V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
getui
V2EX  ›  问与答

大数据时代,如何构建精准用户画像,直击精细化运营

  •  1
     
  •   getui · 2019-04-02 16:28:38 +08:00 · 1036 次点击
    这是一个创建于 1822 天前的主题,其中的信息可能已经有所发展或是发生改变。

    移动互联网时代,精细化运营逐渐成为企业发展的重要竞争力,“用户画像”的概念也应运而生。用户画像是指,在大数据时代,企业通过对海量数据信息进行清洗、聚类、分析,将数据抽象成标签,再利用这些标签将用户形象具体化的过程。用户画像的建立能够帮助企业更好地为用户提供针对性的服务。

    与之相应,越来越多的第三方大数据公司,也开始依托自身的数据积累,为客户提供用户画像的服务。比如个推旗下的用户画像产品,能够对用户线上和线下行为进行大数据分析,帮助 APP 开发者和运营者构建全面、精准、多维的用户画像体系。下文将以个推用户画像产品为例,详解“用户画像”的技术特点和使用价值。

    用户画像的形成需要经历四个过程,数据积累、数据清洗、数据建模分析、数据产出。其中,数据清洗和数据建模统称数据处理。在经过数据处理之后,个推产出独特的冷、热、温数据维度,并分析用户的线上兴趣偏好和线下行为场景,形成用户画像。

    一、用户画像用了哪些技术?

    在数据处理阶段,个推用户画像产品的大数据计算架构采用了 Kafka 分布式发布订阅消息系统,具有高吞吐量、高稳定性的特点。数据清洗可利用 HADOOP、SPARK 来实现设备唯一性识别、行为数据的清洗等,去除冗余数据。这一过程支持交互计算和多种复杂算法,并支持数据实时 /离线计算。

    在数据建模的过程中,个推用户画像产品主要利用了机器学习中的聚类(无监督学习)和深度学习技术,让模型对用户行为数据主动学习,进行行为判断,由此产出用户标签。

    经过数据的清洗和建模,个推用户画像会形成冷数据画像、温数据回溯、热数据场景和定制化标签四种画像。 冷数据画像,是指基于大数据的分析得出的用户属性,相对比较稳定,如用户的年龄层次、性别、常驻地等。“温数据”则可以回溯用户近期活跃的线上和线下场景,具有一定的时效性。“热数据”是指用户当下的场景及实时的用户特征,帮助 APP 运营者抓住稍纵即逝的营销机会。定制化标签是将个推数据与第三方数据结合起来,共同建模得出具有价值的特征标签。

    二、如何构建用户画像?

    “用户画像”的构建需要技术和业务人员的共同参与,以避免形式化的用户画像。个推构建用户画像时流程如下:

    ( 1 )标签体系设计。开发者需要先了解自身的数据,确定需要设计的标签形式。

    ( 2 )多数据源数据融合。在建设用户画像时,个推会整合自有海量数据以及该 APP 自身的数据。

    ( 3 )实现用户统一标识。多数情况下,APP 的众多用户分布于不同的账号体系中,个推会将其统一标识,帮助 APP 打通账号,实现信息快速共享。

    ( 4 )用户画像特征层构建。即将每一个数据进行特征化。

    ( 5 )画像标签规则+算法建模。两者缺一不可,在实际的应用中,算法难以解决的问题,利用简单的规则也可以达到很好的效果。

    ( 6 )利用算法对所有用户打标签。

    ( 7 )画像质量监控。在实际的应用中,用户画像会产生一定的波动,为了解决这个问题,个推建设了相应的监控系统,对画像的质量进行监控。

    总之,个推用户画像构建的整体流程,可以概括为三个部分:

    第一,基础数据处理。基础数据包括用户设备信息、用户的线上 APP 偏好以及线下场景数据等。

    第二,画像中间数据处理。处理结果包括线上 APP 偏好特征和线下场景特征等。

    第三,画像信息表。表中应有四种信息:设备基础属性;用户基础画像,包括用户的性别、年龄层次、相关消费水平等;用户兴趣画像,即用户更有兴趣的方向,比如用户更偏好拼团类 APP 还是海淘类 APP ;用户其它画像等。

    在个推用户画像构建的过程中,机器学习占据了较为重要的位置。机器学习主要应用在海量设备数据整理、数据清洗、数据存储的过程中。

    三、用户画像能做什么?

    用户画像对电商类、新闻资讯类 APP 的作用不言而喻,可以帮助 APP 打造精准推荐系统,实现千人千面的运营。

    基于用户特征的个性化推荐

    APP 的运营者可以通过个推用户画像提供的性别、年龄层次、兴趣爱好等标签,分别展示不同的内容给用户,以达到精准化运营的目的。

    基于用户特征指导内容推荐

    基于用户特征指导内容的推荐是指找到与目标群体相似的用户群,并利用该相似用户群的行为特征对目标用户进行内容推荐,具体过程如下图:

    在实现这一内容推荐的过程中,相似性建模技术起着不可忽视的作用。相似性建模可类比于聚类建模,是无监督学习中的一种。它可以寻找数据中的特征,把具有相同特征的数据聚集在一组,并赋予这些聚集在一起的数据相同的特征标签。根据这些特征标签,寻找具有这些特性的用户,给他们推送相同的内容。

    这种推荐方式的优点是,它的自有特征是经过 APP 长期积淀而来,颗粒度更细,适用性更强,对用户的认识更全面,效果能持续提升。而且它还能针对 APP 所处行业与自身需求,量身定制匹配算法,让推荐更精准。

    此外,个推用户画像能够结合第三方数据做定制化建模,通过双方共同建模得出显著价值和特征标签。这种标签增补的方式不仅能保证推送的内容更精准,同时也可以很大程度地提升流量价值。

    四、开发者如何接入?

    个推用户画像 SDK 的接入主要有两个方式:

    • SDK 集成:客户端集成个推用户画像 SDK,进行初始化 SDK 后,返回给客户一个 ID 即 GIUID(唯一身份标识), 此 ID 需要由客户端提交到客户服务器,然后服务器通过 API 接口传入 GIUID 进行查询用户画像标签数据。

    • API 接口调用:客户将应用名称、包名及服务端出口 IP 提供后,返回 APP ID 等相关信息。客户根据《个推用户画像数据服务接口文档》及《用户画像编码表》集成测试后方可调用 API 接口查询画像信息。

    具体的集成文档参见以下链接:

    Android: http://docs.getui.com/gexiang/start/android/

    iOS: http://docs.getui.com/gexiang/start/ios/

    服务端: http://docs.getui.com/gexiang/start/server/

    了解用户,是为了更好地服务用户。正是 APP 开发者和运营者对用户认知的渴求促生了用户画像。而 APP 开发者只有把用户的需求放在最重要的位置,才能更好地优化用户的体验,留住用户。接入个推画像 SDK,不仅可以帮助开发人员提高开发决策的效率,也可以帮助 APP 运营人员开展精细化运营,从而提升企业的营销效率和市场竞争力。

    目前尚无回复
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   5313 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 44ms · UTC 06:00 · PVG 14:00 · LAX 23:00 · JFK 02:00
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.