项目总结之用户画像构造

一、建立标签库

       给用户贴标签是大数据营销中常用的做法，所谓“标签”，就是浓缩精炼的、带有特定含义的一系列词语，用于描述真实的用户自身带有的属性特征，方便企业做数据的统计分析。借助用户标签，企业可实现差异化推荐、精细化画像等精准营销工作。

       标签库的建立方式主要有如下三点。

1. 标签库建立的过程中，是以树状结构的形式向外辐射，尽量遵循MECE原则：标签之间相互独立、完全穷尽，尤其是一些有关用户的分类，要能覆盖所有用户，但又不交叉。
2. 标签分成不同的层级和类别，一是方便管理数千个标签，让散乱的标签体系化；二是维度并不孤立，标签之间互有关联；三可是为标签建模提供标签子集。
3. 以不同的维度去构建标签库，能更好为用户提供服务，例如：用户层面提供业务、产品、消费品以便实现推荐。

二、构建用户画像

        整个项目生成了以家庭为单位的用户画像，对于广电的政企用户或特殊线路用户暂不纳入用户画像考虑，这一点是目前市面上少有的画像系统。同时方便后续做家庭分析、社区分析、区域分析、热点分析等等。

        用户画像中标签的计算方式大体有以下四种。

1. 固有基础属性标签：固有属性信息包括用户的基础信息、订购数据、收费数据等。从这些信息中可以知道用户的基础消费状况，用户订购产品的时间长度等基础信息。
2. 通过基础信息处理得到标签：有些基础信息不能直接提取出标签，但是经过处理后即可以得到有用的标签。例如，根据账单数据可以推断出家庭在电视方面的支出状况，居住在高端小区的用户就有可能会被打上一个“高消费用户”或者“潜在高消费用户”的标签。
3. 通过用户行为推测标签：用户行为是构建家庭客户标签库的主要指标，用户的点播、直播、回看的收视数据、收看时间段和时长等用户行为都可以用以构建标签。例如，经常点播体育类节目，这个家庭可能会被贴上“体育”、“男性”的标签；经常观看儿童类节目，有家庭中可能有儿童。用户的每一个行为特征都可以推测添加标签，这些标签根据用户行为的变化不断的生产、更新，这是标签库主要标签来源 。
4. 数据挖掘建模输出标签：对用户进行聚类分析，最终会得到不同客户群体，每个群体会被划分一个类，打上对应的标签。例如，建立客户价值分析模型，输出价值得分，根据得分高低，划分为重要保持客户、重要发展客户、一般客户、重要挽留客户、低价值客户等标签。这是根据数据主要使用方向分类出的结果，不同的需求可以分类出不同的结果。

        通过以上的标签建立与计算方式，用户标签库主要分为三个方面。基本特征: 家庭成员、消费内容、消费能力、入网时长等固有属性；业务特征: 缴费渠道、缴费方式和客户价值属性；兴趣爱好: 体育偏好、剧场偏好、观看时间段和观看时长等相关属性。

 

文章未经博主同意，禁止转载！