這篇文章是《OTA推薦系統(tǒng)之實(shí)時(shí)用戶意圖》的姐妹篇，實(shí)時(shí)用戶意圖是基于短期的用戶行為，找到用戶的偏好，作為個(gè)性化推薦的策略之一，強(qiáng)調(diào)即時(shí)性。

OTA行業(yè)是一個(gè)低頻的行業(yè)，對于老用戶如何利用他的歷史行為數(shù)據(jù)，建立更全面的用戶體系，進(jìn)一步提高個(gè)性化服務(wù)的準(zhǔn)確率？對于新用戶，因?yàn)闆]有短期用戶行為數(shù)據(jù)也就沒有實(shí)時(shí)用戶意圖了，該如何找到這些用戶的特征，從而為這些用戶提供個(gè)性化服務(wù)呢？本文將從WHAT和HOW（至于WHY就參考姐妹篇了）兩個(gè)方面結(jié)合自己的經(jīng)驗(yàn)給出建立用戶體系的思路。

WHAT（是什么）？

本文的用戶體系主要定義為：利用歷史數(shù)據(jù)及外部數(shù)據(jù)，結(jié)合算法模型，為用戶（新用戶或者近期無行為的老用戶）建立的用戶特征圖譜。針對新老用戶舉兩個(gè)例子：

示例1:一個(gè)老用戶在過去一年時(shí)間購買過一個(gè)帶孩子去塞班島的自由行產(chǎn)品，那么基于這樣的訂單行為，我們可以預(yù)測該用戶下次出行的偏好特征包括：帶小孩子，去海島，偏好自由行產(chǎn)品。同時(shí)基于他的多次訂單以及他的瀏覽歷史，結(jié)合算法可以對預(yù)測的可信度進(jìn)行修正，從而得到他的長期偏好。

示例2：一個(gè)上海的用戶打開App，可以獲取到這個(gè)用戶的用戶特征包括：用戶當(dāng)前位置上海，手機(jī)型號iPhone 7等特征。

用戶體系主要是利用用戶的行為數(shù)據(jù)，結(jié)合大數(shù)據(jù)技術(shù)來建立更加全面的用戶畫像，從而可以更好的為用戶做個(gè)性化推薦服務(wù)。

HOW（怎么做）？

我們在建立用戶特征圖譜是依賴于下面的假設(shè)：

• 用戶對自己感興趣的內(nèi)容會多次瀏覽或搜索，且用戶的興趣不會輕易發(fā)生改變
• 用戶對和自己相似的人群喜歡的物品有同樣的品味

如上午的兩個(gè)示例所示，不同人群可利用的數(shù)據(jù)資源不一樣，所以針對不同的人群所采用的思路，方法也是不同的。下面通過將人群分成兩大類：老用戶群和新用戶群來給出它們的思路。

1. 老用戶

老用戶的定義：指的那些已經(jīng)安裝過App，并且進(jìn)行過搜索，瀏覽等相關(guān)操作的用戶，那些安裝卻在指定的時(shí)間段（一般是2年，不同的公司定義不一樣）從來未打開過App的用戶排除在外（對于這些用戶群本文作為新用戶處理）。老用戶用戶體系的建立同樣依賴于用戶的行為數(shù)據(jù)，包括他的瀏覽，搜索，收藏，購買等，相比實(shí)時(shí)用戶意圖，這里用到的用戶的行為數(shù)據(jù)的時(shí)間緯度上更長（一般2年，不同的公司定義不一樣）。

下面講論述一下上圖中的特征偏好的設(shè)計(jì)思路：

興趣點(diǎn)的偏好

一個(gè)用戶的旅游興趣是可以基于他的行為來獲取的，主要思路：利用算法從他所關(guān)注的城市集的景點(diǎn)特征預(yù)測出該用戶的興趣特征。舉例來說：一個(gè)人在一定時(shí)間中曾經(jīng)瀏覽過塞班島，普吉島，馬爾代夫，三亞等目的地城市，并且下單去過普吉島?；谟脩粼L問城市集的所有景點(diǎn)，通過算法模型得到這些城市景點(diǎn)的公共特征為休閑，海島，沙灘等，并且每個(gè)特征有置信權(quán)重，從而得到該用戶的用戶特征為：休閑，海島，沙灘，并且每個(gè)興趣特征有一個(gè)置信權(quán)重。

目的地的偏好

獲取目的地偏好的主要思路：通過匯總他關(guān)注過的城市，排除已經(jīng)去過的城市，從而得到用戶有興趣的目的地集。這里基于的假設(shè)是用戶關(guān)注的目的地之所以沒有去成是因?yàn)槟撤N原因?qū)е?，那么這些目的地相比其它未關(guān)注的目的地對用戶的吸引度度會更高，更容易被用戶作為下次旅游的候選集。

產(chǎn)品的偏好

獲取產(chǎn)品偏好的主要思路：通過匯總他關(guān)注過的產(chǎn)品（尤其是度假類的產(chǎn)品），排除歸屬于已經(jīng)去過的城市的產(chǎn)品，從而匯總得到用戶有興趣的產(chǎn)品集。這里基于的假設(shè)同目的地的偏好中的假設(shè)，用戶會對關(guān)注過的內(nèi)容更感興趣。

常去地的偏好

獲取常去地偏好的主要思路：基于用戶的訂單產(chǎn)品，分析出用戶在半年時(shí)間內(nèi)購買過同一個(gè)目的地不同時(shí)間端的三個(gè)產(chǎn)品，從而得到該用戶的常去目的地偏好。

建立了用戶的這些特征偏好，在進(jìn)行個(gè)性化推薦時(shí)就可以基于不同的業(yè)務(wù)場景需求來獲取用戶不同的策略來進(jìn)行推薦，從而達(dá)到推薦的結(jié)果

2. 新用戶

新用戶的定義：指那些第一次安裝App后使用的用戶或者那些安裝卻在指定的時(shí)間段（一般是2年，不同的公司定義不一樣）從來未打開過App的用戶。建立這類用戶的特征集有兩種方法：利用外部數(shù)據(jù)；利用相似人群。

利用外部數(shù)據(jù)

公司為了拉新客或老客再營銷，會進(jìn)行站外的廣告投放，目前計(jì)算廣告的數(shù)據(jù)源包括下面三塊：

• 第一方數(shù)據(jù)：為服務(wù)消費(fèi)者(廣告主，媒體方)自由數(shù)據(jù)
• 第二方數(shù)據(jù)：營銷服務(wù)提供者所擁有的數(shù)據(jù)，如當(dāng)百度作為服務(wù)提供者時(shí)，百度自己擁有的搜索數(shù)據(jù)。
• 第三方數(shù)據(jù)：為非直接合作的雙方(例如：其他數(shù)據(jù)服務(wù)商)所擁有的數(shù)據(jù)

通過和站外的合作可以獲取合作伙伴獲取的用戶特征集，結(jié)合這些特征集可以用來為新用戶做合適的推薦。

相似人群

通過對已有用戶特征的用戶群按照地域，性別，年齡段等多維度來對人群進(jìn)行分類，然后通過算法模型分析出不同類型人群的共同特征，得到千人千面的用戶特征。當(dāng)一個(gè)新用戶訪問App的時(shí)候，結(jié)合已知的用戶特征（如當(dāng)前位置，注冊提供的信息等），通過算法模型找到匹配的人群，然后通過該人群的同樣特征作為該新用戶的用戶特征。

綜述

個(gè)性化推薦系統(tǒng)要建立用戶和產(chǎn)品的特征，那么越全面的了解一個(gè)用戶就越可以準(zhǔn)確的預(yù)測出用戶喜愛的物品。而更全面的了解一個(gè)用戶依賴于可用的數(shù)據(jù)和算法模型的準(zhǔn)確性，兩篇文章給出了如何獲取數(shù)據(jù)，獲取怎樣的數(shù)據(jù)，以及利用這些數(shù)據(jù)來建立用戶畫像的產(chǎn)品思路，希望能過給到大家以一點(diǎn)啟發(fā)。

相關(guān)閱讀

常見推薦策略及其在OTA上的應(yīng)用

OTA推薦系統(tǒng)之實(shí)時(shí)用戶意圖

本文由 @中子奇 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。

題圖來自PEXELS，基于CC0協(xié)議