用户画像大数据挖掘应用方案

90后
年龄
80后
70后
衬衣
品类
鞋子
羽绒服
金融
行业
学生
互联网
13
关联规则示例
如女性洗的衬衫多，有可能是为她老公洗，那么要猜想老公的外洗驱 动和需求是什么？
常规用户数据标签体系分布
基于用户人群的基本属性，可将标签体系进行划分
工作岗位 公司规模 行业类型
……
性别 年龄 职业 婚姻状况 学历教育
……
人口属性
场景的精准营销，优化媒介组合.
用户画像的定义
Alan Cooper （交互设计之父）最早提出了 persona 的概念:“Personas are a concrete representation of target users.”Persona 是真实用户的虚拟代表,是 建立在一系列真实数据 (Marketing data,Usability data)之上的目标用户模型。
重度用户等
程度用户进行深入推广，了解 产品使用、或者付费行为等
15
按照消费行为 划分
按照产品服务广告主分为消费潜在、消费重度 用户等
主要适用于广告主服务，针对 用户消费行为吸引不同类型广 告主
基于用户标签搭建用户画像
根据所得用户标签，对用户进行特征归类，搭建用户画像
整合用户标签
用户群体分类
建立用户画像
训练生成 的模型
文本打 上类别 标签
预 测 过 程
9
04 大 数 据 的 处 理
里程数据 工况数据 车辆信息 充电数据 行驶轨迹
数据 去重
去除异常的 数据项
将空值更 改为 对 应的默认 值
空值
数据
处理
去噪
格式 统一
对齐融合
融融合合信信息息 数数据据库库
使用UGC算法去除无用数 据 使用基于密度的聚类去除
Step 02
头脑风暴
用户矩阵、关联规则， 获取可能的人物标签
Step 04
定义标签
动机/轻重度/消费/生 活形态等
Step 06
12
优先级排列
频率/市场大小/收益的潜 力/竞争优势或策略等
头脑风暴是影响最终结果的关键
用户矩阵+关联规则，尽可能多的获取用户关键词
外洗驱动
使用e袋洗 驱动
满意的点
不满意的 点
如何进行产品定位？
如何优化用户体验？
4
如何进行精准投放？
用户画像贯穿品牌、产品、营销全过程
通过构建人物模型更清晰指导企业策略
Product
品牌
Who:建立品牌定位与核心人群的亲密度.
产品
Who + Why：抛开个人喜好，聚焦用户动机和 行为.
营销
5
Who + Where + When：构建人群、渠道、
8
03 基于机器学习的数据挖掘及分类基本识别流程
训练样本
数据预处理
训练样本
分词
特征选择
训
数据源 a.去除营销博文干扰 b.去
库
练
除提及人的干扰（@） c.
及
去除如门户的作者的干扰 否
测
试
过
模型评估 是否通过
训练生成 的模型
模型训练
特征权重计算
程
是
待预测类 别文本原 始库
数据预处理
待预测 类别文 本库
商业人口属性
访问媒体 访问时长 访问频次
……
行为属性
兴趣标签
个人爱好 生活习性 生活方式 生活社交
消费意向
服务需求 物品购买 商旅购买 汽车购买
客户状态
会员状态
14
CRM
生命价值 拥有产品
根据研究目的不同将人群进行划分
人群定义
细分纬度
适用范围
按照属性划分
按照用户基本属性划分，如年龄、收入、学历、 适用于有明显人群特征的用户 职业等分为年轻用户、成熟用户、女性、学生等 群，如化妆品、女性网站等
碰撞事故
车辆维修 收入情况 疲劳驾驶 酒驾经历 生活方式
行为 习惯
地理位置
使用药物情况
开车地点 职业 驾照类别 开车频率 开车原因 健庩状况
医疗条件
共用车辆情况 婚姻状态
学习周期 感知力
教育水平 民族特征 消费习惯
购买 能力
心理 特征
基本 属性
兴趌 爱好
社交 网络
通过对用户不同维度的大数据分析，最终得出可执行的业务决策。
异常数据
汇聚多源异 构数据 中 的一致部分
将多源异构数 据转换 为统一 数据表达形式
数 据 挖 掘 分 类 的 过 程
10
Part 2
用户画像方法论
用户画像解决方案一览
确认目标
营销/产品/定位？
Step 01
收集数据
属性、行为、CRM等
Step 03
人群分类
因子分析-聚类分析-交叉分析
Step 05
进 行精准投放。
购买能力如何？
活跃程度如何？
常住地在哪儿？
基本特征？ 常去的商圈是哪儿？
职业是什么？
对什么感兴趣？
消费习惯和特征是什么 ？
赢利点在哪？
公司在哪？
年龄分布、区域分布是什么样的？ 7
02 用 户 画 像 体 系
驾驶行为数据将构建精准的车险用户画像
性别 犯罪记录 年龄
国籍
违章驾驶记录
驾驶时间
力量能够随着愤怒而增强
美国队长，罗杰斯 6
为人正直，充满正义感，为人冷 静、比较古板，有统领全局的超 强指挥能力，拥有振金制作的超
强盾牌和高超的格斗能力
01 用 户 画 像 体 系
每个企业都不可以避免的要对用户进行画像，用户画像的提出，根本上是源于企业对用户认知的需求
。 产品经理，需要了解用户的特征，对产品进行功能的完善。内容运营人员，需要筛选目标用户，对内容
按照生活态度 按照不同生活态度，将用户分类，如家庭型用
划分
户、事业型用户等
大部分用户细分以生活态度为 基础，普遍适用
按照使用动机 按照产品的使用动机分类，如划分为社交型用
划分
户、冒险探险类用户、休闲类用户等
适用于有明显的购买/使用目的， 如游戏类用户、礼品类产品/网
站用户
按照使用行为 划分
按照使用行为，如产品使用时间分为深度用户、 适用于改进产品功能，对不同
用户画像可根据用户的目标、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)。
班纳博士
全世界最聪明的人之一， 天才核物理学家，为人 内敛、冷静，有点孤僻
ቤተ መጻሕፍቲ ባይዱ
绿巨人
由班纳博士变成的绿巨人，时 而能控制自己的情绪，时而不 分敌我，力大无穷，横冲直撞，
用户画像大数据挖掘应用方案
Contents
目录
1. 用户画像的目的 2. 用户画像方法论 3. 用户画像案例
Part 1
用户画像的目的
用户画像在海量数据时代愈来愈重要
用户画像是海量数据的标签化，帮助企业更精准解决问题
海量数据
用户标签
解决问题
他们是谁？ 他们的需求？ 他们的行为？
我们的用户价值大小？
高价值用户 特征分析
月消费金额 >1000元
鲸 鱼
中 价 值
低 价 值
用
用
用
户
户
户
60%为IT行业