1-1簡介

基本概念

1.基本屬性：每個人都有一些基本屬性（性別、年齡、婚否、收人、教育程度）。

行為記錄：網上購買行為、查看網頁行為、點擊行為、購物車行為，從這些行為中判斷出用戶的一些信息，假如經常網上購買小孩的物品，從此之后可以不判斷出小孩的年齡、小孩的性別、等等的一些信息。

2.去購買能力：可以可以確定出用戶的購買能力，最終達到打上購買力的等級標志。

3.行為特征：是可以判斷用戶的行為特征，比如說用戶的活躍程度、購物類型。

4.社交網絡：這個可以可以確定出他的社交網絡。

5.心理特征：比如報出促銷的敏感度，購物的真心誠意度。

6.興趣愛好：顏色的偏好，品牌的偏好。

用戶畫像的用途

1.精準營銷：郵件、短信、

2.用戶統計數據：地域、時段

3.數據挖掘：特征、行為

學習目標：

1.知道一點hive數據倉庫的特點

2.學會了在用hive并且數據開發

3.進入到解釋用戶數據的特點

4.完全掌握要如何構建體系用戶畫像

5.親密接觸換算項目的開發

6.靠積累項目實戰經驗

主要內容：

1.用戶畫像項目介紹

2.用戶畫像建模

3.不使用hive進項數據開發

4.用戶畫像數據開發

1-2用戶畫像簡介

定義

用戶畫像（UserProfile）也叫用戶信息標簽化，客戶標簽。根據基本信息和行為，用一些標簽把用戶描繪出出，

具體描述用戶的標簽就是消費者畫像。

最終形成用戶畫像的技術

1.數據收集：網絡日志數據、用戶行為數據、網站交易數據

2.行為建模：文本挖掘、自然語言處理、機器學習、預測算法、聚類算法

3.用戶畫像：基本屬性、可以購買能力、行為特征、興趣愛好、心里特征、社交網絡

源數據

1.動態和靜態信息數據：來源于用戶填好的個人資料，或是從而反算的數據。要是有不判斷的。可以確立模型來判斷。比如用戶性別如果不填，可以不組建性別模型，實際用戶的行為來推測其性別是什么船舶概論概率。

人口屬性：性別、生日、年齡、婚否、收人、城市、教育程度、職業、是否是有小孩（數量）、星座、月收入

商業屬性：消費等級、消費周期

2.動態信息數據：用戶行為再產生的數據：注冊、打開瀏覽器、點擊、去購買、簽收后、評價。

比較比較重要的行為：購買商品、瀏覽的網頁商品、放入購物車、參與商品。

注冊時間、首單時間、潮媽族，糾結啊商品、大消費、退貨數量、敗家指數、品牌偏好。

用戶相互點（TouchPoint）

行為類型：網頁、搜索、發表文章、點贊數

外界點（Tag）：女裝單品頁面、女鞋單品頁面……

標簽分類

1.確認的標簽

2.根據算法猜測的標簽

標簽舉例子：

1.用戶活躍度：未定購、異常活躍、沉睡、大量流失

2.用戶分群：電腦達人、數碼潮人、家庭用戶、有房一族、網購達人、單身貴族、時尚男女、奶爸奶媽、

拼購用戶、超級用戶。（參照用戶去購買的品類情況，比如說一級品類、二級品類）

1-3用戶畫像用途

用戶畫像的作用：

1.分類統計：12星座對霧霾天氣的防范指數；奶爸當家指數；

訪客畫像（男女比例；新老用戶比；年齡分布；學歷分布）

2.營銷幫我推薦：郵件營銷；短信營銷；push信息。

例確認你有小孩的話，推薦一下一些母嬰產品

3.數據挖掘：據用戶的數據挖掘出一些用處不大的信息以支持決策。

利用關聯規則計算：比較喜歡紅酒的人常見喜歡什么品牌？利用聚類算法講：喜歡紅酒的人，年齡段分布情況。

數據挖掘

1.屬性再次篩選：屬性篩選后、基于組件信息增益的屬性打分、屬性重要性打分、主成分分析、實現卡方檢驗的屬性再次篩選；

2.具體分類分析預測：決策樹、神經網絡分類、貝葉斯網絡、歸類重臨樹、支持向量機分類、邏輯回歸、樸素貝葉斯、分類組合模型；

3.回歸預測：20塊多項式回歸、神經網絡回歸、廣義線性回歸、支持向量機輪回、回歸兩種模型；

4.聚類分析：K均值聚類、基于條件K均值的層次聚類、分布肯定聚類、兩階段聚類；

5.關聯分析：購物籃分析、屬性關聯分析、序列模式分析；

6.時間序列：ARX時間序列

數據挖掘

比較喜歡什么東西的人往往很喜歡什么？

做了這個事的人接下來好象會干什么？

最比較經典例子：啤酒與尿布的關系。