07. 用户画像：标签化就是数据的抽象能力

用户画像建模

image.png

• 用户唯一标识：用户名，手机号，邮箱
• 用户画像
  • 用户标签：性别、年龄、收入、职业、学历等
  • 消费标签：消费习惯、购买意向、价格敏感等
  • 行为标签：时间段、频次、时长、访问路径等
  • 内容标签：浏览内容
• 关联业务
  • 用户生命周期：（业务价值）
    1. 获客：拉新、营销
    2. 粘客：个性化推荐、搜索排序、场景运营
    3. 留客：流失率预测

根据数据流处理划分用户画像建模过程

image.png

• 数据层：用户消费行为里的标签。我们可以打上“事实标签”，作为数据客观的记录
• 算法层：透过这些行为算出的用户建模。我们可以打上“模型标签”，作为用户分类的模型标识
• 业务层：获客、粘客、留客的手段。打上“预测标签”，作为业务关联的结果。

美团外卖的用户画像该如何设计？

用户消费行为分析

• 用户标签：性别、年龄、家乡、居住地、收货地址、婚姻、宝宝信息、通过何种渠道注册信息。
• 消费标签：餐饮口味、消费均价、团购等级、预定使用等级、排队使用等级、外卖等级。
• 行为标签：点外卖时间段、使用频次、平均点餐用时、访问路径。
• 内容分析：基于用户平时浏览的内容进行统计，包括餐饮口味、优惠敏感度等。

锻炼自己的抽象能力，将繁杂的事务简单化

• 我们的最终目的不是处理这些数据，而是理解、使用这些数据挖掘的结果。