基于MaxCompute构建企业用户画像(用户标签的制作)
2018-03-20 18:03
441 查看
背景:
在数据化营销时代,数据的价值越发显得更为珍贵。那如何让自己的数据发挥价值,也就是说如何让公司沉睡的数据能够驱动业务发展给公司带来商业价值?在营销里面我们都谈精准营销,谈用户画像,那用户画像到底如何构建,用户的标签如何开发?本示例给与最简单的demo,那个大家清楚认识基于MaxCompute如何构建企业用户标签。
数据说明:
基站位置信息:s_user_cell_log
设备位置信息:s_user_device_log
网页日志信息:s_user_web_log
计算逻辑:
通过基站信息、手机设备位置信息以及网页日志信息,通过一定的计算逻辑来推演用户地址的基础信息:dwd_log_addr_ddwd_log_addr_d表的ODPS SQL处理逻辑如下:
其中ip2region和lbs2region两个函数都需要用户自己来编写UDF来实现。
请点击此处输入
根据ODPS SQL(近90天内出现最多的位置来断定常驻地信息)来计算常驻地信息表dm_tag_addr_city
最终我们的开发好的标签要被业务系统所使用,通常情况下我们会同步至业务数据库如RDS,但在大数据时代,随着数据标签的海量增长,往往在标签的查询效率上要求更过,在本实例中,我们将用户标签数据同步至分析型数据库AnalyticDB中。支持毫秒级针对万亿级数据进行即时的多维分析透视和业务探索。
原文:https://yq.aliyun.com/articles/542542?spm=a2c41.11181499.0.0
相关文章推荐
- 基于MaxCompute构建企业用户画像(用户标签的制作)
- 基于MaxCompute构建企业用户画像(用户标签的制作)
- 大数据 | 如何为企业构建用户画像体系
- 信息构建——personas分析(基于落网的用户画像分析)
- 【数据架构解读】基于阿里云数加StreamCompute和MaxCompute构建的访问日志统计分析
- <转>基于Spark的大数据精准营销中搜狗搜索引擎的用户画像挖掘
- 携程如何从海量数据中构建精准用户画像?
- 基于阿里云数加MaxCompute的企业大数据仓库架构建设思路
- 【数据架构解读】基于阿里云数加StreamCompute和MaxCompute构建的访问日志统计分析
- 基于虚拟用户的邮件服务器在企业网中的应用
- 用户画像--用户标签
- 分享我在2014架构师大会演讲材料<<基于用户画像的大数据挖掘实践>>
- 基于Web的企业级应用因用户UI的友好性,导致大量核心企业应用项目失败---我们该如何应对?
- 如何实现基于内容和用户画像的个性化推荐
- 如何构建用户画像
- 在RHEL5下构建基于虚拟用户的Postfix邮件系统
- 构建用户画像
- 构建基于虚拟用户的vsftpd服务器应用
- 如何构建用户画像