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

什么是用戶的關鍵特征？如何對用戶的關鍵特征進行提取？今天和大家一起探討一下。

一、什么是關鍵特征？

首先，什么是用戶的關鍵特征呢？先舉個例子吧。

某個商場中的服裝店，每天的客流中有70%是女性，有30%是男性。既然一大半的訪客都是女性了，那么我們是不是可以說該服裝店的訪客的關鍵特征是【女性】呢？某種意義上，可以這樣說，但某種意義上，又不是。

什么情況下不是呢？莫急，請聽我繼續完善這個場景。

剛才提到的是這個服裝店的訪客?？墒悄?，這個商場的訪客中有80%是女性，只有20%是男性。這么一比，這個服裝店的關鍵特征還是【女性】嗎？

看來，關鍵特征也可以是個相對的概念。

再舉個例子，比如某個公司中有1000員工，其中999名員工都是本科，只有一名員工是博士，那這名博士員工的典型特征，是不是可以是【博士】？

總結一下，用戶的特征，可以有千千萬。但所謂用戶的關鍵特征，就是該用戶（或者該用戶群體）有顯著特點的特征。

二、關鍵特征的分類

上面通過例子簡單介紹了一下用戶的關鍵特征，從用戶類別及特征類別的角度，我們可以將關鍵特征有以下分類。

1. 單個用戶的關鍵特征

對于單個用戶而言，關鍵特征其實只有一種，那就是個體特征。上面舉了博士的例子，這里就不贅述了。

強調一下，單用戶的關鍵特征一定是需要參照物（即對比人群）的，且對比人群是群體，而非個體。不然1個人和1個人進行比較，有啥關鍵特征可言呢？

2. 群體用戶的關鍵特征

對于群體用戶，其實有兩類關鍵特征：一類是絕對特征，一類是相對特征。

所謂絕對特征，只需要看該群體的特征分布即可，是不需要進行對比的。例如上面服裝店的例子，如果看絕對特征，女性訪客占比70%，那么就可以下結論：該服裝店的性別特征是女性，但要強調這只是絕對的情況下。

所謂相對特征，就是強調了對比。例如上面服裝店的訪客在商場訪客的比較之下，男性其實是相對多的。相對特征又分了兩類：

• 正向特征：意思是該特征和對比人群比，明顯偏高
• 逆向特征：這個意思恰恰相反，是和對比人群比，明顯偏少。

為啥絕對特征沒有逆向的細分呢？因為絕對特征的逆向特征是不可窮舉的……比如這個服裝店的訪客，0%的人是科學家，0%的人是無業人士，0%的人是高收入群體……這種標簽是窮舉不完的，從絕對值上失去了分析意義。但對于對比標簽，是有意義的。

從很多情況之下，相對特征的應用場景更廣泛，也更科學一些。

三、關鍵特征的識別

上面講了很多不同類型的關鍵特征，那如何將單用戶或者用戶群體的關鍵特征進行識別呢？

首先明確一點，關鍵特征的識別，首先需要有特征池。所謂特征池，可以理解成標簽范圍。比如選定【用戶地域】、【用戶年齡】、【用戶購買偏好】……等200個標簽作為特征池。開放式的特征池是不切實際的。特征池的選擇可以基于業務需求來選。

1. 單用戶的關鍵特征識別

其實可以用這個特征在總體人群中的占比來判斷。

比如上面的例子，【學歷】標簽特征中，只有0.1%的人是博士，那么這0.1%的博士從個體上講，理論上都可以將【博士】標簽作為他們的個體特征。

用心的你一定會問，這是99.9%對比0.1%，那如果是90%對比10%呢？如果是60%對比40%呢？如果是多個取值呢？

是的，這里在具體的產品落地上，涉及到閾值的設置、多值標簽的處理等許多詳細邏輯。這里不詳細展開了，歡迎讀者發表自己的想法哈！

2. 群體用戶的關鍵特征

關于群體的關鍵特征，其中有個很重要的概念需要提一下：TGI。

直接截圖吧……

重點是這個公式：TGI指數?= [目標群體中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例]*標準數100。

TGI是用來識別哪些特征是突出特征的重要方法。我們上面提到的正向特征和逆向特征，就可以用TGI進行排序，正排逆排即可。

四、關鍵特征的應用

說了這么多關鍵特征的內容，那到底有啥應用場景呢？

其實最最主要的應用，應該就是用于人群的畫像了。市面上大部分的用戶畫像，是這樣的：

什么意思呢？其實就是事先固化好了要畫像的維度，例如【性別】啦、【年齡】啦等，頂多支持用戶做個配置，可以選擇要畫像的維度。通常也不會超過幾十個的范圍（因為選擇過多，產品的可行性會很差）。

預置畫像維度，帶來最大的一個問題就是，有可能錯過典型特征。比如一個用戶群體，可能按照TGI計算下來，最突出的特征是用戶的支付方式是信用卡居多，而這種比較小眾的畫像維度，很有可能就不在預置的范圍中，這會錯失很多業務機會。

而通過先確定特征池，后根據不同的邏輯方法確定用戶特征，會極大降低此類風險。也是更科學的做法。

當然，在實際落地過程中，也有很多困難。比如說，上面提到的，個體標簽如果是多取值怎么辦？閾值怎么設置合理？比如相對特征中，如果分母特別小導致TGI巨高怎么處理？等等。這些問題都是需要在實踐中不斷解決的。

今天的分享主要是這些，歡迎大家一起交流。

本文由 @冬至 原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。