构建用户画像： 5W2H方法（三）

Author :  QQ zhou


5）How? 怎样构建用户画像

  到这里，我们可以正式谈谈如何构建用户画像了。第一章，已经向大家介绍了从哪些纬度构建用户画像。让我们回顾一下，主要有：人口统计、地理信息、浏览信息、交易信息、渠道信息等。

  下面我们谈谈构建用户画像的方法，主要分为三个步骤：数据收集、行为建模、构建画像

数据收集方面：
 用户id唯一性原则，保证一个用户只能出现一个画像，并且是最新的。这里涉及到不同类型用户（注册/非注册）识别，不同客户端（PC/APP端）的用户识别等。
根据常识或源库信息，将收集到的数据标签化。如可以将不同年龄段的用户打上：60后、70后、90后等标签；将不同地区的人分为华南、华北、华中等；将不同收入的人分为：白领、无业游民、高管等等。
根据业务经验。将用户分为：活跃用户、新用户和老用户；注册用户、可交易用户和交易用户；
        2.  行为建模方面：

流失用户如何判断？
用户所处生命周期：考察期、成长期、成熟期、衰老期
用户属于高价值用户、中价值用户、低价值用户？
用户属于高频访问、中频访问、低频访问？
用户偏好哪些类型的产品？如：母婴类、3C产品、家电、服装、鞋包、旅游、动漫、收藏品等
         建模常用的方法：

         聚类方法（Kmeans、Hierarchical Clustering、EM、dbscan、LDA），这是用户画像的主要方法，当然一定程度上这里将用户画像延伸到用户细分层面。
         分类的算法（KNN、朴素贝叶斯、SVM、随机森林、神经网络、xgboost）
         后期博客我会将Kmeans、Hierachical Clustering、EM、dbscan等聚类方法用事例：R与数据挖掘算法在用户细分上的应用

        

         3. 构建画像方面，见构建用户画像：5W2H方法（一）

6）How much? 价值体现

           上诉说了这么多，大家应该知道用户画像的价值了，他就是一切一切用户关系管理的基础，一切与用户相关的模型离不开用户画像。包括后续的用户细分、推荐系统和业务评估。