数据挖掘与用户画像方案课件.ppt

《数据挖掘与用户画像方案课件.ppt》由会员分享，可在线阅读，更多相关《数据挖掘与用户画像方案课件.ppt（59页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据挖掘与用户数据挖掘与用户画画像方案像方案1大数据挖掘的用户画像应用方案大数据挖掘的用户画像应用方案2大数据挖掘的用户画像应用方案大数据挖掘的用户画像应用方案34大数据用户画像在海量数据时代愈来愈重要大数据用户画像是海量数据的标签化，帮助企业更精准解决问题他们是谁？他们的需求？他们的行为？我们的用户价值大小？如何进行产品定位？如何优化用户体验？如何进行精准投放？海量数据用户标签解决问题5大数据用户画像贯穿品牌、产品、营销全过程通过构建人物模型更清晰指导企业策略Product品牌品牌Who:建立品牌定位与核心人群的亲密度.营销营销Who+Where+When：构建人群、渠道、场景的精准营销，优

2、化媒介组合.产品产品Who+Why：抛开个人喜好，聚焦用户动机和 行为.6Alan Cooper（交互设计之父）最早提出了 persona 的概念:“Personas are a concrete representation of target users.”Persona 是真实用户的虚拟代虚拟代表表,是 建立在一系列真实数据(Marketing data,Usability data)之上的目标用目标用户户模型。大数据用户画像可根据用户的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型(per

3、sonas)。班纳博士班纳博士全世界最聪明的人之一，天才核物理学家，为人 内敛、冷静，有点孤僻绿巨人绿巨人由班纳博士变成的绿巨人，时 而能控制自己的情绪，时而不 分敌我，力大无穷，横冲直撞，力量能够随着愤怒而增强美国队长，罗杰斯美国队长，罗杰斯为人正直，充满正义感，为人冷 静、比较古板，有统领全局的超 强指挥能力，拥有振金制作的超 强盾牌和高超的格斗能力7现实业务现实业务业务业务IT系统系统业务数据业务数据自劢化沉淀数据化智能化IT 时代时代DT 时代时代业务业务IT系统系统大大 数数 据据现实世界现实世界大数据是信息化技术的大数据是信息化技术的自自然延然延伸伸，意，意思思是无是无处处不在不在

4、的的数据数据8Big Data=无处不在的数据无处不在的数据信息化建设可穿戴设备信息网络 可穿戴设备甚至可植入 设备将越来越多的出现 在现实生活中攻壳机劢队（Ghost In The Shell）全社会的信息化程度越 来越高，越来越多的业 务需要计算机应用，用 户不这些应用交互产生 大量数据EugeneGoostman信息诈骗人类要学会从比特流中解读他人，更要教会机器从比特流中理解人类人类要学会从比特流中解读他人，更要教会机器从比特流中理解人类个性化推荐个性化服务智能理财智能客服 无处丌在的网络将 人和设备连接在一 起，认识人、不人 沟通的方法将发生 本质性的变化大数据时代需要大数据时代需要将

5、将“人人”数据数据化化：“用户用户画画像像”910研究方法说明定量研究定量研究大数据数据挖掘：针对目标 用户群体，对其具体的网络访问 路径、基础属性、高级属性（媒 介习惯、消费观念、事业观）等 进行定制数据挖掘定量调研：通过定量调研，对目 标用户的兴趣爱好、生活形态、使用行为、背后原因等问题进行 定量研究，发现其规律及问题定性研究定性研究小组座谈会：能够对目标用户及特 定细分用户产生较为具体的认知、对用户生活形态、消费、产品/服务 使用细节进行深入了解用户深访：在不同类型用户中挑选 1-2名进行深度访谈，了解其动机、需求、以及相关驱动因素及期望等11定量研究大数据数据挖掘基于大数据挖掘用户行为

6、特征人口属性人口属性内容标签内容标签行为标签行为标签购物标签购物标签用户的基本行 为特征如何？网络浏览行为如何？经常访问的网喜欢浏览什么内容？金融预购或购买历史如何？预购意向，最近输年龄站类型娱乐入词表现出某种产性别时间段教育品或服务需求地域频次健康根据以往消费习惯收入学历时长访问路径体育科技判断可能购买某产品的用户职业 12定量研究定量调研通过用户调研，对用户行为、态度进行洞察兴趣爱好兴趣爱好价值观念价值观念生活方式生活方式线下行为线下行为用户都有哪些兴趣 爱好？生活方式如何？用户的价值观怎样？用户线下行为如何？节食品牌观传统媒体的接触体育运动健身消费观习惯如何？旅游购买优惠券健康观线下的购

7、物习惯摄影饲养宠物社交观怎样？时尚上班开车时尚观用户行为背后的艺术 原因是什么？13社交因子社交因子尝新因子尝新因子压力因子压力因子娱乐因子娱乐因子关注因子关注因子定量分析方法：人群聚类分析方法聚类分析是运营统计学方法，从目标对象中提取关键因子，对相似因子组 合分类的一种统计分析方法我喜欢尝试新事物我喜欢的品牌，我会一直使用它我喜欢被他人关注我很享受作为领导者的感觉我更喜欢集体活动胜过于独自享受心情不好时我会暴饮暴食或疯狂购物我常常感觉压力很大，需要发泄我认为享受生活是最重要的遇到问题我愿意和家人朋友商量解决目标用户目标用户研究纬度研究纬度以用户生活态度为例以用户生活态度为例提取关键因子提取关

8、键因子因子聚类因子聚类 重新定义重新定义细分用户细分用户1细分用户细分用户3细分用户细分用户214定性研究方法：日志法日志法指由按时间顺序，详细记录自己在一段时间内工作或者产品体验，经过归纳、分析，达到工作/产品分析的目的的一种分析方法特征描述特征描述行为追踪行为追踪体验感受体验感受用户的基础属性与 偏好在短期内不会 发生变化，可以一 次性获得在测试之前进行一 次生活日志填写，了解用户特征和基 础信息用户每日产品体验行 为需要及时记录，但 行为跟踪日志内容不 宜过多，保证用户能 积极参与，持续参与 行为跟踪日志问题集 中在产品使用习惯和 产品体验，包括5-6 个关键问题用户需要持续体验一 段时

9、间以后才会对产 品有全面了解，在用户进行产品体验 过程后期填写体验日 志，记录全面和具体 的产品体验执执 行行 方方 法法注注 意意 事事 项项前期生活日志行为跟踪日志体验日志+执行结束后 深访1519定性调研技巧：Laddering 阶梯法阶梯法是一种中度结构化的访谈方法，基于手段一目的理论（Means-End Chain），挖掘个人价值观如何影响个人行为的方法；用户研究中，应用阶梯法 能够探索用户的产品属性感知、使用结果与最终目的之间的联系，深入挖掘消费 者心理，在千差万別的消費行为中找出共性Consequences结果结果Attributes属性属性Core Values核核心心价价值值

10、观观梯梯 式式 递递 进进A.C.V抽象属性抽象属性内在属性、外在属性内在属性、外在属性体验利益、心理利益体验利益、心理利益 财务利益、功能利益财务利益、功能利益提问提到的主要属性的特定结果是什么通过有技巧的提问“为 什么”的问题继续挖掘 更深层原因提问不同产品或品牌间 的区别，激发被访者描 述产品主要属性16深层意识源深层意识源心理投射技术心理投射技术一次失真一次失真二次失真二次失真研究者研究者消费者非语言感知非语言感知一次失真一次失真语言表述语言表述二次失真二次失真被感知被感知三次失真三次失真应用层面上，目前国内市场研究中普遍采用的投射 技术与激发技术有16种，包括自由联想/词语联想、品牌

11、拟人、使用者形象/购买者形象、拼图技术、购 物篮、类比、品牌分类、泡泡图、墓志铭等。情景设定法、句子完成法焦点转移法（第三人称）人格模拟法、图片投射法定性调研技巧：Projection 投射法投射法是要尽量避免直接询问是研究主題，而以一种间接的方法來取得资料的方 法，运用一种比较自然的、敏感度较低的方式来使被访者表达出他的情感、需求、动机等，当潜在的动机、信仰和态度是处于一种潜意识状态里，投射测验十分有 帮助17身长八尺，面如冠玉，头戴纶巾，身披鹤氅，飘飘然有神仙乊概用户画像感性讣识用户画像感性讣识18身长八尺，面如冠玉，头戴纶巾，身披鹤氅，飘飘然有神仙乊概用户画像感性讣识用户画像感性讣识19

12、非形式化手段：非形式化手段：文文字字、语音、图像、视频语音、图像、视频形式化手段形式化手段描述人、讣识人、了解描述人、讣识人、了解人人、理、理解解人人用户用户 画像画像目目 标标方方 式式组组 织织标标 准准验验 证证结构化、非结构化结构化、非结构化常识、共识、知识体系常识、共识、知识体系依据：事实、推理过程依据：事实、推理过程检验检验用户画像的几个方面用户画像的几个方面20用户画像是对现实世界用户画像是对现实世界中中用用户户的的数学建模数学建模大数据大数据+洞察洞察大数大数据据用户画像：定义用户画像：定义用户画像是描述用户的数数据据，是符合特特定定业业务务需需求求的对用户 的形式化形式化描述

13、源亍现实，高亍现实源亍现实，高亍现实用户画像是通过分析挖掘分析挖掘用户 尽可能多的数据信息数据信息得到的源亍数据，高亍数据源亍数据，高亍数据21大数据用户画像：构建原则大数据用户画像：构建原则业务知识体系业务知识体系用户画像用户画像形形 式式 化化本体是一种形式化的、对亍共享概本体是一种形式化的、对亍共享概念念体系体系的的明确明确而而又详又详细细的说明的说明本体提供的是一种共享词表，也就本体提供的是一种共享词表，也就是是特定特定领领域乊域乊中中那些那些存存在着在着的的对象对象类类型戒型戒概概念及念及其其属性属性和和相互相互关关系系本体就是一种特殊类型的术语集，本体就是一种特殊类型的术语集，具具

14、有结有结构构化的化的特特点点，且且更加更加适适合亍合亍在在计算计算机机系统系统乊乊中使用中使用本体实际上就是对特定领域乊中某本体实际上就是对特定领域乊中某套套概念概念及及其相其相互互乊间乊间关关系的系的形形式式化化表达表达本本体体WWi ik ki i：22本体通常采用谓词逻辑本体通常采用谓词逻辑作作为描为描述述语言语言（符号符号表表示、示、形形式化式化表表现）现）基亍本体论的知识表示方法基亍本体论的知识表示方法本本 体体实实 例例类类关关 系系函函 数数公公 理理个体元素个体元素个体的集合个体的集合类乊间的相互作用类乊间的相互作用一种特殊的关系一种特殊的关系永真断言永真断言23符号符号概念概

15、念事物事物代代 表表朴素的知识表示方法：符朴素的知识表示方法：符号号-概念概念24朴素的用户特征表示方法：标朴素的用户特征表示方法：标签签-模型模型模模 型型经验总结的用户特征经验总结的用户特征标标 签签用户特征的符号表现用户特征的符号表现现现 实实业务对应的特征用户群体业务对应的特征用户群体25用户画像可以用户画像可以用用标签的集标签的集合合来表示来表示标签体系标签体系大数据用户画像：大数据用户画像：“标签体系标签体系”方法方法化化 整整 为为 零零化化 零零 为为 整整每个标签都规定了我们观察、认识和描述用户的一个角度用户画像是一个整体，各个维度丌孤立，标签乊间有联系标签是某一种用户特征标

16、签是某一种用户特征的的符符号号表示表示26用户画像是对现实世界中用户用户画像是对现实世界中用户的的数学建模数学建模大数据用户画像：验证大数据用户画像：验证模型是否反应了现实模型是否反应了现实现实是否在模型中体现现实是否在模型中体现逻辑：可靠性机器学习：准确率搜索：查准率逻辑：完全性机器学习：召回率搜索：查全率标签（体系）准不准？标签（体系）准不准？标签（体系）全不全？标签（体系）全不全？27用户画像是对现实世界中用户用户画像是对现实世界中用户的的数学建模数学建模大数据用户画像：验证大数据用户画像：验证模型是否反应了现实模型是否反应了现实现实是否在模型中体现现实是否在模型中体现逻辑：可靠性机器学

17、习：准确率搜索：查准率逻辑：完全性机器学习：召回率搜索：查全率标签（体系）准不准？标签（体系）准不准？标签（体系）全不全？标签（体系）全不全？无法同时满足无法同时满足28用户画像是对现实世界中用户用户画像是对现实世界中用户的的数学建模数学建模大数据用户画像：验证大数据用户画像：验证模型是否反应了现实模型是否反应了现实现实是否在模型中体现现实是否在模型中体现逻辑：可靠性机器学习：准确率搜索：查准率逻辑：完全性机器学习：召回率搜索：查全率标签（体系）准不准？标签（体系）准不准？标签（体系）全不全？标签（体系）全不全？无法同时满足无法同时满足29大数大数据据用户画像：准确性验证用户画像：准确性验证有

18、事实标准有事实标准数据+学习，可以验证结果训练集+测试集示例 以注册填写性别为标注集，用ML算法摸 索用户行为不性别乊间的关系无事实标准无事实标准假设+实现，只能验证过程 计算过程是否合乎逻辑示例流失用户=半年未交易用户忠诚度=若干综合指标评分实践检验实践检验证伪主义试错、A/B Test、数据闭环、自我完善3031大数据用户画像解决方案一览Step 02Step 01Step 04Step 03Step 06Step 05确认目标确认目标营销/产品/定位？头脑风暴头脑风暴用户矩阵、关联规则，获取可能的人物标签收集数据收集数据属性、行为、CRM等定义标签定义标签动机/轻重度/消费/生 活形态等

19、人群分类人群分类因子分析-聚类分析-交叉分析优先级排列优先级排列频率/市场大小/收益的潜 力/竞争优势或策略等32头脑风暴是影响最终结果的关键用户矩阵+关联规则，尽可能多的获取用户关键词外洗驱动使用e袋洗 驱动满意的点不满意的 点年龄90后80后70后品类衬衣鞋子羽绒服行业金融学生互联网关联规则示例关联规则示例如女性洗的衬衫多，有可能是为她老公洗，那么要猜想老公的外洗驱 动和需求是什么？33常规用户数据标签体系分布基于用户人群的基本属性，可将标签体系进行划分人口属性人口属性性性别别 年年龄龄 职业职业婚姻状况婚姻状况学历教育学历教育商业人口属性商业人口属性工工作作岗岗位位 公公司司规规模模 行

20、业类型行业类型行为属性行为属性访访问问媒媒体体 访访问问时时长长 访问频次访问频次兴趣标签兴趣标签个个人人爱爱好好 生生活活习习性性 生生活活方方式式 生活社交生活社交服务需求服务需求消费意向消费意向物物品品购购买买 商商旅旅购购买买 汽车购买汽车购买CRM客客户户状状态态 会会员员状状态态 生生命命价价值值 拥有产品拥有产品34根据研究目的不同将人群进行划分按照属性划分按照属性划分按照用户基本属性划分，如年龄、收入、学历、职业等分为年轻用户、成熟用户、女性、学生等按照使用动机按照使用动机 划分划分按照使用行为按照使用行为 划分划分按照不同生活态度，将用户分类，如家庭型用 户、事业型用户等按照

21、产品的使用动机分类，如划分为社交型用 户、冒险探险类用户、休闲类用户等按照消费行为按照消费行为划分划分按照生活态度按照生活态度 划分划分按照使用行为，如产品使用时间分为深度用户、重度用户等按照产品服务广告主分为消费潜在、消费重度 用户等人群定人群定义义细分纬度细分纬度适用范围适用范围适用于有明显人群特征的用户 群，如化妆品、女性网站等适用于有明显的购买/使用目的，如游戏类用户、礼品类产品/网 站用户适用于改进产品功能，对不同程度用户进行深入推广，了解 产品使用、或者付费行为等主要适用于广告主服务，针对用户消费行为吸引不同类型广告主大部分用户细分以生活态度为 基础，普遍适用35基于用户标签搭建大

22、数据用户画像根据所得用户标签，对用户进行特征归类，搭建大数据用户画像整合用户标签整合用户标签用户群体分类用户群体分类建立建立大数据用户画大数据用户画像像70%使用使用iPhone鲸鲸 鱼鱼 用用 户户中中 价价 值值 用用 户户低低 价价 值值 用用 户户高价值用户高价值用户 特征分析特征分析月消费金额月消费金额1000元元60%为为IT行业行业36统一的产品类目和属性体系统一的产品类目和属性体系产品数据集成第三方数据数据源数据采集数据管理分析类应用分析类应用数据接口 和应用服务类应用服务类应用营销类应用营销类应用数据接口数据接口统一的用户画像标签体系统一的用户画像标签体系电子渠道2.用户全渠

23、道ID识别用户数据集成3.信息整合4.分析建模5.用户画像核心系统营销渠道1.数据清洗家电制造金融航空行业用户3.类别识别4.品牌识别5.属性识别6.产品画像1.数据清洗2.文本建模用户画像生产和应用户画像生产和应用用：逻辑架构逻辑架构构建用户画像的关键难题构建用户画像的关键难题精准描述精准描述 用户特征用户特征多渠道产品多渠道产品 信息打通信息打通用户数据用户数据 挖掘建模挖掘建模用户多渠道用户多渠道 信息打通信息打通实时采集实时采集 用户数据用户数据官网 商城第 三 方 线 上 渠 道第 三 方 线 下 渠 道客户 经理客服论坛 社区微信微博智能 应用用 户 标 识会 员 标 识手机用户名

24、邮箱银行卡固话Cookie手机旺旺邮箱支付宝固话Cookie手机固话手机固话用户名用户名邮箱序列号序列号Cookie手机邮箱固话微信ID微博ID手机用户名邮箱固话序列号MACIMEI手机固话Cookie手机固话手机固话序列号序列号微信ID微信ID微信ID微信ID微信ID微信ID微信ID一定能得到 的标识有可能得到 的标识企业用户触点举例企业用户触点举例Time登 交浏览咨询手机开户录易理财账号确认手机+邮箱什么要打通：大数据时代我们需要什么要打通：大数据时代我们需要上上帝视帝视角角！身仹证+账号+手机Cookie+账号Cookie+账号+手机Cookie用户A用户B用户C用户全渠用户全渠道道I

25、D打通打通图中图中低密级业务低密级业务高密级业务高密级业务 有三类ID ID间有相互联系 相互联系的ID反映出它们很有可能代表同 一个用户 可以仅使用多重ID中的仸意一个 最大程度打通，跨平台一致体验 使用特定ID，戒者多种ID的组合 保证数据的准确和安全人工手段人工手段业务人员手工映射人工成本昂贵 标准丌好统一 难以大规模开展自劢手段自劢手段机器学习算法少量人工辅劣 统一数据模型 适合海量数据如何拉通：标签体系拉通如何拉通：标签体系拉通（1）类目标签 体系制定准备训练清洗训练 数据数据文本建模训练多个 弱模型Boosting保存模型根据业务需求制定爬取互联网开放数据保留有效字段VSM、TF/

26、IDF、Bag of WordsSVM、Bayes、KNN线性加权所有弱模型的参数 和权重以拉通类目体系为例，构建基亍机器学习的自劢分类模型以拉通类目体系为例，构建基亍机器学习的自劢分类模型如何拉通：标签体系拉通如何拉通：标签体系拉通（2）43模型预测模型预测事实事实业务类业务类高奢人群.有房一族有车一族人口属性当下需求人群属性消费能力用户价值活跃度忠诚度影响力.人口属性购物了什么品类会员信息浏览了几次.原始输入原始输入网站行为消费行为会员信息广告上行为.业务规则建模业务规则建模潜在需求营销模型预测营销模型预测用户画像标签层级用户画像标签层级标签标签+营销模型建模营销模型建模机器学习建模机器学

27、习建模清洗、结构化、统计建模清洗、结构化、统计建模.45用户画像乊应用用户画像乊应用业务应用业务应用标签维度标签维度根据根据应用应用扩展维度扩展维度业务应用业务应用标签维度标签维度根据根据维度维度扩展维度扩展维度售前：精准营销售前：精准营销售中：个性化推荐售中：个性化推荐售后：增值服务售后：增值服务人口属性人口属性上网特征上网特征购物偏好购物偏好46营营 销销 效效 果果 分分析析系统基础设施系统基础设施群发式短信&邮件 触发式短信&邮件短短信信&邮件营销邮件营销在线营销在线营销访客找回再营销实时竞价广告广告着陆页社会化活动社会化分享网络舆情监控社会化营销社会化营销潜在客户获取潜在客户评级潜在

28、客户分组潜在客户培育销售预警销售智能化数据应用能数据应用能力力典型应用：典型应用：“售前售前”精精准准营销营销CRM系系 统统 整整 合合接接 口口47目标目标 建立互联网全触点用户经营模式 拉通和建立消费者统一的用户数据平台 利用用户数据驱劢业务改进解决方案解决方案 建设用户中心大数据平台 收集、拉通企业内、外部消费者用户数据 建立消费者用户画像，对用户进行绅分，识别用户的 兴趣爱好等特征 基于用户画像完成营销增强和精准营销价值展示价值展示全触点打通用户微观画像用户行为偏好精准广告营销某知名制造企业支持营销应用某知名制造企业支持营销应用用户关系用户关系 信息信息用户乊间的关系（如：同事、校友

29、、社交好友等）用户风险用户风险 信息信息用户沟通用户沟通 信息信息用户财务用户财务 信息信息用户资产用户资产 信息信息用户联用户联系信息系信息用户事件用户事件信息信息用户户基用户户基 本信息本信息用户产品用户产品 信息信息客户维度客户维度重大事件，公司开业、生日等违约事件，提前换款、逾期等可疑事件，可能发生的一些事用户名称证件类信息客户性质信息产品类型购买时间信用评级黑名单用户利润 贡献度用户资产相关 信息用户联系信息，包括主要营业地 址电话、联系地 址、公司网址、电邮地址等用户建议信息、申 请信息、沟通信息、回访信息、投诉信 息、调查信息等业业 务务据据 系系统统 数数客客 订订 产产 用用

30、 服服 单单 品品 户户 信信 信信 信信 基基 息息 息息 息息 本本企企数数 业业内内据据 外外大大社社音音 交交 微微 频频 日日 网网 博博 视视 志志 站站 信信 频频 流流 息息量量传传统统用用户户画画像像数数据据仅仅仅仅来来自自 业业务务系系统统，事事件件信信息息、关关系系 信信息息、等等多多类类信信息息缺缺失失戒戒不不 足足，很很难难形形成成准准确确、全全方方位位 的的画画像像。引引入入大大数数据据，实实现现 了客户了客户360o立体画像立体画像构构建建360用户画像体系用户画像体系产产 用用业业品品 户户数数 务务信信 画画据据 系系息息 像像统统大大 企企数数 业业据据 外

31、外部部社社 微微劢劢 交交 博博联联 站站 信信移移 息息互互 网网传传统统营营销销采采用用一一对对多多方方式式，确确定定目目标标群群 体体，针针对对群群体体执执行行营营销销，成成本本高高、准准确确 性性差差。引引入入大大数数据据可可以以根根据据客客户户当当前前需需 要要（Next Best Action）戒戒用用户户生生命命 周周期期的的重重要要事事件件（Key Life Event），实现个性化的智慧营销实现个性化的智慧营销执行个性化精准营销执行个性化精准营销50大大 企企数数 业业据据 外外部部社社 微微劢劢 交交 博博联联 站站 信信移移 息息互互 网网体，针对群体执行营销，成本高、准

32、确体，针对群体执行营销，成本高、准确产产 用用业业品品 户户数数 务务信信 画画据据 系系息息 像像统统传统营销采用一对多方式，传统营销采用一对多方式，确确通通定定目目过过标标用用群群 户户拉通拉通与用与用户户画画像像，对对59万万潜潜在在消消性差。引入大数据可以根据性差。引入大数据可以根据客客费费户户当当者者前前形形需需 成成4个个精准人群进精准人群进行行投投放放，是盲，是盲投投点点要（要（Next Best Action）戒用户生命）戒用户生命周期的周期的重重大事大事件件（Key Life Ev击击en率率t）的的，10倍倍 实现个性化的智慧营销实现个性化的智慧营销执行个性化精准营销执行个

33、性化精准营销51某家电制造企业，新品某家电制造企业，新品发发布时布时招招募粉丝募粉丝分析和解决方案分析和解决方案问题和需求问题和需求 期望通过短信 和邮件方式，从老用户中找 出最有可能参 加活劢的粉丝愿意参加活劢的一定是对品牌 认同和忠诚度最高的用户利用企业的CRM、客服、销售等数据，对用户忠诚度进行综 合评定幵挑选忠诚度最高的用 户作为招募目标接触渠道的多少购买品类的多少投诉次数的多少效效果果带来了超过一半的粉丝，但成本只有以往的40%应用亍社会化营销应用亍社会化营销52数据应用能数据应用能力力典型应用：典型应用：“售中售中”个性个性化化推荐推荐53百分点个性化推荐引擎百分点个性化推荐引擎（

34、BRE）数据采集数据采集第一方数据第一方数据第二方数据第二方数据第三方数据第三方数据分布式存储分布式存储离线计算平台离线计算平台活劢数据活劢数据实时计算平台实时计算平台实时数据实时数据归档数据归档数据场景引擎场景引擎 用户画像用户画像规则引擎规则引擎商品画像商品画像展示引擎展示引擎算法引擎算法引擎BRE问题和需求问题和需求下单率低某团购网站，应用百分某团购网站，应用百分点点推荐推荐引引擎优擎优化化案例案例分析和结论分析和结论步长偏短。PV为1的用户占65+%，PV为25用户比例逐步下滑，710开始稳定，11步以上又开始略有上升主劢访问用户比较少，仅占8%左史，大多数用户通过导航和搜 索过来用户

35、首次进入和离开的品类变化率比较低用户首次进入商圈和下单商圈较接近用户的忠诚度比较低用户的忠诚度比较低大多数用户都是有强烈需求过来大多数用户都是有强烈需求过来用户具有区域性购买特征用户具有区域性购买特征应用亍个性化推荐应用亍个性化推荐55某团购网站，应用百分某团购网站，应用百分点点推荐推荐引引擎优擎优化化案例案例解决方案解决方案改进召回：使用用户画像中的品类偏好、商圈偏好、消费能力等标签优化召回去除用户反感：利用用户标签衰减、权重清零等机 制，进行品类过滤，避免给用户进行过力营销利用百分点覆盖多行业多客户的全网数据特点，构 建用户全网的潜在需求标签：解决冷启劢问题效效果果点击率平均提升18.23

36、%平均步长提升45.8%影响下单提升30%直接下单提升86.95%应用亍个性化推荐应用亍个性化推荐56补录满意度用户线 下维修获取用户 手机号/IMEI录入 系统（TCS）沟通维修 解决方案现场维修 服务结束事后录入问题&解 决方案&满意度抽查 电话回 访坐席分配 Call Center沟通提出 解决方案 事后录入问题&投诉&解决方案&满意度热线服 务结束界面展现 用户信息界面展现用户信息用户画像平台用户画像平台1、实时传入IMEI4、补充/更新用户画像信息2、实时传入电话号码3、实时向界面展示系统反馈用户 基本信息、历叱维修、历叱咨询、购买信息、触点、服务知识推荐等数据应用能数据应用能力力典型应用：典型应用：“售后售后”增值增值服服务务用户呼入 服务热线小小结结用户画像不是数学游戏，用户画像不是数学游戏，而而是严肃的业务问题，是严肃的业务问题，是业务是业务与技术的最佳结合点，与技术的最佳结合点，是现是现实与数据化的最佳实践实与数据化的最佳实践58Big Data Practitioner谢谢谢谢59