User Profiling
User Profiling Modeling:
- First Step: Unifying users 统一化
- Second Step: Segmentation 标签化
- Third Step: Business Operation 业务化
1.Unifying Users
用户唯一标识是整个用户画像的核心。
我们以一个 App 为例，它把“从用户开始使用 APP 到下单到售后整个所有的用户行为”进行串联，这样就可以更好地去跟踪和分析一个用户的特征。
设计唯一标识可以从这些项中选择：用户名、注册手机号、联系人手机号、邮箱、设备号、CookieID 等。
2.Users Segmentation
用户消费行为分析从4 个维度来进行标签划分：
- 用户标签：它包括了性别、年龄、地域、收入、学历、职业等。这些包括了用户的基础属性。
- 消费标签：消费习惯、购买意向、是否对促销敏感。这些统计分析用户的消费习惯。
- 行为标签：时间段、频次、时长、访问路径。这些是通过分析用户行为，来得到他们使用 App 的习惯。
- 内容分析：对用户平时浏览的内容，尤其是停留时间长、浏览次数多的内容进行分析，分析出用户对哪些内容感兴趣，比如，金融、娱乐、教育、体育、时尚、科技等。
用户画像是现实世界中的用户的数学建模，我们正是将海量数据进行标签化，来得到精准的用户画像，从而为企业更精准地解决问题。
3.Business Value
从用户生命周期的三个阶段来划分业务价值，包括：获客、粘客和留客。
- 获客：如何进行拉新，通过更精准的营销获取客户。
- 粘客：个性化推荐，搜索排序，场景运营等。
- 留客：流失率预测，分析关键节点降低流失率。
如果按照数据流处理的阶段来划分用户画像建模的过程，可以分为数据层、算法层和业务层。你会发现在不同的层，都需要打上不同的标签:
- 数据层指的是用户消费行为里的标签。我们可以打上“事实标签”，作为数据客观的记录。包括: 用户属性，投诉次数，产品购买次数，渠道使用频率，访问时长，浏览内容频次，支付渠道使用，优惠券使用等。
- 算法层指的是透过这些行为算出的用户建模。我们可以打上“模型标签”，作为用户画像的分类标识。包括: 用户兴趣，用户活跃度，用户满意度，产品购买偏好，用户关联关系，渠道使用偏好，支付使用偏好，优惠券偏好等。
- 业务层指的是获客、粘客、留客的手段。我们可以打上“预测标签”，作为业务关联的结果。包括获客预测，个性化推荐，GMV趋势预测，用户流失概率。
标签化的流程，就是通过数据层的“事实标签”，在算法层进行计算，打上“模型标签”的分类结果，最后指导业务层，得出“预测标签”。
