中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

用戶畫像，其實(shí)就是通過算法聚合成一類實(shí)現(xiàn)用戶信息標(biāo)簽化。而本文就以電商用戶為例，展示了如何從0到1做畫像建模。

一、構(gòu)建用戶畫像

① 用戶畫像信息：基本屬性，購買能力，行為特征，興趣愛好，心理特征，社交網(wǎng)絡(luò)

② 行為建模：文本挖掘，自然語言處理，機(jī)器學(xué)習(xí)，預(yù)測算法，聚類算法

③ 數(shù)據(jù)收集：網(wǎng)絡(luò)日志數(shù)據(jù)，用戶行為數(shù)據(jù)，網(wǎng)站交易數(shù)據(jù)

作用：了解用戶的行為習(xí)慣，個性化營銷及精準(zhǔn)廣告

• 靜態(tài)數(shù)據(jù)來源：來源于用戶填的個人信息，及算法模型預(yù)測的數(shù)據(jù)
• 動態(tài)信息數(shù)據(jù)： 用戶行為產(chǎn)生的數(shù)據(jù)：注冊，瀏覽，點(diǎn)擊，購買，簽收，評價，退貨等

—比較重要的行為：購買商品，瀏覽商品，放入購物車，關(guān)注商品等

根據(jù)行為可以得出標(biāo)簽： 潮媽族，糾結(jié)商品，最大消費(fèi)，退貨數(shù)量，敗家指數(shù)，品牌偏好，用戶活躍度等
確定標(biāo)簽與根據(jù)算法猜測的標(biāo)簽

• 確定的標(biāo)簽：比如用戶購買了或者收藏了某個商品等
• 猜測的標(biāo)簽：比如用戶的性別，是男性的概率0.8。

另外還有很多模型：孕婦模型，潛在汽車用戶模型，用戶價值模型

比如：用戶活躍度（活躍，沉睡，流失，未購買） 用戶分群：電腦達(dá)人，數(shù)碼潮人，家庭用戶，網(wǎng)購達(dá)人，奶爸奶媽，單身貴族，閃購用戶，時尚男女等

二、用戶畫像建模

1. 客戶消費(fèi)訂單表

根據(jù)用戶消費(fèi)的情況來提取的客戶標(biāo)簽，用以了解用戶的消費(fèi)情況，消費(fèi)習(xí)慣。

（1）客戶消費(fèi)訂單表標(biāo)簽：

購買信息：

客戶ID，第一次消費(fèi)時間，最近一次消費(fèi)時間，首單距今時間，尾單距今時間，近30/60/90天購買次數(shù)/購買金額（不含退拒），最大/最小消費(fèi)金額，累計消費(fèi)次數(shù)/金額（不含退拒） 累計使用代金券金額，客單價（含退拒），常用收貨地區(qū)，常用支付方式，退貨商品數(shù)量，退貨商品金額，拒收商品金額/數(shù)量，最近一次退貨時間，各地點(diǎn)下單總數(shù)/總額，上下午下單總數(shù)/總額。

購物車信息：

最近30天購物車商品件數(shù)/提交商品件數(shù)/購物車成功率/購物車放棄件數(shù)

（2）提取標(biāo)簽的作用

• 確定用戶什么時候來的，多久沒來了：第一次消費(fèi)時間，最近一次消費(fèi)時間，首單距今時間，尾單距今時間。
• 最近消費(fèi)能力：近30天購買次數(shù)（不含退拒），近30購買金額（不含退拒），近30天購買次數(shù)（含退拒），近30天購買金額（含退拒）。
• 總體的消費(fèi)情況：最小/大消費(fèi)金額（可做個性化商品推薦），累計消費(fèi)次數(shù)（不含退拒，可以計算客單價），累計消費(fèi)金額，累計使用代金券金額（代金券愛好。）
• 消費(fèi)屬性：常用收貨地區(qū)，常用支付方式。
• 購物車習(xí)慣：最近30天購物車次數(shù)，最近30天購物車提交商品件數(shù)，最近30天購物車商品件數(shù)，最近30天購物車放棄件數(shù)，最近30天購物車成功率。
• 退貨和習(xí)慣特征：退貨商品數(shù)量，拒收商品數(shù)量，退貨商品金額，拒收商品金額，最近一次退貨時間 用戶購物時間及地點(diǎn)習(xí)慣：各下單地點(diǎn)總數(shù)，各時間段下單總數(shù)。

2. 客戶購買類目表

—根據(jù)客戶購買類目的情況提取的客戶標(biāo)簽，用以了解類目的購買人群情況 。

客戶購買表標(biāo)簽：

客戶ID，一級/二級/三級分類ID/名稱，近30天/90天/180天購買類目次數(shù)/金額，累計購買類目次數(shù)/金額，累計購買類目次數(shù)/金額，近30天/90天/180天購物車某類目次數(shù)/金額，累計購買類目次數(shù)/金額，累計購物車類目次數(shù)/金額，最后一次購買類目時間/距今天數(shù)

3. 客戶購買商店表

根據(jù)客戶購買商店的情況提取的客戶標(biāo)簽，用以了解商店及品牌的購買人群（做品牌營銷等） 客戶。

購買商店表標(biāo)簽：

用戶ID，商店ID/名稱，品牌ID/名稱，最近30天購物車次數(shù)/商品件數(shù)/提交商品件數(shù)/成功率/放棄件數(shù)，最后一次購物車時間，最近90天商品排除退拒商品件數(shù)/金額，最近90天貨到付款訂單數(shù)，最近90天退換件數(shù)/金額，最近90天拒收件數(shù)/金額.

4. 客戶基本屬性

根據(jù)客戶所填的屬性標(biāo)簽與推算出來的標(biāo)簽，用以了解用戶的基本屬性（可用以個性營銷，生日營銷，星座營銷等）。

客戶基本屬性標(biāo)簽：

客戶ID，客戶登錄名，性別，生日，年齡，星座，大區(qū)域，省份，城市，城市等級，郵箱，郵箱運(yùn)營商，加密手機(jī)，手機(jī)運(yùn)營商，注冊時間，登錄ip地址，登錄來源，邀請人，會員積分，已使用積分，會員等級名稱，婚姻狀況，學(xué)歷，月收入，職業(yè)，性別模型，是否孕婦，是否有小孩，孩子性別及年齡概率，是否有車，潛在汽車用戶概率，使用手機(jī)品牌/檔次，用戶忠誠度，用戶購物類型，身材，身高。

數(shù)據(jù)來源：

用戶表，用戶調(diào)查表，孕婦模型表，馬甲模型表，用戶價值模型表等 根據(jù)算法得出的標(biāo)簽。

其中模型：

性別模型：用以推算用戶的購買用品的性別傾向（不一定是真實(shí)性別）

（1）性別模型

用戶性別：1男，0女，-1未識別 | 1，商品性別得分，2，用戶購買商品性別得分。

孩子性別：0僅有男孩，1僅有女孩，2，男女均勻，3，無法識別 |1，選擇男童女童商品等

性別驗(yàn)證： 隨機(jī)抽樣調(diào)查 ，與用戶填寫性惡爆匹配。

（2）用戶購物模型

兩種歸類：

用戶購物類型：

1. 購物沖動型
2. 海淘猶豫型
3. 理性比較型
4. 目標(biāo)明確型
5. 未識別

構(gòu)建：

1. 計算用戶在對三級品類購物前流量時間和瀏覽sku數(shù)量
2. kmeans聚類

用戶忠誠度模型：

用戶忠誠度：

1. 忠誠型用戶
2. 偶爾型用戶
3. 投資型用戶
4. 瀏覽型用戶
5. 未識別

構(gòu)建：

1. 只瀏覽不購買
2. 購買天數(shù)大于一定天數(shù)
3. 購買天數(shù)小于一定天數(shù)，大部分只有優(yōu)惠彩購買 等

5. 客戶營銷信息表

將用戶營銷相關(guān)的常用標(biāo)簽放到一張表中，方便使用。

• 客戶營銷信息表： 客戶ID，營銷手機(jī)號，第一個有效訂單來源/地址/手機(jī)號，常用的手機(jī)號，常用的收貨地址，不同收貨地址的數(shù)量，客戶分群，活躍狀態(tài)，用戶價值（重要，保持，流失等），糾結(jié)商品，糾結(jié)小時
• 主要來源表： 用戶表，訂單表，活動表，購物車表。

其中模型：

（1）客戶活躍狀態(tài)模型

客戶一般的活躍狀態(tài)：

1. 注冊未購買（只注冊未購買，多事第三方登錄）
2. 活躍（可以細(xì)分為高頻，中頻，低頻）
3. 沉睡（近90天無購買，近60天無購買）
4. 流失 （近90天無購買，曾經(jīng)購買）

（2）用戶價值模型

體現(xiàn)用戶對網(wǎng)站的價值對提供用戶留存率非常有幫助

使用RFM實(shí)現(xiàn)用戶價值模型參考指標(biāo)：

• 最近一次消費(fèi)時間（Recency）
• 消費(fèi)頻率（Frequency）
• 消費(fèi)金額（Monetary）

RFM 實(shí)現(xiàn)用戶價值模型計算方法：

• 使用指標(biāo)：租金一次購買時間，近180天購買訂單量，近180天購買金額，分N段進(jìn)行RFM分?jǐn)?shù)計算
• 算出Recency_score,Frequency_score,Monetary_score,然后劃分用戶群

6. 客戶活動信息表

根據(jù)客戶參與活動的情況提取的客戶標(biāo)簽，用于了解用戶對活動的參與情況，以進(jìn)行活動的策劃

客戶活動信息表內(nèi)容標(biāo)簽：

客戶ID，用戶促銷明個度，滿減促銷敏感度，打折促銷敏感度，換購促銷敏感度，滿贈促銷敏感度，購買力分段，品牌偏好，品類偏好，顏色偏好，敗家偏好，沖動偏好，累計積分，已用積分，可以積分，累計代金券數(shù)量/金額，已用代金券數(shù)量/金額，過期代金券數(shù)量/金額，可用代金券數(shù)量/金額

標(biāo)簽作用：

確定用戶喜歡那種活動類型：用戶促銷敏感度，滿減促銷敏感度，滿贈敏感度，打折促銷敏感度，換購促銷敏感度，團(tuán)購促銷敏感度等

促銷敏感度模型：

根據(jù)用戶購買的活動類型訂單數(shù)與金額數(shù)已判斷其屬于哪類人群

用戶有什么偏好：店鋪偏好，品牌偏好，品類偏好，顏色偏好 用戶指數(shù)：購買力分段，敗家指數(shù)，沖動指數(shù) 用戶購買力高中低模型：

—從購物車，客單價來判斷 用戶購買力高中低端模型：

1. 從購物車來判斷
2. 從客單價來判斷

指數(shù)模型：

敗家指數(shù)：

• 使用購買特征山炮數(shù)量來識別（剛出的蘋果產(chǎn)品，奢侈品）
• 結(jié)合用戶的訂單金額

沖動指數(shù) ：

• 使用特征商品（同品類價格較高商品）平均購物車停留時間
• 結(jié)合特征商品（同品類價格較高商品）的購買數(shù)量

7. 客戶訪問信息表

根據(jù)客戶訪問的情況提取的客戶標(biāo)簽以了解訪問習(xí)慣。

客戶訪問信息標(biāo)簽：

最近一次/第一次pc端訪問日期/session/cookies/pv/使用瀏覽器/操作系統(tǒng)/，最近一次/ 第一次app端訪問日期/操作系統(tǒng)，最近一次/第一次訪問ip/訪問城市/省份，近7天/15天/30天/60天/90天app端/pc端訪問次數(shù)，近30天pc端/app端訪問天數(shù)/訪問并購買次數(shù)/訪問pv/訪問評價pv/ip數(shù)/，app及pc端各時間段訪問的次數(shù)。

本文由 @Ethan 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CCO協(xié)議。