一文读懂大数据分析在构建用户画像中的应用

通过大数据分析构建用户画像实际上跟我们的生活息息相关，相信你一定有过类似经历：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，都是基于大数据分析构建用户画像从而实现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分析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。

 

1

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。

 

 

2

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。

 

3

用户画像应用

1、实现精准化营销

 

通过大数据分析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大数据分析平台，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

 

在用户画像大数据分析的基础上，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。