用戶畫像是指根據(jù)用戶的基本屬性、用戶偏好、生活習(xí)慣、用戶行為等信息而抽象出來(lái)的標(biāo)簽化用戶模型。那么，我們要怎么去應(yīng)用這些用戶畫像呢？

一、用戶畫像是什么？

用戶畫像是指根據(jù)用戶的基本屬性、用戶偏好、生活習(xí)慣、用戶行為等信息而抽象出來(lái)的標(biāo)簽化用戶模型。每一個(gè)標(biāo)簽及標(biāo)簽權(quán)重即為用戶的一個(gè)向量，一個(gè)用戶可以理解為超維空間的多個(gè)向量（標(biāo)簽）的和。即通過(guò)數(shù)據(jù)方式來(lái)描述用戶，最終將一個(gè)用戶表達(dá)為計(jì)算機(jī)可識(shí)別的用戶，以此為基礎(chǔ)實(shí)現(xiàn)用戶畫像應(yīng)用。

二、用戶畫像應(yīng)用

當(dāng)一個(gè)用戶可以被計(jì)算機(jī)全面識(shí)別理解后，我們就可以用來(lái)做精準(zhǔn)營(yíng)銷、個(gè)性化推薦等基礎(chǔ)性工作，其作用總體包括：

• 精準(zhǔn)營(yíng)銷：根據(jù)用戶特征，針對(duì)特定群體，利用短信、郵件、AppPush、App彈窗、微信公眾號(hào)、微信群等方式進(jìn)行營(yíng)銷。
• 用戶統(tǒng)計(jì)：根據(jù)用戶的屬性、行為特征對(duì)用戶進(jìn)行分類后，統(tǒng)計(jì)不同特征下的用戶數(shù)量、分布；分析不同用戶畫像群體的分布特征。
• 個(gè)性推薦：以用戶畫像為基礎(chǔ)構(gòu)建推薦系統(tǒng)、搜索引擎、廣告投放系統(tǒng)，提升轉(zhuǎn)化率。
• 行業(yè)研究：通過(guò)用戶畫像分析可以了解行業(yè)動(dòng)態(tài)，比如人群消費(fèi)習(xí)慣、消費(fèi)偏好分析、不同地域品類消費(fèi)差異分析。

三、用戶畫像如何提供以上能力

用戶畫像有以上應(yīng)用，到底是怎么應(yīng)用的呢？我們一個(gè)一個(gè)解釋一遍。

1. 精準(zhǔn)營(yíng)銷

根據(jù)用戶特征，針對(duì)特定群體，利用短信、郵件、AppPush、App彈窗、微信群、h5等方式進(jìn)行營(yíng)銷。如果沒(méi)有用戶畫像，也能完成 短信、郵件、App push、App彈窗的運(yùn)營(yíng)，但是不能保證資源有效利用。

為什么這么說(shuō)呢？在平臺(tái)用戶量低的時(shí)候，我們很容易做運(yùn)營(yíng)，我們將運(yùn)營(yíng)內(nèi)容全量推送，發(fā)現(xiàn)召回率、轉(zhuǎn)化率并不會(huì)很低。這是因?yàn)槌跗谖覀兊挠脩舳己芫珳?zhǔn)，所以召回率轉(zhuǎn)化率不會(huì)很低。但隨著用戶基數(shù)的逐漸增加，這種運(yùn)營(yíng)效果越來(lái)越差轉(zhuǎn)化率越來(lái)越低。

因?yàn)殡S著用戶量的增加，推送的內(nèi)容只能打動(dòng)那一小撮人，為了提升轉(zhuǎn)化效率，運(yùn)營(yíng)位資源的有效利用，我們需要借助用戶畫像的能力。

（1）分群運(yùn)營(yíng)

分群運(yùn)營(yíng)是此問(wèn)題很好的解決方案，通過(guò)用戶畫像的標(biāo)簽篩選，篩選出不同的用戶群，篩選出的用戶群每個(gè)用戶群都有一個(gè)唯一id。通過(guò)push或彈窗配置平臺(tái)，輸入用戶群id實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)。

（2）自動(dòng)化運(yùn)營(yíng)

我們讓用戶群的粒度無(wú)限小，最后會(huì)小到一個(gè)個(gè)體。我們針對(duì)每個(gè)個(gè)體去做push或者彈屏，運(yùn)營(yíng)效率還是太低了?；谟脩舢嬒竦淖詣?dòng)化運(yùn)營(yíng)就發(fā)揮了作用。我們一起看一下如何實(shí)現(xiàn)自動(dòng)化運(yùn)營(yíng)。

1. 粗略定向（城市：北京；屬性：新用戶）此類設(shè)置為滿足業(yè)務(wù)需求，比如暑假低價(jià)課的廣告彈屏只針對(duì)沒(méi)有購(gòu)買過(guò)長(zhǎng)期班的用戶。這是通過(guò)事實(shí)標(biāo)簽來(lái)實(shí)現(xiàn)。
2. 精細(xì)定向：設(shè)置偏好標(biāo)簽及標(biāo)簽值來(lái)確定精細(xì)用戶群。原理很簡(jiǎn)單，給一個(gè)策略設(shè)定好偏好標(biāo)簽及標(biāo)簽權(quán)重后，相當(dāng)于在空間中繪制出一個(gè)用戶向量，我們用真實(shí)用戶向量與此向量進(jìn)行空間向量的余弦相似計(jì)算，或歐幾里得距離計(jì)算相似性，最相似的則優(yōu)先顯示。如果相同相似則按創(chuàng)建時(shí)間倒敘展示。這樣設(shè)定權(quán)重好處：可以很好的避免不同業(yè)務(wù)部門App內(nèi)流量的爭(zhēng)搶。只有設(shè)置的標(biāo)簽才參與計(jì)算，不是全部標(biāo)簽進(jìn)行相似計(jì)算。
3. 設(shè)定push文案
4. push落地頁(yè)
5. 設(shè)定開(kāi)始結(jié)束機(jī)制（時(shí)間控件）

舉個(gè)例子：

背景：

1. 暑期結(jié)束場(chǎng)景下的收心課；
2. 針對(duì)沒(méi)有報(bào)名暑假長(zhǎng)期班的學(xué)員；
3. 目標(biāo)100w。

配置：

1. 設(shè)置人群；沒(méi)有購(gòu)買2019暑期長(zhǎng)期班的學(xué)員；
2. 設(shè)置權(quán)重：數(shù)學(xué)：0.8，短期班：0.7，暑假：0.6，開(kāi)學(xué)：0.5；
3. 設(shè)置文案：親愛(ài)的斑馬家長(zhǎng)你好，暑假愉快，學(xué)而思網(wǎng)校為您準(zhǔn)備9.9元 10節(jié)暑假數(shù)學(xué)收心課；
4. 設(shè)置落地頁(yè)：www.banma.com；
5. 時(shí)間設(shè)置：2019/08/23-2019/08/24。

圖示：

2. 用戶統(tǒng)計(jì)

根據(jù)用戶的屬性、行為特征對(duì)用戶進(jìn)行分類后，統(tǒng)計(jì)不同特征下的用戶數(shù)量、分布、走勢(shì)等。

這里不做多闡述，參考神策。截圖大家參考下，數(shù)據(jù)已脫敏。

北京的-完成加入購(gòu)物車操作的用戶數(shù)的趨勢(shì)

3. 用戶組成

4. 個(gè)性推薦

個(gè)性推薦：以用戶畫像為基礎(chǔ)構(gòu)建推薦系統(tǒng)、搜索引擎、廣告投放系統(tǒng)，提升轉(zhuǎn)化率。

這里重點(diǎn)介紹一下推薦系統(tǒng)，其他與推薦邏輯大同小異。

推薦系統(tǒng)一般都分為召回和排序兩個(gè)階段。因?yàn)槿课锲罚↖tem）通常數(shù)量非常大，無(wú)法為一個(gè)用戶（User）逐一計(jì)算每一個(gè)物品（Item）的評(píng)分，這時(shí)候就需要一個(gè)召回階段，其實(shí)就是預(yù)先篩選一部分物品（Item），從而降低計(jì)算量。

海量 Item——召回（粗排）——候選集合——排序（精排）——排序列表——規(guī)則（多樣化推薦）——推薦結(jié)果。用戶畫像除了用于最終匹配評(píng)分，還要用于在召回。

那用戶畫像是如何做召回？

我們先看一下用戶畫像的用戶偏好表存儲(chǔ)（用戶畫像有好多個(gè)表，文章畫像構(gòu)建部分會(huì) 具體講解）：

當(dāng)我們購(gòu)買完成一個(gè)帶有標(biāo)簽id1，標(biāo)簽id2，標(biāo)簽id3的課程后，一般在購(gòu)買完成頁(yè)會(huì)有交叉銷售場(chǎng)景，我們通過(guò)用戶偏好表的標(biāo)簽及權(quán)重，基于用戶相似，或Item相似的協(xié)同過(guò)濾算法，召回一部分課程。這就是粗排的過(guò)程。簡(jiǎn)單理解就是找到用戶喜歡的其他課程。

協(xié)同過(guò)濾：基于用戶相似推薦：歐幾里得距離公式 userid1 與 userid2 =√ [（標(biāo)簽id1-標(biāo)簽id1）^2+（標(biāo)簽id2-標(biāo)簽id2）^2+···（標(biāo)簽idn-標(biāo)簽idn）^2]

5. 行業(yè)研究

行業(yè)研究就很好理解了，我們經(jīng)常聽(tīng)到馬爸爸拿一些標(biāo)簽，說(shuō)明這個(gè)地方人喜歡買什么？為什么喜歡買？那個(gè)地方人喜歡買什么？為什么喜歡？

最經(jīng)典的就是每年的年終總結(jié)H5，這里不多贅述此內(nèi)容。

四、用戶畫像的搭建

1. 標(biāo)簽管理系統(tǒng)搭建

（1）什么是標(biāo)簽管理系統(tǒng)？

標(biāo)簽與用戶畫像的關(guān)系，在介紹什么是用戶畫像時(shí)候就已經(jīng)說(shuō)過(guò)。

我們說(shuō)一下什么是標(biāo)簽管理系統(tǒng)：

一般來(lái)說(shuō)，將能關(guān)聯(lián)到具體用戶數(shù)據(jù)的標(biāo)簽，稱為葉子標(biāo)簽。對(duì)葉子標(biāo)簽進(jìn)行分類匯總的標(biāo)簽，稱為父標(biāo)簽。父標(biāo)簽和葉子標(biāo)簽共同構(gòu)成標(biāo)簽體系，但兩者是相對(duì)概念。

用戶畫像的本質(zhì)就是使用不同的標(biāo)簽來(lái)描述表達(dá)用戶，那這些標(biāo)簽是需要我們事先準(zhǔn)備好的。每個(gè)用戶都有成千上萬(wàn)的標(biāo)簽，我們維護(hù)這么大量級(jí)的標(biāo)簽，我們事先一定要構(gòu)建健康的標(biāo)簽體系。

所以標(biāo)簽管理系統(tǒng)要支持對(duì)所有標(biāo)簽查詢、修改、刪除、新增等功能，主要包括兩個(gè)模塊：標(biāo)簽樹(shù)和標(biāo)簽查詢。

• 標(biāo)簽樹(shù)：以樹(shù)形結(jié)構(gòu)呈現(xiàn)標(biāo)簽之間的層級(jí)和邏輯關(guān)系，并且可以對(duì)任意層級(jí)的標(biāo)簽名進(jìn)行修改、新增和刪除；
• 標(biāo)簽查詢：對(duì)某一時(shí)間段內(nèi)的標(biāo)簽進(jìn)行查詢，可以實(shí)現(xiàn)自定義查詢及條件查詢，并實(shí)現(xiàn)標(biāo)簽下的用戶數(shù)的統(tǒng)計(jì)功能。

（2）標(biāo)簽管理系統(tǒng)功能列表

（3）標(biāo)簽管理系統(tǒng)頁(yè)面

（4）標(biāo)簽體系構(gòu)建

1）偏好標(biāo)簽

偏好標(biāo)簽簡(jiǎn)單理解就是用戶對(duì)不同標(biāo)簽的喜愛(ài)程度，通過(guò)用戶與標(biāo)簽的行為類型、行為權(quán)重、行為次數(shù)、時(shí)間衰減來(lái)計(jì)算。后續(xù)具體講解如何進(jìn)行計(jì)算，偏好標(biāo)簽是做推薦及策略方向最重要的標(biāo)簽。

2）標(biāo)簽梳理

該類標(biāo)簽梳理很簡(jiǎn)單，在我們數(shù)據(jù)倉(cāng)庫(kù)中有不同的內(nèi)容表。

比如課程數(shù)據(jù)庫(kù)表結(jié)構(gòu)：上課地點(diǎn)、上課時(shí)間、老師、價(jià)格、大綱、評(píng)價(jià)……

比如教師表結(jié)構(gòu)：教師名稱、有無(wú)教師資格證、年齡、學(xué)校、性別、評(píng)價(jià)……

這里每一個(gè)字段就是一個(gè)偏好標(biāo)簽，當(dāng)然字段值也是標(biāo)簽。因?yàn)橛脩襞c這些內(nèi)容發(fā)生關(guān)系，間接是與這些標(biāo)簽放生關(guān)系。

偏好標(biāo)簽是固定的，不可編輯修改，數(shù)據(jù)來(lái)源于平臺(tái)內(nèi)全部?jī)?nèi)容的表字段及值。

3）事實(shí)標(biāo)簽

• 信息標(biāo)簽：用戶的基本信息標(biāo)簽（城市、年級(jí)、年齡、性別……）
• 業(yè)務(wù)標(biāo)簽：來(lái)自業(yè)務(wù)的標(biāo)簽（在讀、非在讀、長(zhǎng)期班、短期班、語(yǔ)文、數(shù)學(xué)、英語(yǔ)……）
• 規(guī)則標(biāo)簽：自定義的規(guī)則（低潛、中潛、高潛、核心）

4）標(biāo)簽梳理

用戶基本信息，用戶業(yè)務(wù)信息，工作人員定的規(guī)則，比如：低潛用戶，中潛用戶……

5）預(yù)測(cè)標(biāo)簽

這種標(biāo)簽是根據(jù)機(jī)器學(xué)習(xí)預(yù)測(cè)的標(biāo)簽，比如：流失預(yù)測(cè)，虎躍預(yù)測(cè)，轉(zhuǎn)化預(yù)測(cè)等等。

6）標(biāo)簽梳理

很簡(jiǎn)單，就那么幾個(gè)想預(yù)測(cè)啥就添加啥。標(biāo)簽之間具有層級(jí)的邏輯關(guān)系，1級(jí)是2級(jí)標(biāo)簽的父級(jí)，2級(jí)是1級(jí)標(biāo)簽的子級(jí)，以此類推。

偏好標(biāo)簽不可編輯，數(shù)據(jù)來(lái)源于不同內(nèi)容的表字段。事實(shí)標(biāo)簽與預(yù)測(cè)標(biāo)簽當(dāng)子級(jí)有內(nèi)容則父級(jí)不可刪除，但可編輯。只有下一級(jí)沒(méi)有任何子級(jí)的情況下可以進(jìn)行刪除操作。

2. 標(biāo)簽權(quán)重計(jì)算

這里的標(biāo)簽權(quán)重計(jì)算特指偏好標(biāo)簽。

畫像的用戶偏好標(biāo)簽存儲(chǔ)結(jié)構(gòu)：

這里的每一個(gè)用戶每一個(gè)標(biāo)簽下的值就是標(biāo)簽的權(quán)重，這節(jié)講解的重點(diǎn)。

這個(gè)標(biāo)簽權(quán)重影響著對(duì)用戶屬性的歸類，屬性歸類不準(zhǔn)確，接下來(lái)給予畫像對(duì)用戶進(jìn)行推薦，精細(xì)化運(yùn)營(yíng)也就無(wú)從談起。

（1）基于TF-IDF算法計(jì)算

1）算法思想

用戶標(biāo)簽權(quán)重，是由該標(biāo)簽對(duì)用戶本身的重要性與該標(biāo)簽在業(yè)務(wù)上，對(duì)用戶的重要性共同決定的。

標(biāo)簽本身對(duì)用戶重要性是通過(guò)TF-IDF計(jì)算得到的，業(yè)務(wù)權(quán)重是通過(guò)用戶對(duì)標(biāo)簽的行為來(lái)決定的，即：

• 用戶標(biāo)簽權(quán)重 = 業(yè)務(wù)權(quán)重* TF-IDF權(quán)重
• 用戶標(biāo)簽權(quán)重 = 行為類型權(quán)重 * 行為次數(shù) * 時(shí)間衰減* TF-IDF權(quán)重

2）簡(jiǎn)單理解

就是用戶對(duì)一個(gè)標(biāo)簽，會(huì)有不同行為觸達(dá)，不同的行為有不同的難度，比如：購(gòu)買行為大于搜索行為，搜索行為大于瀏覽行為。所以不同行為就會(huì)有不同的權(quán)重，行為越難代表越喜歡，權(quán)重越高同理行為次數(shù)越多也代表越喜歡。

標(biāo)簽對(duì)這個(gè)用戶來(lái)說(shuō)越稀有代表越喜歡，喜歡程度會(huì)隨著時(shí)間的增加而逐漸降低，通過(guò)這個(gè)公式計(jì)算標(biāo)簽權(quán)重。

3）行為類型權(quán)重

用戶瀏覽、點(diǎn)擊、搜索、收藏、分享、下單、購(gòu)買等不同行為對(duì)用戶而且有不同重要性，一般使用層次分析法定義一個(gè)基本行為權(quán)重。

4）行為次數(shù)

這里的行為次數(shù)表示每一種行為的次數(shù)。

5）時(shí)間衰減

時(shí)間衰減是指用戶的行為會(huì)隨著時(shí)間的流逝，用戶偏好會(huì)不斷減弱。在建立與時(shí)間衰減相關(guān)的函數(shù)時(shí)，我們可套用牛頓冷卻定律數(shù)學(xué)模型。

牛頓冷卻定律：

較熱物體的溫度F(t)是隨著時(shí)間t的增長(zhǎng)而呈現(xiàn)指數(shù)型衰減，其溫度衰減公式為：F(t)=T×exp(-α×t)。

• T：初始溫度
• α：衰減常數(shù)即冷卻系數(shù)，是自己定義的數(shù)值，一般通過(guò)回歸可計(jì)算得出
• t：時(shí)間間隔

冷卻系數(shù)如何計(jì)算呢？

冷卻系數(shù)是自己定義的數(shù)值，一般通過(guò)回歸可計(jì)算得出。例如：初始溫度100攝氏度，1小時(shí)后的溫度為85攝氏度，即 85=100×exp(-α×1)，求得α=0.16。

在這里我們用R語(yǔ)言來(lái)模擬一下這個(gè)冷卻曲線：

wendu<-100*exp(-0.16*t) t<-c(1:100) plot(x)

t<-c(1:100)

plot(x)

6） TF-IDF

TF-IDF = TF*IDF

TF：

這里我們用 N（P，T）表示一個(gè)標(biāo)簽T被用于標(biāo)簽用戶P的次數(shù)。

TF（P，T）表示這個(gè)標(biāo)記次數(shù)在用戶P所有標(biāo)簽標(biāo)記次數(shù)中所占的比例。

TF（P，T）= N（P，T）/Σ N（P，Ti）

N（P，T）：打在某用戶身上某個(gè)標(biāo)簽的個(gè)數(shù)

Σ N（P，Ti）：該用戶身上全部標(biāo)簽的個(gè)數(shù)

Ti 該用戶全部標(biāo)簽個(gè)數(shù)

IDF：

IDF（P，T）：表示標(biāo)簽T在全部標(biāo)簽中的稀缺程度

如果一個(gè)標(biāo)簽出現(xiàn)的幾率很小，同時(shí)被用戶標(biāo)記某個(gè)用戶，這就使得該用戶與該標(biāo)簽T之間的關(guān)系更加緊密。

IDF（P，T）=Σ Σ N（Pi，Ti）/ΣN（Pi，T）

Σ Σ N（Pi，Ti）：全部用戶的全部標(biāo)簽之和

ΣN（Pi，T） ：所有打T標(biāo)簽的用戶之和

7）計(jì)算方式

舉例子：

用戶“斑馬”，對(duì)于標(biāo)簽“語(yǔ)文”的標(biāo)簽權(quán)重計(jì)算：假設(shè)我們之前定義 冷卻系數(shù)α=0.16。

行為表：

2019-08-22

2019-08-23

2019-08-24

用戶“斑馬”對(duì)標(biāo)簽“語(yǔ)文”的權(quán)重：

2019-08-22：語(yǔ)文=2*0.1+2*0.2+3*0.6+1*0.5+1*0.9=3.8

2010-08-23：語(yǔ)文=3.8 *exp（-α*1）+1*0.1+1*0.2+2*0.6+1*0.5+0=5.067718

2010-08-23：語(yǔ)文= 5.067718*exp（-α*1）= 4.318424

3. 標(biāo)簽存儲(chǔ)

（1）事實(shí)標(biāo)簽

1）基礎(chǔ)信息表

2）事實(shí)標(biāo)簽-在讀信息表

3）事實(shí)標(biāo)簽-報(bào)名信息表

4）事實(shí)標(biāo)簽-規(guī)則信息表

（2）偏好標(biāo)簽&預(yù)測(cè)標(biāo)簽

本文由 @斑馬 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議