)人的行為都在時(shí)刻被上帝那雙無(wú)形的眼睛監(jiān)控著，廣義上講，一個(gè)用戶打開(kāi)網(wǎng)頁(yè)，買(mǎi)了一個(gè)杯子；與該用戶傍晚溜了趟狗，白天取了一次錢(qián)，打了一個(gè)哈欠等等一樣都是上帝眼中的用戶行為。當(dāng)行為集中到互聯(lián)網(wǎng)，乃至電商，用戶行為就會(huì)聚焦很多，如上圖所示：瀏覽凡客首頁(yè)、瀏覽休閑鞋單品頁(yè)、搜索帆布鞋、發(fā)表關(guān)于鞋品質(zhì)的微博、贊“雙十一大促給力”的微博消息。等等均可看作互聯(lián)網(wǎng)用戶行為。

　　本篇文章以互聯(lián)網(wǎng)電商用戶，為主要分析對(duì)象，暫不考慮線下用戶行為數(shù)據(jù)（分析方法雷同，只是數(shù)據(jù)獲取途徑，用戶識(shí)別方式有些差異）。

　　在互聯(lián)網(wǎng)上，用戶行為，可以看作用戶動(dòng)態(tài)信息的唯一數(shù)據(jù)來(lái)源。如何對(duì)用戶行為數(shù)據(jù)構(gòu)建數(shù)據(jù)模型，分析出用戶標(biāo)簽，將是本文著重介紹的內(nèi)容。

　　2.目標(biāo)分析

　　用戶畫(huà)像的目標(biāo)是通過(guò)分析用戶行為，最終為每個(gè)用戶打上標(biāo)簽，以及該標(biāo)簽的權(quán)重。如，紅酒0.8、李寧0.6。

　　標(biāo)簽，表征了內(nèi)容，用戶對(duì)該內(nèi)容有興趣、偏好、需求等等。

　　權(quán)重，表征了指數(shù)，用戶的興趣、偏好指數(shù)，也可能表征用戶的需求度，可以簡(jiǎn)單的理解為可信度，概率。

　　3.數(shù)據(jù)建模方法

　　下面內(nèi)容將詳細(xì)介紹，如何根據(jù)用戶行為，構(gòu)建模型產(chǎn)出標(biāo)簽、權(quán)重。一個(gè)事件模型包括：時(shí)間、地點(diǎn)、人物三個(gè)要素。每一次用戶行為本質(zhì)上是一次隨機(jī)事件，可以詳細(xì)描述為：什么用戶，在什么時(shí)間，什么地點(diǎn)，做了什么事。

　　什么用戶：關(guān)鍵在于對(duì)用戶的標(biāo)識(shí)，用戶標(biāo)識(shí)的目的是為了區(qū)分用戶、單點(diǎn)定位。

　　以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識(shí)方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標(biāo)識(shí)信息有所差異。

　　什么時(shí)間：時(shí)間包括兩個(gè)重要信息，時(shí)間戳+時(shí)間長(zhǎng)度。時(shí)間戳，為了標(biāo)識(shí)用戶行為的時(shí)間點(diǎn)，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時(shí)間戳即可。因?yàn)槲⒚氲臅r(shí)間戳精度并不可靠。瀏覽器時(shí)間精度，準(zhǔn)確度最多也只能到毫秒。時(shí)間長(zhǎng)度，為了標(biāo)識(shí)用戶在某一頁(yè)面的停留時(shí)間。

　　什么地點(diǎn)：用戶接觸點(diǎn)，Touch Point。對(duì)于每個(gè)用戶接觸點(diǎn)。潛在包含了兩層信息：網(wǎng)址+內(nèi)容。網(wǎng)址：每一個(gè)url鏈接（頁(yè)面/屏幕），即定位了一個(gè)互聯(lián)網(wǎng)頁(yè)面地址，或者某個(gè)產(chǎn)品的特定頁(yè)面?？梢允荘C上某電商網(wǎng)站的頁(yè)面url，也可以是手機(jī)上的微博，***等應(yīng)用某個(gè)功能頁(yè)面，某款產(chǎn)品應(yīng)用的特定畫(huà)面。如，長(zhǎng)城紅酒單品頁(yè)，***訂閱號(hào)頁(yè)面，某游戲的過(guò)關(guān)頁(yè)。

　　內(nèi)容：每個(gè)url網(wǎng)址（頁(yè)面/屏幕）中的內(nèi)容?？梢允菃纹返南嚓P(guān)信息：類別、品牌、描述、屬性、網(wǎng)站信息等等。如，紅酒，長(zhǎng)城，干紅，對(duì)于每個(gè)互聯(lián)網(wǎng)接觸點(diǎn)，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽。

　　注：接觸點(diǎn)可以是網(wǎng)址，也可以是某個(gè)產(chǎn)品的特定功能界面。如，同樣一瓶礦泉水，超市賣(mài)1元，火車(chē)上賣(mài)3元，景區(qū)賣(mài)5元。商品的售賣(mài)價(jià)值，不在于成本，更在于售賣(mài)地點(diǎn)。標(biāo)簽均是礦泉水，但接觸點(diǎn)的不同體現(xiàn)出了權(quán)重差異。這里的權(quán)重可以理解為用戶對(duì)于礦泉水的需求程度不同。即，愿意支付的價(jià)值不同。

　　標(biāo)簽權(quán)重

　　礦泉水1//超市

　　礦泉水3//火車(chē)

　　礦泉水5//景區(qū)

　　類似的，用戶在京東商城瀏覽紅酒信息，與在品尚紅酒網(wǎng)瀏覽紅酒信息，表現(xiàn)出對(duì)紅酒喜好度也是有差異的。這里的關(guān)注點(diǎn)是不同的網(wǎng)址，存在權(quán)重差異，權(quán)重模型的構(gòu)建，需要根據(jù)各自的業(yè)務(wù)需求構(gòu)建。

　　所以，網(wǎng)址本身表征了用戶的標(biāo)簽偏好權(quán)重。網(wǎng)址對(duì)應(yīng)的內(nèi)容體現(xiàn)了標(biāo)簽信息。

　　什么事：用戶行為類型，對(duì)于電商有如下典型行為：瀏覽、添加購(gòu)物車(chē)、搜索、評(píng)論、購(gòu)買(mǎi)、點(diǎn)擊贊、收藏等等。

　　不同的行為類型，對(duì)于接觸點(diǎn)的內(nèi)容產(chǎn)生的標(biāo)簽信息，具有不同的權(quán)重。如，購(gòu)買(mǎi)權(quán)重計(jì)為5，瀏覽計(jì)為1

　　紅酒1//瀏覽紅酒

　　紅酒5//購(gòu)買(mǎi)紅酒

　　綜合上述分析，用戶畫(huà)像的數(shù)據(jù)模型，可以概括為下面的公式：用戶標(biāo)識(shí)+時(shí)間+行為類型+接觸點(diǎn)（網(wǎng)址+內(nèi)容），某用戶因?yàn)樵谑裁磿r(shí)間、地點(diǎn)、做了什么事。所以會(huì)打上**標(biāo)簽。

　　用戶標(biāo)簽的權(quán)重可能隨時(shí)間的增加而衰減，因此定義時(shí)間為衰減因子r，行為類型、網(wǎng)址決定了權(quán)重，內(nèi)容決定了標(biāo)簽，進(jìn)一步轉(zhuǎn)換為公式：

　　標(biāo)簽權(quán)重=衰減因子×行為權(quán)重×網(wǎng)址子權(quán)重

　　如：用戶A，昨天在品尚紅酒網(wǎng)瀏覽一瓶?jī)r(jià)值238元的長(zhǎng)城干紅葡萄酒信息。

　　標(biāo)簽：紅酒，長(zhǎng)城

　　時(shí)間：因?yàn)槭亲蛱斓男袨?，假設(shè)衰減因子為：r=0.95

　　行為類型：瀏覽行為記為權(quán)重1

　　地點(diǎn)：品尚紅酒單品頁(yè)的網(wǎng)址子權(quán)重記為0.9（相比京東紅酒單品頁(yè)的0.7）

　　假設(shè)用戶對(duì)紅酒出于真的喜歡，才會(huì)去專業(yè)的紅酒網(wǎng)選購(gòu)，而不再綜合商城選購(gòu)。

　　則用戶偏好標(biāo)簽是：紅酒，權(quán)重是0.95*0.7*1=0.665，即，用戶A：紅酒0.665、長(zhǎng)城0.665。

　　上述模型權(quán)重值的選取只是舉例參考，具體的權(quán)重值需要根據(jù)業(yè)務(wù)需求二次建模，這里強(qiáng)調(diào)的是如何從整體思考，去構(gòu)建用戶畫(huà)像模型，進(jìn)而能夠逐步細(xì)化模型。

（本文來(lái)源于網(wǎng)絡(luò)，若侵權(quán)請(qǐng)聯(lián)系刪除。）

關(guān)于紅海云

　　紅海云是中國(guó)領(lǐng)先的新一代人力資源管理一體化綜合解決方案提供商，核心產(chǎn)品紅海eHR系統(tǒng)，打破傳統(tǒng)人力資源管理系統(tǒng)功能模塊數(shù)據(jù)割裂的局限，從核心人力管理、勞動(dòng)力管理到戰(zhàn)略人才管理，涵蓋人力資源業(yè)務(wù)12大模塊，百余項(xiàng)功能一體化布局。并通過(guò)紅海云RedPaaS平臺(tái)、RedAPI平臺(tái)、自動(dòng)化運(yùn)維平臺(tái)等底層數(shù)字化配套體系的賦能，讓紅海云eHR系統(tǒng)擁有了業(yè)內(nèi)領(lǐng)先的靈活性和可擴(kuò)展性。

　　迄今為止，紅海云服務(wù)的客戶已成功覆蓋華北，華東、華南、西南地區(qū)市場(chǎng)，已有逾千家大中型企業(yè)借助紅海產(chǎn)品獲得領(lǐng)先的人力資源管理數(shù)字化能力，廣泛分布于國(guó)企事業(yè)單位、地產(chǎn)、銀行、醫(yī)藥、物業(yè)、物流、餐飲、服飾等行業(yè)，包括中國(guó)銀行、保利物業(yè)、石藥集團(tuán)、以嶺藥業(yè)、科興生物、中金珠寶、華宇集團(tuán)、祥源控股、雪松控股、真功夫、中郵金融、影兒集團(tuán)、比音勒芬、曹操出行等眾多頭部企業(yè)。