本文一共3245字，专业人士建议阅读10-20分钟，非专业认识建议阅读20-35分钟
其它相关文章整理:https://zhuanlan.zhihu.com/p/51015148
0.序言:
紧接上一讲《什么是推荐系统(个性化内容分发)》，这一讲我们来聊聊用户画像这个话题，它也是个性化中非常重要的一环。本文与上一篇文章类似，前半部分基本以非技术论述为主，后半部分会夹杂一些技术相关的论述。
1.什么是用户画像:
1.1维基百科的定义 1.1.1 A user profile is a visual display of personal data associated with a specific user, or a customized desktop environment 1.1.2 用户画像就是与该用户相关联的数据的可视化的展现；一句话来总结就是：用户信息标签化。
1.2偏技术的定义 1.2.1 用户画像可以简单理解成是海量数据的标签，根据用户的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型 (personas)。
1.3常见用户画像维度
1.4金融产品常见评级画像的应用
1.5群体维度常见的画像–今日头条
2.为什么要做用户画像:
2.1宏观 – 构建具象认知，构建战略、战术方向:为了在核心用户上达成统一且具象的认知，方便在后续投入上有的放矢；根据用户画像的信息做产品设计，必须要清楚知道用户长什么样子，有什么行为特征和属性，这样才能为公司提出战略和战术层面的指导。
2.2宏观 – 探索用户足迹，用户(市场 )导向:详细了解我们的真实用户是如何和产品及其相关内容进行互动等；必须从业务场景出发，解决实际的业务问题，之所以进行用户画像要么是获取新用户，或者是提升用户体验，或者是挽回流失用户等，并最终为用户设计产品。
2.3微观 – 构建底层数据基础，服务上层应用:正如上篇文章所述，用户画像可以作为推荐系统(广告、搜索系统)的重要一环而存在(标签相似/特征工程等)，并会对推荐效果产生较大的提升；而正如用户画像在金融中的应用，用户画像也可以作为风控的一些规则/特征存在，来量化信用等级
2.4微观 – 方便信息的处理:有了标签后计算机可以方便地处理各个量化需求:
– 2.4.1 分类统计:某视频网站上喜欢看《欢乐颂2》的用户有多少 ？男女比例各是多少?
– 2.4.2 数据挖掘: 喜欢买榴莲的用户通常喜欢什么服装品牌，经常买榴莲又买辣椒的用户年龄段分布如何 分享一张常见公司的广告、商品投放后台中画像的应用
总之用户画像（UserProfile），完美地抽象出一个用户的信息全貌，可以看作企业应用大数据的根基。需要做到的终极形态是不同用户视角，打开同一个网站或者APP，体验完全不同
3.如何构建用户画像:
3.1目标: 构建用户静态/动态数据
– 3.1.1 静态数据-评估价值:用户相对稳定的信息，如图所示，主要包括人口属性、商业属性等方面数据；这类信息，自成标签，如果企业有真实信息则无需过多建模预测，更多的是数据清洗工作，如果某些静态信息不准或缺失则需要建模预测。
– 3.1.2 动态数据-循迹: 用户不断变化的行为信息，如果存在上帝，每一个人的行为都在时刻被上帝那双无形的眼睛监控着，广义上讲，一个用户打开网页，买了一个杯子；与该用户傍晚溜了趟狗，白天取了一次钱，打了一个哈欠等等一样都是上帝眼中的用户行为。当行为集中到互联网，乃至电商，用户行为就会聚焦很多，如上图所示：浏览凡客首页、浏览休闲鞋单品页、搜索帆布鞋、发表关于鞋品质的微博、赞“双十一大促”的微博消息。等等均可看作互联网用户行为。
3.2形态: 标签与权重: 用户画像的最终形态是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。如:NIKE 0.8、iphone 0.6；
– 3.2.1 标签：表征了内容，用户对该内容有兴趣、偏好、需求等等。
– 3.2.2 权重：表征了指数，用户的兴趣、偏好指数，也可能表征用户的需求度，可以简单的理解为可信度，概率。
3.3数据建模方法: 标签=用户标识 + 时间 + 行为类型 + 接触点（网址+内容）的聚合，某用户因为在什么时间、地点、做了什么事，所以会打上**标签
– 3.3.1 事件模型: 主要通过收集用户行为，并结合上下文构建事件模型，主要为5w(who、when、where、what、which);who:通过唯一的用户标识来锁定某个人(用户名、手机号、qq、微信、cookie等)；when:主要收集时间因素；where:主要收集地理位置因素；what:主要收集交互的商品/内容的标识，最终标签基本出自于对what的具象或者抽象；which:标识用户什么行为，比如点击、浏览、购买、观看。
– 3.3.2 整体思考建模: 用户标签的权重可能随时间的增加而衰减，因此定义时间为衰减因子r，行为类型、网址决定了权重，内容决定了标签，进一步转换为公式：标签权重=衰减因子×行为权重
– 3.3.3 举个栗子: 如：用户A，昨天在天猫nike官网浏览了一双价值699元的nike运动鞋，前天在天猫超市购买了一个价值为50元的杯子。 标签：nike，运动鞋，口红 时间：因为是昨天的行为，假设衰减因子为：r=0.9(不妨这里衰减简单地选取为每天下降为前一天的0.9，具体衰减可以通过数据分析得到，一般为指数级衰减) 行为类型：浏览行为记为权重0.5，购买行为记为权重1 地点：nike官网权重为0.8，天猫超市权重为0.4(因为天猫超市品类更泛，所以权重相对于nike专业运动品牌商要小)
则用户偏好标签是：杯子，权重是0.9 * 1*0.4=0.36；nike、运动鞋，权重是0.9*0.9*0.5*0.8 =0.324 即，用户Ａ：杯子 0.36、nike 0.324，运动鞋：0.324。 上述模型权重值的选取只是举例参考，具体的权重值需要根据业务需求二次建模，具体的建模流程也需要进一步梳理，这里强调的是如何从整体思考，去构建用户画像模型，进而能够逐步细化模型。
以上未涉及具体算法，更多的是阐述了一种分析思想，在计划构建用户画像时，能够给您提供一个系统性、框架性的思维指导。核心在于对用户接触点的理解，接触点内容直接决定了标签信息。内容地址、行为类型、时间衰减，决定了权重模型是关键，权重值本身的二次建模则是水到渠成的进阶。模型举例偏重电商，但其实，可以根据产品的不同，重新定义接触点。 最后，接触点本身并不一定有内容，也可以泛化理解为某种阈值，某个行为超过多少次，达到多长时间等。
4.算法路线及常用算法模型:
5.算法处理到评估流程图:
6.算法架构图:
7.标签层级:
8.下一讲我们将介绍机器学习和数据挖掘相关的内容，上个图
想对推荐算法、用户画像有进一步的了解的可以移步我的知乎live
《 推荐算法那点事》:知乎 Live - 全新的实时问答
《 推荐算法那点事（二）：细节 》:知乎 Live - 全新的实时问答