使用者畫像資料建模方法

從1991年Tim Berners-Lee發明了全球資訊網（World Wide Web）開始，到20年後2011年，網際網路真正走向了一個新的里程碑，進入了“大資料時代”。經歷了12、13兩年熱炒之後，人們逐漸冷靜下來，更加聚焦於如何利用大資料探勘潛在的商業價值，如何在企業中實實在在的應用大資料技術。伴隨著大資料應用的討論、創新，個性化技術成為了一個重要落地點。相比傳統的線下會員管理、問卷調查、購物籃分析，大資料第一次使得企業能夠通過網際網路便利地獲取使用者更為廣泛的反饋資訊，為進一步精準、快速地分析使用者行為習慣、消費習慣等重要商業資訊，提供了足夠的資料基礎。伴隨著對人的瞭解逐步深入，一個概念悄然而生：使用者畫像（UserProfile），完美地抽象出一個使用者的資訊全貌，可以看作企業應用大資料的根基。

一、什麼是使用者畫像？
男，31歲，已婚，收入1萬以上，愛美食，團購達人，喜歡紅酒配香菸。
這樣一串描述即為使用者畫像的典型案例。如果用一句話來描述，即：使用者資訊標籤化。
如果用一幅圖來展現，即：

二、為什麼需要使用者畫像
使用者畫像的核心工作是為使用者打標籤，打標籤的重要目的之一是為了讓人能夠理解並且方便計算機處理，如，可以做分類統計：喜歡紅酒的使用者有多少？喜歡紅酒的人群中，男、女比例是多少？

也可以做資料探勘工作：利用關聯規則計算，喜歡紅酒的人通常喜歡什麼運動品牌？利用聚類演算法分析，喜歡紅酒的人年齡段分佈情況？

大資料處理，離不開計算機的運算，標籤提供了一種便捷的方式，使得計算機能夠程式化處理與人相關的資訊，甚至通過演算法、模型能夠“理解” 人。當計算機具備這樣的能力後，無論是搜尋引擎、推薦引擎、廣告投放等各種應用領域，都將能進一步提升精準度，提高資訊獲取的效率。

三、如何構建使用者畫像
一個標籤通常是人為規定的高度精煉的特徵標識，如年齡段標籤：25~35歲，地域標籤：北京，標籤呈現出兩個重要特徵：語義化，人能很方便地理解每個標籤含義。這也使得使用者畫像模型具備實際意義。能夠較好的滿足業務需求。如，判斷使用者偏好。短文字，每個標籤通常只表示一種含義，標籤本身無需再做過多文字分析等預處理工作，這為利用機器提取標準化資訊提供了便利。

人制定標籤規則，並能夠通過標籤快速讀出其中的資訊，機器方便做標籤提取、聚合分析。所以，使用者畫像，即：使用者標籤，向我們展示了一種樸素、簡潔的方法用於描述使用者資訊。

3.1 資料來源分析
構建使用者畫像是為了還原使用者資訊，因此資料來源於：所有使用者相關的資料。

對於使用者相關資料的分類，引入一種重要的分類思想：封閉性的分類方式。如，世界上分為兩種人，一種是學英語的人，一種是不學英語的人；客戶分三類，高價值客戶，中價值客戶，低價值客戶；產品生命週期分為，投入期、成長期、成熟期、衰退期…所有的子分類將構成了類目空間的全部集合。

這樣的分類方式，有助於後續不斷列舉並迭代補充遺漏的資訊維度。不必擔心架構上對每一層分類沒有考慮完整，造成維度遺漏留下擴充套件性隱患。另外，不同的分類方式根據應用場景，業務需求的不同，也許各有道理，按需劃分即可。

本文將使用者資料劃分為靜態資訊資料、動態資訊資料兩大類。

靜態資訊資料
使用者相對穩定的資訊，如圖所示，主要包括人口屬性、商業屬性等方面資料。這類資訊，自成標籤，如果企業有真實資訊則無需過多建模預測，更多的是資料清洗工作，因此這方面資訊的資料建模不是本篇文章重點。

動態資訊資料
使用者不斷變化的行為資訊，如果存在上帝，每一個人的行為都在時刻被上帝那雙無形的眼睛監控著，廣義上講，一個使用者開啟網頁，買了一個杯子；與該使用者傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等一樣都是上帝眼中的使用者行為。當行為集中到網際網路，乃至電商，使用者行為就會聚焦很多，如上圖所示：瀏覽凡客首頁、瀏覽休閒鞋單品頁、搜尋帆布鞋、發表關於鞋品質的微博、贊“雙十一大促給力”的微博訊息。等等均可看作網際網路使用者行為。

本篇文章以網際網路電商使用者，為主要分析物件，暫不考慮線下使用者行為資料（分析方法雷同，只是資料獲取途徑，使用者識別方式有些差異）。

在網際網路上，使用者行為，可以看作使用者動態資訊的唯一資料來源。如何對使用者行為資料構建資料模型，分析出使用者標籤，將是本文著重介紹的內容。

3.2 目標分析
使用者畫像的目標是通過分析使用者行為，最終為每個使用者打上標籤，以及該標籤的權重。如，紅酒 0.8、李寧 0.6。
標籤，表徵了內容，使用者對該內容有興趣、偏好、需求等等。
權重，表徵了指數，使用者的興趣、偏好指數，也可能表徵使用者的需求度，可以簡單的理解為可信度，概率。

3.3 資料建模方法
下面內容將詳細介紹，如何根據使用者行為，構建模型產出標籤、權重。一個事件模型包括：時間、地點、人物三個要素。每一次使用者行為本質上是一次隨機事件，可以詳細描述為：什麼使用者，在什麼時間，什麼地點，做了什麼事。

什麼使用者：關鍵在於對使用者的標識，使用者標識的目的是為了區分使用者、單點定位。

以上列舉了網際網路主要的使用者標識方法，獲取方式由易到難。視企業的使用者粘性，可以獲取的標識資訊有所差異。

什麼時間：時間包括兩個重要資訊，時間戳+時間長度。時間戳，為了標識使用者行為的時間點，如，1395121950（精度到秒），1395121950.083612（精度到微秒），通常採用精度到秒的時間戳即可。因為微秒的時間戳精度並不可靠。瀏覽器時間精度，準確度最多也只能到毫秒。時間長度，為了標識使用者在某一頁面的停留時間。

什麼地點：使用者接觸點，Touch Point。對於每個使用者接觸點。潛在包含了兩層資訊：網址 + 內容。網址：每一個url連結（頁面/螢幕），即定位了一個網際網路頁面地址，或者某個產品的特定頁面。可以是PC上某電商網站的頁面url，也可以是手機上的微博，微信等應用某個功能頁面，某款產品應用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某遊戲的過關頁。

內容：每個url網址（頁面/螢幕）中的內容。可以是單品的相關資訊：類別、品牌、描述、屬性、網站資訊等等。如，紅酒，長城，乾紅，對於每個網際網路接觸點，其中網址決定了權重；內容決定了標籤。

注：接觸點可以是網址，也可以是某個產品的特定功能介面。如，同樣一瓶礦泉水，超市賣1元，火車上賣3元，景區賣5元。商品的售賣價值，不在於成本，更在於售賣地點。標籤均是礦泉水，但接觸點的不同體現出了權重差異。這裡的權重可以理解為使用者對於礦泉水的需求程度不同。即，願意支付的價值不同。

標籤 權重
礦泉水 1 // 超市
礦泉水 3 // 火車
礦泉水 5 // 景區

類似的，使用者在京東商城瀏覽紅酒資訊，與在品尚紅酒網瀏覽紅酒資訊，表現出對紅酒喜好度也是有差異的。這裡的關注點是不同的網址，存在權重差異，權重模型的構建，需要根據各自的業務需求構建。

所以，網址本身表徵了使用者的標籤偏好權重。網址對應的內容體現了標籤資訊。

什麼事：使用者行為型別，對於電商有如下典型行為：瀏覽、新增購物車、搜尋、評論、購買、點選贊、收藏 等等。

不同的行為型別，對於接觸點的內容產生的標籤資訊，具有不同的權重。如，購買權重計為5，瀏覽計為1
紅酒 1 // 瀏覽紅酒
紅酒 5 // 購買紅酒

綜合上述分析，使用者畫像的資料模型，可以概括為下面的公式：使用者標識 + 時間 + 行為型別 + 接觸點（網址+內容），某使用者因為在什麼時間、地點、做了什麼事。所以會打上**標籤。

使用者標籤的權重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為型別、網址決定了權重，內容決定了標籤，進一步轉換為公式：
標籤權重=衰減因子×行為權重×網址子權重

如：使用者A，昨天在品尚紅酒網瀏覽一瓶價值238元的長城乾紅葡萄酒資訊。
標籤：紅酒，長城
時間：因為是昨天的行為，假設衰減因子為：r=0.95
行為型別：瀏覽行為記為權重1
地點：品尚紅酒單品頁的網址子權重記為 0.9（相比京東紅酒單品頁的0.7）

假設使用者對紅酒出於真的喜歡，才會去專業的紅酒網選購，而不再綜合商城選購。

則使用者偏好標籤是：紅酒，權重是0.95*0.7 * 1=0.665，即，使用者Ａ：紅酒 0.665、長城 0.665。

上述模型權重值的選取只是舉例參考，具體的權重值需要根據業務需求二次建模，這裡強調的是如何從整體思考，去構建使用者畫像模型，進而能夠逐步細化模型。

四、總結：
本文並未涉及具體演算法，更多的是闡述了一種分析思想，在計劃構建使用者畫像時，能夠給您提供一個系統性、框架性的思維指導。

核心在於對使用者接觸點的理解，接觸點內容直接決定了標籤資訊。內容地址、行為型別、時間衰減，決定了權重模型是關鍵，權重值本身的二次建模則是水到渠成的進階。模型舉例偏重電商，但其實，可以根據產品的不同，重新定義接觸點。

比如影視產品，我看了一部電影《英雄本色》，可能產生的標籤是：周潤發 0.6、槍戰 0.5、港臺 0.3。

最後，接觸點本身並不一定有內容，也可以泛化理解為某種閾值，某個行為超過多少次，達到多長時間等。

比如遊戲產品，典型接觸點可能會是，關鍵任務，關鍵指數（分數）等等。如，積分超過1萬分，則標記為鑽石級使用者。鑽石使用者 1.0。

百分點現已全面應用使用者畫像技術於推薦引擎中，在對某電商客戶，針對活動頁新訪客的應用中，依靠使用者畫像產生的個性化效果，對比熱銷榜，推薦效果有顯著提升：推薦欄點選率提升27%， 訂單轉化率提升34%。

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/28929558/viewspace-1283789/，如需轉載，請註明出處，否則將追究法律責任。