個推使用者畫像的實踐與應用
“以使用者為核心”的概念在網際網路時代深入人心,然而要真正瞭解使用者懂得使用者,就不得不提到“使用者畫像”。 隨著大資料技術的深入研究與應用,藉助使用者畫像,企業或APP可以深入挖掘使用者需求,從而實現精細化運營以及為精準營銷打下堅實基礎。本文將重點介紹何為使用者畫像,使用者畫像的構建流程以及應用場景。
使用者畫像,即使用者資訊的標籤化,而從本質上來說,
使用者畫像是資料的標籤化
。常見的使用者畫像體系有三種:結構化體系、非結構化體系和半結構化體系。非結構化體系沒有明顯的層級,較為獨立。半結構化層次有一定的層級概念,但是沒有過於嚴格的依賴關係。結構化體系有較強的層級結構。以一個簡單的三級結構化標籤為例,一級標籤有基本屬性和興趣偏好,並且由此可以延伸至二級標籤和三級標籤,具體到不同的屬性和興趣愛好。
在網際網路、電商領域,使用者畫像常用來作為精準營銷、推薦系統的基礎性工作,其作用總體包括:
(1)
精準營銷
:根據歷史使用者特徵,運營人員可以分析產品的潛在使用者和使用者的潛在需求,繼而透過相應的手段,針對特定群體進行營銷。
(2)
使用者分析
:根據使用者的屬性、行為特徵對使用者進行分類後,可以統計不同特徵下的使用者數量、分佈,分析不同使用者畫像群體的分佈特徵。
(3)
資料探勘
:以使用者畫像為基礎,開發人員可以構建推薦系統、搜尋引擎、廣告投放系統,提升服務精準度。
(4)
服務產品
:描繪產品的使用者畫像,對產品進行受眾分析,更透徹地理解使用者使用產品的心理動機和行為習慣,完善產品運營,提升服務質量。
(5)
行業報告&使用者研究
:透過使用者畫像分析可以使運營人員更加了解行業動態,比如人群消費習慣、消費偏好分析、不同地域品類消費差異分析等。
個推依託多年推送服務的積累和強大的大資料分析能力,推出了個推畫像SDK(個像),為APP開發者提供豐富的使用者畫像資料以及實時的場景識別能力。
個推獨有的冷、熱、溫資料標籤,可以有效分析使用者的線上線下行為,深入挖掘使用者特徵,助力APP運營者全面瞭解使用者屬性
。其中,“冷資料”是指使用者的基礎屬性,改變的機率較小,如性別、年齡層次等;“溫資料”則可以回溯使用者近期活躍的應用和場景,具有一定的時效性;“熱資料”是指使用者當下的場景及實時的使用者行為,幫助APP運營者抓住稍縱即逝的營銷機會。
個推不僅擁有豐富的通用標籤體系,還可以根據客戶特定的需求聯合建模,輸出定製化的標籤
,以滿足APP在不同場景需求下的運營。
使用者畫像的構建需要技術和業務人員的共同參與,以避免形式化的使用者畫像。個推也有一些做法可供開發者們進行參考。
(1)
標籤體系設計
。開發者需要先了解自身的資料,確定需要設計的標籤形式。
(2)
基礎資料收集、多資料來源資料融合
。個推在構建使用者畫像時,會整合個推以及該APP自身的資料。
(3)
實現使用者統一標識
。多數情況下,APP的眾多使用者分佈於不同的賬號體系中,個推會將其統一標識。
(4)
使用者畫像特徵層構建
。即將每一個資料進行特徵化。
(5)
畫像標籤規則+演算法建模
。兩者缺一不可,在實際的應用中,演算法難以解決的問題,利用簡單的規則也可以達到很好的效果。
(6)
利用演算法對所有使用者打標籤
。
(7)
畫像質量監控
。在實際的應用中,使用者畫像會產生一定的波動,為了解決這個問題,個推搭建了相應的監控系統,對畫像的質量進行監控。
個推使用者畫像構建的整體流程,可以分為三個部分,第一,基礎資料處理。基礎資料包括使用者裝置資訊、使用者的線上APP偏好以及線下場景資料等。
第二,畫像中間資料處理。處理結果包括線上APP偏好特徵和線下場景特徵等。
第三,畫像資訊表。表中應有四種資訊:裝置基礎屬性;使用者基礎畫像,包括使用者的性別、年齡層次、相關消費水平等;使用者興趣畫像,即使用者更有興趣的方向,如使用者更偏好比價類APP還是海淘類APP;使用者其它畫像等。
在個推使用者畫像構建的過程中,機器學習佔據了較為重要的位置
。機器學習主要是海量資料持續更新、資料清洗、資料儲存的過程。個推更多地利用機器學習平臺進行相應的預測分析、模型輸出等。
畫像質量的關注有兩個重點,第一,
如何最佳化質量
。個推會對使用者畫像的模型定期地進行修改和最佳化。第二,
關注畫像質量波動情況
,對異常變化及時預警。
個推畫像SDK的整合,可以豐富APP的使用者分析維度,其主要應用體現在兩方面:第一,
精準推薦
,APP的運營者可以透過個像提供的性別、年齡層次、興趣愛好、場景等豐富標籤,為不同的使用者推薦不同的內容,以達到更加精細化的運營,並提升使用者活躍度和留存率。
第二,
使用者聚類
,個推可以幫助APP處理使用者資料,補全使用者畫像,建立使用者的聚類模型。同時,透過使用者特徵分析,個推還能夠將APP的老使用者對映到某一聚類,以此產出APP的目標聚類,最終助力APP運營者針對不同使用者群體制定更加精準的運營策略。
“千萬人撩你,不如一人懂你”,當網際網路逐漸步入大資料時代,APP只有真正地瞭解使用者,才能得到使用者並留住使用者。基於個推完備的大資料計算架構,
個推畫像SDK的接入,不僅可以幫助開發人員提高開發決策的效率,也可以幫助APP運營人員開展精細化運營,從而提升企業的營銷效率和市場競爭力。
使用者畫像,本質是資料能力的體現
個推使用者畫像的實踐
規範畫像構建流程
個推使用者畫像應用
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31556026/viewspace-2565157/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 大資料使用者畫像的方法、實踐與行業應用大資料行業
- 畫像標籤體系構建與應用實踐
- 使用者畫像分析與場景應用
- 金融行業大資料使用者畫像實踐行業大資料
- 技術培訓 | 大資料分析處理與使用者畫像實踐大資料
- 個性化推薦系統實踐應用
- 大資料智慧:金融行業使用者畫像最佳實踐大資料行業
- 技術培訓 | 大資料分析處理與使用者畫像實踐|預告大資料
- 百度愛採購是這樣應用使用者標籤與畫像的IRN
- 使用者畫像產品化——從零開始搭建實時使用者畫像(六)
- 使用者畫像標籤體系——從零開始搭建實時使用者畫像(三)
- Serverless:基於個性化服務畫像的彈性伸縮實踐Server
- 5 個單頁應用使用者體驗的最佳實踐
- 深度學習的應用與實踐深度學習
- 淺談使用者畫像
- Embedding在騰訊應用寶的推薦實踐
- 敏捷AI | NLP技術在宜信業務中的實踐【構建使用者畫像篇】敏捷AI
- 美圖個性化推薦的實踐與探索
- 讀“圖”智慧:大資料“畫像”的應用未來大資料
- Flink在美團的實踐與應用
- IRITA HUB的跨鏈實踐與應用
- 乾貨|個性化推薦系統五大研究熱點之使用者畫像(四)
- BIGO 的資料管理與應用實踐Go
- Apache Flink 在鬥魚的應用與實踐Apache
- 淺談分散式 ID 的實踐與應用分散式
- Kafka應用實踐與生態整合Kafka
- 如何構建好的使用者畫像平臺?
- 使用者畫像資料建模方法
- 搭建一個攝像頭應用程式 應用程式內部攝像頭
- 有贊個性化推薦能力的演進與實踐
- 個推大資料:2019年5G手機首批使用者畫像報告大資料
- 《供應鏈管理:一個實踐者的角度》推薦書評
- Redis 在 Web 專案中的應用與實踐RedisWeb
- Redis在Web專案中的應用與實踐RedisWeb
- Apache Flink 在汽車之家的應用與實踐Apache
- Flink 在中泰證券的實踐與應用
- iOS應用自動推送的方法研究與實踐iOS
- 《探索Python Requests中的代理應用與實踐》Python