一個標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識，如年齡段標(biāo)簽：25~35歲，地域標(biāo)簽：北京，標(biāo)簽呈現(xiàn)出兩個重要特征：語義化，人能很方便地理解每個標(biāo)簽含義。這也使得用戶畫像模型具備實際意義。能夠較好的滿足業(yè)務(wù)需求。如，判斷用戶偏好。短文本，每個標(biāo)簽通常只表示一種含義，標(biāo)簽本身無需再做過多文本分析等預(yù)處理工作，這為利用機器提取標(biāo)準(zhǔn)化信息提供了便利。 人制定標(biāo)簽規(guī)則，并能夠通過標(biāo)簽快速讀出其中的信息，機器方便做標(biāo)簽提取、聚合分析。所以，用戶畫像，即：用戶標(biāo)簽，向我們展示了一種樸素、簡潔的方法用于描述用戶信息。 3.1 數(shù)據(jù)源分析 構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來源于：所有用戶相關(guān)的數(shù)據(jù)。 對于用戶相關(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)英語的人，一種是不學(xué)英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產(chǎn)品生命周期分為，投入期、成長期、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)不斷枚舉并迭代補充遺漏的信息維度。不必?fù)?dān)心架構(gòu)上對每一層分類沒有考慮完整，造成維度遺漏留下擴展性隱患。另外，不同的分類方式根據(jù)應(yīng)用場景，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)、動態(tài)信息數(shù)據(jù)兩大類。 靜態(tài)信息數(shù)據(jù) 用戶相對穩(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)有真實信息則無需過多建模預(yù)測，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。 動態(tài)信息數(shù)據(jù) 用戶不斷變化的行為信息，如果存在上帝，每一個人的行為都在時刻被上帝那雙無形的眼睛監(jiān)控著，廣義上講，一個用戶打開網(wǎng)頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個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，用戶行為就會聚焦很多，如上圖所示：瀏覽凡客首頁、瀏覽休閑鞋單品頁、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，可以看作用戶動態(tài)信息的唯一數(shù)據(jù)來源。如何對用戶行為數(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。 3.2 目標(biāo)分析 用戶畫像的目標(biāo)是通過分析用戶行為，最終為每個用戶打上標(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，可以簡單的理解為可信度，概率。 3.3 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。一個事件模型包括：時間、地點、人物三個要素。每一次用戶行為本質(zhì)上是一次隨機事件，可以詳細(xì)描述為：什么用戶，在什么時間，什么地點，做了什么事。 什么用戶：關(guān)鍵在于對用戶的標(biāo)識，用戶標(biāo)識的目的是為了區(qū)分用戶、單點定位。 以上列舉了互聯(lián)網(wǎng)主要的用戶標(biāo)識方法，獲取方式由易到難。視企業(yè)的用戶粘性，可以獲取的標(biāo)識信息有所差異。 什么時間：時間包括兩個重要信息，時間戳 時間長度。時間戳，為了標(biāo)識用戶行為的時間點，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常采用精度到秒的時間戳即可。因為微秒的時間戳精度并不可靠。瀏覽器時間精度，準(zhǔn)確度最多也只能到毫秒。時間長度，為了標(biāo)識用戶在某一頁面的停留時間。 什么地點：用戶接觸點，Touch Point。對于每個用戶接觸點。潛在包含了兩層信息：網(wǎng)址 內(nèi)容。網(wǎng)址：每一個url鏈接（頁面/屏幕），即定位了一個互聯(lián)網(wǎng)頁面地址，或者某個產(chǎn)品的特定頁面?？梢允荘C上某電商網(wǎng)站的頁面url，也可以是手機上的微博，微信等應(yīng)用某個功能頁面，某款產(chǎn)品應(yīng)用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某游戲的過關(guān)頁。 內(nèi)容：每個url網(wǎng)址（頁面/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，長城，干紅，對于每個互聯(lián)網(wǎng)接觸點，其中網(wǎng)址決定了權(quán)重；內(nèi)容決定了標(biāo)簽。 注：接觸點可以是網(wǎng)址，也可以是某個產(chǎn)品的特定功能界面。如，同樣一瓶礦泉水，超市賣1元，火車上賣3元，景區(qū)賣5元。商品的售賣價值，不在于成本，更在于售賣地點。標(biāo)簽均是礦泉水，但接觸點的不同體現(xiàn)出了權(quán)重差異。這里的權(quán)重可以理解為用戶對于礦泉水的需求程度不同。即，愿意支付的價值不同。 標(biāo)簽 權(quán)重 礦泉水 1 // 超市 礦泉水 3 // 火車 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)出對紅酒喜好度也是有差異的。這里的關(guān)注點是不同的網(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，對于電商有如下典型行為：瀏覽、添加購物車、搜索、、購買、點擊贊、收藏 等等。 不同的行為類型，對于接觸點的內(nèi)容產(chǎn)生的標(biāo)簽信息，具有不同的權(quán)重。如，購買權(quán)重計為5，瀏覽計為1 紅酒 1 // 瀏覽紅酒 紅酒 5 // 購買紅酒 綜合上述分析，用戶畫像的數(shù)據(jù)模型，可以概括為下面的公式：用戶標(biāo)識 時間 行為類型 接觸點（網(wǎng)址 內(nèi)容），某用戶因為在什么時間、地點、做了什么事。所以會打上**標(biāo)簽。 用戶標(biāo)簽的權(quán)重可能隨時間的增加而衰減，因此定義時間為衰減因子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)瀏覽一瓶價值238元的長城干紅葡萄酒信息。 標(biāo)簽：紅酒，長城 時間：因為是昨天的行為，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：品尚紅酒單品頁的網(wǎng)址子權(quán)重記為 0.9（相比京東紅酒單品頁的0.7） 假設(shè)用戶對紅酒出于真的喜歡，才會去專業(yè)的紅酒網(wǎng)選購，而不再綜合商城選購。 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，這里強調(diào)的是如何從整體思考，去構(gòu)建用戶畫像模型，進而能夠逐步細(xì)化模型。

逾期客戶用戶畫像 逾期客戶用戶畫像怎么辦

原發(fā)布者:98778680用戶畫像www.crxy.cn課程安排初步用戶畫像如何創(chuàng)建用戶像推薦引擎的項目架構(gòu)設(shè)計對采集數(shù)據(jù)清洗對數(shù)據(jù)字段打標(biāo)簽用戶畫像指標(biāo)統(tǒng)計分析用戶畫像的十種應(yīng)用場景什么是用戶畫像？用戶畫像：通過各個維度對用戶或者產(chǎn)品特征屬性的刻畫，并對這些特征分析統(tǒng)計挖掘潛在價值信息！完美地抽象出一個用戶的信息全貌，可以看作企業(yè)應(yīng)用大數(shù)據(jù)的根基。分析的維度：可以按照人口屬性和產(chǎn)品行為屬性進行綜合分析；人口屬性：地域、年齡、性別、文化、職業(yè)、收入、生活習(xí)慣、消費習(xí)慣等；產(chǎn)品行為：產(chǎn)品類別、活躍......

逾期客戶還款能力的客戶畫像分析-逾期客戶還款能力的客戶畫像分析怎么寫

隨著金融消費的普及,越來越多的人選擇貸款來解決短期資金需求。然而,由于各種原因,很多人無法按時還款,成為逾期客戶。那么,我們來看看逾期客戶還款能力的客戶畫像分析,以便更好地理解和解決這個問題。 逾期客戶還款能力的客戶畫像分析 1. 年齡 年齡是一個重要的因素,因為隨著年齡的增長,人們的還款能力往往會降低。根據(jù)數(shù)據(jù),30-35歲的客戶是最容易逾期的群體,而40-45歲的客戶則相對較少。 2. 職業(yè) 職業(yè)對還款能力也有很大的影響。通常來說,收入越高,還款能力越強。然而,一些低收入人群由于工......

信用卡逾期客戶畫像分析(信用卡逾期客戶畫像分析)

信用卡用滿一年半以上，沒有逾期可以做卡貸...