用戶畫像：方法論與工程化解決方案

講的太淺，停留表面，看完沒太大啓發收穫，感覺書裏對於執行細節比方法和邏輯描述的要對，整體感受比較散點

作者在書中有寫哪些章節適合哪些人羣閱讀，我就把它粘過來吧，方便大家瞭解 ❑產品經理：由於崗位性質對技術不是特別熟悉，可重點關注第1、2、7、8、9章的內容。 ❑數據分析師：可以從多個維度對用戶及用戶羣進行分析，可重點關注第1、2、3、7、8、9章的內容。 ❑運營人員以及業務人員：可重點關注第2、8、9章的內容，瞭解畫像系統涉及的指標體系、應用場景及應用策略。 ❑數據開發人員：本書主要站在數據開發人員的角度對整個畫像系統進行系統化介紹。數據開發人員可完整閱讀本書各章的內容。

書內容太一般了，所謂標籤，要對業務有價值，一個產品能建立15個標籤並且確實應用在業務中，就很好了。

好實在的作者。沒什麼廢話，從設計到工程到應用，說的很清楚。

＃用戶畫像＃讀後分享 本書主要內容講述了用戶畫像的核心原理就是打標籤，將標籤分爲了①統計類標籤；②規則類標籤；③機器學習挖掘類標籤。 由於很多內容屬於技術實戰性內容，所以如果是產品夥伴建議按作者的引導，專注1、2、7、8、9章。通過這幾章的閱讀，你可以知道用戶標籤可以通過結構化的方式完成畫像模型的搭建，但核心的差異在於對於標籤集合的定義。在衆多的應用當中，我們熟悉的是精準化營銷，即爲特定的人觸達特定的事件。用戶分析是基於一個有效的標籤定義，且可視化的分析一定是包含的對比信息，單一的數據展示毫無價值。 其他方面，這本書由於是技術工程類書籍，並沒有太多產品的設計思想，它聚焦的是如何實現。 因此從新認知維度來看，我主要get到數據存儲不是單一數據庫類型，而是包括了MySQL、Redis、Elasticsearch等技術選型，不同業務節點選擇的不同架構支撐。換成白話就是用於展示的調用某一類數據庫，用於計算的，調用另一類數據庫技術。 從應用方面元數據，到最終產生畫像結果，其實走的流程是數據ETL機制，這部分需要大家去了解數據產品的常規操作。另外全書中推薦看一下數據指標體系，它會讓你對指標體系定義有一個相對巨像的認識常見的用戶屬性，用戶行爲，用戶消費等 最後提醒一下，裏面很多都是技術維度術語，大家看不懂就不要深究。時間請平衡安排，對技術有興趣可以嘗試全量閱讀

20230910筆記📒紙質 用戶畫像基礎 一、用戶畫像（用戶信息標籤化） 1.用戶畫像是應用大數據的根基，是定向廣告投放和個性化推薦的前置條件，爲數據驅動運營奠定基礎。 2.數據應用體系的層級劃分 1⃣️基礎平臺搭建：數據平臺建設、數據倉庫建設、統一SDK 2⃣️報表與可視化：可配置數據報表的可視化展現 3⃣️產品運營與分析：自助提取數據、報表分析工具 4⃣️精細化運營工具：用戶行爲分析、用戶畫像、數據挖掘、個性化推薦 5⃣️戰略決策：決策支持 3.標籤類型 1⃣️統計類標籤🏷️ 2⃣️規則類標籤 🏷️協商統一標籤的定義口徑 3⃣️機器學習挖掘類標籤🏷️ 用於預測場景 二、數據架構 用戶畫像數倉架構 1.ETL作業 1⃣️業務數據 2⃣️日誌數據 3⃣️埋點數據 4⃣️外部數據 2.主題建模 1⃣️用戶屬性 2⃣️用戶行爲 3⃣️用戶偏好 4⃣️購買品類 5⃣️風險控制 6⃣️羣體偏好 3.畫像產品端管理 三、主要覆蓋模塊 1.用戶畫像基礎 2.數據指標體系 3.標籤數據存儲 4.標籤數據開發 5.開發性能調優 6.作業流程調度 1⃣️標籤加工2⃣️人羣計算 3⃣️同步數據到業務系統 4⃣️數據監控預警 7.用戶畫像產品化 產品化模塊1⃣️標籤視圖2⃣️用戶標籤查詢 3⃣️用戶分羣4⃣️透視分析 8.用戶畫像應用 1⃣️短信2⃣️郵件3⃣️站內信 4⃣️push消息的精準推送 5⃣️客服針對用戶的不同話術 6⃣️針對高質量用戶的極速退貨退款 四、開發階段流程 1.開發上線流程 1⃣️目標解讀 2⃣️任務分解與需求調研 3⃣️需求場景討論與明確 4⃣️應用場景與數據口徑確認 5⃣️特徵選取與模型數據落表 6⃣️線下模型數據驗收與測試 7⃣️線上模型發佈與效果追蹤 5.

推薦，對於數據畫像標籤搭建很好的入門書，從指標定義到底層開發，規則搭建和產品形式進行了清晰的闡述。 ◆ 前言 >> 從0到1開始搭建用戶畫像系統，從離線標籤開發、用戶數據分析、ETL調度、流式計算開發，到打通數據服務層、應用畫像數據服務業務方、獲得業務增長的反饋 >> 一套好的解決方案需要包括以下幾個層面。1）架構層：在畫像系統的架構層，本書首先介紹了畫像數據倉庫的架構，進一步介紹了數據存儲的技術選型，在什麼場景下使用Hive、MySQL、HBase、Elasticsearch等工具存儲數據，用戶標籤開發、人羣計算開發等相應數據開發層面的內容，以及整個項目的開發流程和各階段的關鍵產出。2）流量層：介紹整個方案是如何運作起來的。本書主要涉及畫像系統的作業流程調度、數據倉庫和各業務系統的打通。3）業務層：包括系統的前後端交互以及如何把這套系統應用在業務服務層面。本書通過用戶畫像產品化介紹了產品端和畫像系統的“代碼”層面是如何進行交互操作的。4）方案價值：包括系統上線後如何服務於各業務場景產生業務價值以及有待進一步完善的地方。 ◆ 1.1.2 標籤類型 >> 從對用戶打標籤的方式來看，一般分爲3種類型（如圖1-3所示）：①統計類標籤；②規則類標籤；③機器學習挖掘類標籤。 ◆ 1.3 主要覆蓋模塊 >> 搭建一套用戶畫像方案整體來說需要考慮8個模塊的建設，如圖1-5所示。[插圖] ◆ 1.4.2 各階段關鍵產出 >> 畫像體系的開發分爲幾個主要階段，包括前期指標體系梳理、用戶標籤開發、ETL調度開發、打通數據服務層、畫像產品端開發、面向業務方推廣應用、爲業務方提供營銷策略的解決方案等，如表1-1所示。表1-1 用戶畫像項目各階段關鍵產出[插圖] ◆ 第2章 數據指標體系 >> 互聯網相關企業在建立用戶畫像時一般除了基於用戶維度（userid）建立一套用戶標籤體系外，還會基於用戶使用設備維度（cookieid）建立相應的標籤體系 ◆ 2.1 用戶屬性維度 >> 用戶屬性是刻畫用戶的基礎。常見用戶屬性指標包括：用戶的年齡、性別、安裝時間、註冊狀態、城市、省份、活躍登錄地、歷史購買狀態、歷史購買金額等。 >> 用戶屬性標籤包含統計類、規則類、機器學習挖掘類等類型 ◆ 2.2 用戶行爲維度 >> 常見用戶行爲維度指標（見表2-2）包括：用戶訂單相關行爲、下單/訪問行爲、用戶近30天行爲類型指標、用戶高頻活躍時間段、用戶購買品類、點擊偏好、營銷敏感度等相關行爲。 ◆ 2.3 用戶消費維度 >> 用戶消費維度標籤示例[插圖] ◆ 2.4 風險控制維度 >> 例如可從賬號風險、設備風險、借貸風險等維度入手構建風控維度標籤體系 ◆ 2.7 標籤命名方式 >> 可以從標籤主題、刻畫維度、標籤類型、一級歸類等多角度入手來確定每個標籤的唯一名稱，如圖2-5所示。[插圖] ◆ 3.1.3 標籤匯聚 標籤匯聚成json？ >> 開發udf函數“cast_to_json”將用戶身上的標籤匯聚成json字符串，執行命令將按分區存儲的標籤進行匯聚：[插圖] ◆ 3.1.4 ID-MAP >> 通過ID-MApping打通userid和cookieid的對應關係，可以在用戶登錄、未登錄設備時都能捕獲其行爲軌跡。 ◆ 3.2.1 元數據管理 >> 平臺標籤視圖中的標籤元數據可以維護在MySQL關係數據庫中，便於標籤的編輯、查詢和管理。 ◆ 3.3 HBase存儲 >> HBase是一個高性能、列存儲、可伸縮、實時讀寫的分佈式存儲系統，同樣運行在HDFS之上。與Hive不同的是，HBase能夠在數據庫上實時運行，而不是跑MapReduce任務，適合進行大數據的實時查詢。 ◆ 第4章 標籤數據開發 >> 標籤數據開發是用戶畫像體系搭建中最主要的環節，主要包括離線標籤開發、實時類標籤開發、用戶特徵庫開發、人羣計算、打通數據服務層等開發內容。

對畫像系統有一個初步認識，最後面的案例，我覺得並沒有說明如何跟畫像的功能和內容結合。 比較想知道從0 到一做一個場景從數據採集清洗存儲畫像結構設計、產品化 的完整說明。 另外，海量的用戶又如何保證數據獲取的高效性。

"這是一本從技術、產品和運營3個角度講解如何從0到1構建用戶畫像系統的著作，同時它還爲如何利用用戶畫像系統驅動企業的營收增長給出瞭解決方案。作者有多年的大數據研發和數據化運營經驗，曾參與和負責多個億級規模的用戶畫像系統的搭建，在用戶畫像系統的設計、開發和落地解決方案等方面有豐富的經驗。 在衆多數據分析方法中，用戶畫像幾乎是後期數據工作的“標配”，適用於應用層的個性化推薦、精準營銷、客羣管理和運營等各個場景，對於企業戰略決策和戰術實施極爲關鍵。本書圍繞用戶畫像主題進行了深度剖析，從實戰角度結合多業務場景對用戶畫像相關技術進行詳細講解。涵蓋畫像基礎、指標體系搭建、數據存儲、數據開發、性能調優、流程調度、產品化案例和實踐應用等內容，完整、詳實且落地性強，對於做分層策略的運營人員、追求用戶體驗的產品經理、尋找解決方案的數據分析師、搭建底層特徵的算法工程師來說，是不可多得的案頭工具書！"

這是一本從技術、產品和運營三個角度講解如何從0到1構建一個用戶畫像系統的著作，同時它還爲如何利用用戶畫像系統驅動企業的營收增長給出瞭解決方案。書中手把手教授工程實現、模型搭建、應用場景等內容，對於做分層策略的運營人員、追求用戶體驗的產品經理、尋找解決方案的數據分析師、搭建底層特徵的算法工程師來說，是不可多得的案頭工具書！