基于搜索数据的品牌数据分析&用户分析（二）

这次分享的主要内容是用户群体兴趣的可视化

用户的兴趣还是来自用户的搜索数据，

以用户的搜索词能够表示用户兴趣为前提，以用户搜索类目的频次为权重，给用户打上兴趣的标签。

提取搜索过某几个品牌的全部用户，提取用户的标签列和权重。

揭示用户兴趣和品牌的关系的主要方法是对应分析。

简单的介绍一下对应分析

对应分析广泛用于对由属性变量构成的列联表数据的研究，对应分析能够在一张二维图上，同时画出属性变量不同取值的情况，列联表上的每一行每一列都用二维图上的一个点表示，将各个属性变量之间的相互关系用简单直接的方法表示出来。

用成熟的统计软件就能够完成，比如R、SPSS 输出图和坐标

例如输入的数据是

                  单价        销量       品种       颜色     

A                1000       10            5            2

B                1200        100         10          2

C                 800          1000      1            1

会输出一张ABC与单价、销量、品种、颜色的气泡图

在图中，通过两个点的距离来判断距离，如 C与销量会最近

用户兴趣分布图

当然这只是我探索可行性的一次尝试，兴趣的具体内容、粒度，品牌的粒度都需要再研究。

因为人群越细分（如同一行业同类垂直细分的竞品品牌人群），其偏好越有相似性，除非有极大量数据的支持，不然很难有明显的区分，或者是得到的结论是失真的、难以解释的。但是现在我们的系统的数据量还不多，精细化就很难做到。而且对于垂直细分品牌本来就只有少数的用户群体，对于做这个分析都是不利的。