2021-07-29

周四，对近期的工作做一个小结，主要是学习人物画像第一部分，即基本概念部分

用户画像的基本要素

用户画像主要从静态属性、动态属性、消费属性和心理属性来划分。

静态属性是勾勒用户画像的基础：性别、年龄、学历、角色、收入、地域、婚姻等。

动态属性是指用户在互联网上的上网行为、娱乐偏好、社交习惯、出行方式以及获取知识的方式，这些都直接反应了用户对你的内容是否感兴趣。

消费属性是指用户的消费水平、消费心理、消费嗜好等，这反映的是用户对花钱有什么看法。到底是喜欢质量好的还是追求品质高的呢？到底是倾向于功能价值还是情感价值？

心理属性是指用户在生活、工作、情感、社交等方面所拥有的个人价值观。

构建用户画像的步骤

采集数据：数据的来源有多种，很多公司有自己的CRM系统，或者有智能采集系统日志的工具，常用的采集方式包括API、SDK和传感器采集等，可以通过想要挖掘什么标签来反推需要的数据源。

数据清洗：原始数据源存在“脏数据”，包括数据空缺和噪声、不一致、重复、错误等问题，为了保证后期挖掘的准确性，避免对决策造成影响，须对原始数据进行预处理。

数据标准化：用户画像的建立需要有整合多源数据（跨屏跨媒体）的能力，例如一个实体可能使用多个设备，拥有网络世界的多个账号，则须把多个身份ID组合，建立统一的标准，才能完整标识实体的用户画像。

用户建模：通过算法模型来定义人群的用户画像，常见为分类模型和聚类模型，例如朴素贝叶斯、决策树、SVM，神经网络，k-means等。

标签挖掘：通过平台来进行标签的加工和计算，通常需要部署环境，如通过Hadoop平台进行训练和学习，大规模的并行计算。

标签验证：须通过真实case验证标签挖掘结果的正确性，保证标签对应的处理结果跟预期大体相符。此步骤有时可以跟上个步骤（标签挖掘）对调，即可以先用小样本数据验证模型的可靠性，再依照结果进行调整，再进行挖掘。

数据可视化：即视觉呈现群体或个人的用户画像，包括柱状图/饼状图/表格等，可根据实际情况选择合适的可视化方式