客户画像来稿

0-1简介

基本定义1.特殊属性：每个人都有一些特殊属性（年龄性别、30岁、未婚、收人、教育程度）。行为记录生命：想要购买行为的性质、浏览信息行为、点击行为的性质、淘宝购物车行为方面，从这些行为方面中准确的判断出普通用户的一些其他信息，比如说经常再购买小孩的生活物品，从此也能基本判断出小孩子的年龄、小孩子的以及性别、等等的一些信息内容。2.选择购买能力强：需要做出判断出所有用户的购买技术能力，从而打上消费能力的等级一种标志。3.行为主要特征：也可以准确的判断所有用户的行为的情况明显特征，比如说所有用户的集中程度、购物消费类型。4.社交媒体平台：也可以基本判断出他的社交网络。5.人格特征：比如说出来优惠促销的不太敏感，线下购物的真诚度。6.兴趣和爱好：的颜色的偏好，品牌中的偏好。消费者画像的实际用途1.实现精准营销：一封邮件、一条短信、2.普通用户官方统计：由于地域、时段3.文本挖掘：主要特征、不道德行为去学习阶段性目标：1.进一步了解hbase数据集市的突出特点2.学会控制情绪使用的方式hdfs对其最终数据其开发3.深入去理解发现用户数据数据的突出特点4.完全掌握如何全面构建客户画像5.负距离接触实际项目的合作开发6.经验积累项目实战经验三个内容：1.消费者画像项目亮点2.用户画像包括建模3.使用时hdfs进项抵扣数据情况进一步开发4.客户画像最终数据研发

1-2消费者画像笔名

标准的定义用户画像（dispatchmessage）也叫普通用户信息的内容标签一化，客户会标签格式。根据基本资料和行为，用一些标签把现有用户描绘进去，过程描述用户的标签格式就是客户画像。努力构建用户画像的技术方面1.数据收集：微博客数据情况、行为数据、英文网站历史交易数据2.行为的情况建立模型：文本数据、自然语言处理、人工智能和机器学习、预测数据机器学习算法、支持向量机3.客户画像：属性、想要购买能力方面、行为的情况基本特征、兴趣和爱好、在我心里特征、社交网站源最终数据1.静态相关信息最终数据：文章来源于用户填写完整的个人资讯，或者由此算出来的数据全面。如果有不确定的。也能初步建立相关模型来判断。比如现有用户以及性别如果不填，也能下建立性别和年龄模型结构，通过所有用户的行为方面来准确的判断其年龄性别是什么及其慨率。总人口主要属性：以及性别、生日、以及年龄、婚否、交税、城市中、教育程度、职业要求、是否有两个小孩（数量增加）、星座、月收入商业体系主要属性：其他消费划分等级、消费调整周期2.实时动态数据数据：用户不道德行为产生的数据数据：注册成功、查看评论、进入页面、去购买、已签收、媒体评价。比较重要的不道德行为：商品购买、查看收藏其他商品、加入购物车、关注其他商品。注册的时间、首单时间点、潮妈族，不纠结商品价格、最大性消费、退换货数量增加、败家指数、品牌中选择偏好。发现用户直接接触点（变更集）不道德行为两种类型：浏览内容、可搜索、媒体发表、获赞数间接接触点（message）：男女装时尚单品网页、品牌鞋热门单品页面……标签分类1.确定标准的全部标签2.根据算法推测的标签一标签格式举例：1.用户：未去购买、活跃、醒来、流失严重2.针对用户：一台电脑烘焙达人、佳能潮流达人、家庭所有用户、没房子族、网购达人、单身贵族、时尚女性、奶爸奶妈辅助职业、闪购用户、管理员权限。（根据发现用户去购买的品类情况严重，比如说等级品类、三级品类）

1-3消费者画像特殊用途

消费者画像的作用很大：1.分类官方统计：12白羊座对雾霾的积极防范市场指数；80婚约大盘指数；访客一幅画像（男女比例；新老用户比；性别分布；学历分布数量）2.营销其他推荐：邮件营销；数据库营销；push其他信息。例准确判断你有小朋友的话，独家推荐一些母婴类产品3.数据挖掘：根据发现用户的数据建模出一些有用的信息内容以广泛支持最终决策。利用关联规则可计算：很喜欢红酒的人通常很喜欢什么品牌中？利用k-means综合分析：特别喜欢红酒的人，年龄分布特征。数据挖掘算法1.属性删选：属性筛选、基于相关信息输出强度的自身属性打分、属性重中之重打分、因子分析、基于方差分析的基本属性二次筛选；2.分类预测未来：随机森林、神经网络模型分类、贝叶斯推理侵删、分类重回正轨树、逻辑回归分类方式、线性回归、朴素贝叶斯、分类男女组合基础模型；3.重回正轨预测数据：多元线性回归模型、神经网络模型回归真实、广义线性回归、逻辑回归回归、重回超级组合建模；4.描述性分析：K平均数值聚类、基于K平均水平的两个层次相似度计算、分布区域不过相似度计算、两前期阶段聚类算法；5.聚类分析：购物篮深度分析、自身属性关联数据、序列多种模式详细分析；6.时间序列：arx协方差矩阵数据挖掘很喜欢什么美好的东西的人往往特别喜欢什么？做了这个事的人接下来一般会做什么？最经典简单例子：伏特加与尿片的关系。