1.用戶畫像的構(gòu)建原則

我們做用戶畫像的目的有兩個：

必須從業(yè)務(wù)場景出發(fā)，解決實際的業(yè)務(wù)問題，之所以進行用戶畫像要么是獲取新用戶，或者是提升用戶體驗，或者是挽回流失用戶等有明確的業(yè)務(wù)目標(biāo) 。根據(jù)用戶畫像的信息做產(chǎn)品設(shè)計，必須要清楚知道用戶長什么樣子，有什么行為特征和屬性，這樣才能為用戶設(shè)計產(chǎn)品或開展?fàn)I銷活動。

一般常見的錯誤想法是畫像維度的數(shù)據(jù)越多越好，畫像數(shù)據(jù)越豐富越好，費了很大的力氣進行畫像后，卻發(fā)現(xiàn)只剩下了用戶畫像，和業(yè)務(wù)相差甚遠，沒有辦法直接支持業(yè)務(wù)運營，投入精力巨大但是回報微小，可以說得不償失。鑒于此，我們的畫像的維度和設(shè)計原則都是緊緊跟著業(yè)務(wù)需求去推動。

2.用戶畫像數(shù)據(jù)倉庫構(gòu)建

2.1 數(shù)據(jù)源的集成

目前Qunar用戶畫像數(shù)據(jù)倉庫中的數(shù)據(jù)源來自業(yè)務(wù)數(shù)據(jù)庫的數(shù)據(jù)和用戶行為日志數(shù)據(jù)，目前數(shù)據(jù)倉庫中基本涵蓋了機票、酒店、火車票以及保險等業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，可以從全方位的了解去哪兒的一個用戶的畫像。

2.2 我們有哪些數(shù)據(jù)?-數(shù)據(jù)維度

　　2.3 我們有哪些數(shù)據(jù)?-數(shù)據(jù)倉庫

目前我們畫像數(shù)據(jù)倉庫的構(gòu)建都是基于Qunar基礎(chǔ)數(shù)據(jù)倉庫進行構(gòu)建，并按照維度進行劃分。

　　目前數(shù)據(jù)倉庫中包括的信息如下：

畫像數(shù)據(jù)倉庫表20個畫像數(shù)據(jù)倉庫國內(nèi)、國際 2年+數(shù)據(jù)標(biāo)簽數(shù)據(jù)每日增量

–基本數(shù)據(jù)

–業(yè)務(wù)數(shù)據(jù)

–搜索

–Booking

2.4 用戶唯一標(biāo)識設(shè)計

用戶唯一標(biāo)識是整個用戶畫像的核心，它把從用戶開始使用app到下單到售后整個所有的用戶行為軌跡進行關(guān)聯(lián)，可以更好的去跟蹤和描繪一個用戶的特征。

　　2.5 ETL過程設(shè)計-調(diào)度系統(tǒng)

依賴數(shù)據(jù)平臺調(diào)度系統(tǒng)定時觸發(fā)和Job依賴觸發(fā)兩種模式

　　2.6 ETL過程設(shè)計-任務(wù)執(zhí)行

ETL的過程主要是將數(shù)據(jù)源的清洗到數(shù)據(jù)倉庫表的過程(每天更新增量)Summary表的處理邏輯(每天更新全量)標(biāo)簽庫的處理(每周更新，2年全量)

　　2.7 用戶主題分析及數(shù)據(jù)挖掘

有了豐富的畫像數(shù)據(jù)后，產(chǎn)品和運營人員可以根據(jù)用戶主題進行數(shù)據(jù)分析和數(shù)據(jù)挖掘相關(guān)的工作。用戶主題Cube的定義如下：

Measure：

–訂單數(shù)量

–訂單金額

–搜索次數(shù)

–Booking次數(shù)

Dimension：

–下單時間

–出發(fā)時間

–航司信息

–艙位信息

–航班(出發(fā)地、目的地)

–基本信息(年齡、性別等自然屬性)

　　3.用戶畫像標(biāo)簽構(gòu)建策略

3.1用戶標(biāo)簽特征屬性

用戶的特征屬性可以是事實的，也可以是抽象的;可以是自然屬性，比如性別，年齡，星座等，可以是社會屬性，比如職業(yè)，社交，出生地等;還可以是財富狀況，比如是否高收入人群，是否有豪車豪宅等固定資產(chǎn)，對于機票用戶來講位置特征也是比較重要的屬性，比常駐地，常出差地，老家等。這些屬性都可以清楚的描繪一個用戶的畫像特征。

畫像標(biāo)簽一般根據(jù)公司的業(yè)務(wù)體系來設(shè)計，存儲有HDFS，HBASE，ES標(biāo)簽的更新頻率：每日更新，每周、每月更新標(biāo)簽的生命周期：有的數(shù)據(jù)隨時間衰減迭代

3.2用戶標(biāo)簽分類及特征項

提到用戶畫像就不得不提到一個詞“標(biāo)簽”。標(biāo)簽是表達人的基本屬性、行為傾向、興趣偏好等某一個維度的數(shù)據(jù)標(biāo)識，它是一種相關(guān)性很強的關(guān)鍵字，可以簡潔的描述和分類人群。標(biāo)簽的定義來源于業(yè)務(wù)目標(biāo)，基于不同的行業(yè)，不同的應(yīng)用場景，同樣的標(biāo)簽名稱可能代表了不同的含義，也決定了不同的模型設(shè)計和數(shù)據(jù)處理方式。我們給機票用戶畫像打標(biāo)簽分類為兩大類，基礎(chǔ)類標(biāo)簽和個性化標(biāo)簽，這些標(biāo)簽可以有重復(fù)，但是都是通過不同的角度去定義和刻畫一個用戶，來滿足不同的業(yè)務(wù)營銷需求。

　　3.3用戶標(biāo)簽庫構(gòu)建流程

　　4.用戶畫像技術(shù)架構(gòu)

4.1 技術(shù)架構(gòu)

　　4.2 實施方法論

　　5.用戶畫像數(shù)據(jù)應(yīng)用實踐

5.1 用戶群體特征分析

設(shè)計目標(biāo)

–根據(jù)條件可選項，輸出篩選用戶群體

–圖形展示用戶群體屬性特征

應(yīng)用場景

–如果篩選的用戶群組滿足業(yè)務(wù)的要求，將篩選條件形成參數(shù)

–根據(jù)參數(shù)提供接口查詢

　　5.2 客戶行為預(yù)測

客戶行為預(yù)測建立步驟

建模數(shù)據(jù)準備客戶流失節(jié)點判斷模型應(yīng)用變量確定模型構(gòu)建模型應(yīng)用模型驗證

　　可以對用戶流失做及時預(yù)測指導(dǎo)建議用戶維系運營。

5.3 數(shù)據(jù)和業(yè)務(wù)在一起

用戶畫像與業(yè)務(wù)產(chǎn)品互相依賴，相輔相成

用戶畫像標(biāo)簽庫豐富優(yōu)化快速提供數(shù)據(jù)服務(wù)數(shù)據(jù)分析+機器學(xué)習(xí)+模型訓(xùn)練

　　6.總結(jié)

用戶畫像作為大數(shù)據(jù)的根基，它完美的描述了一個用戶的信息全貌，為進一步精準、快速的分析用戶行為、消費等重要信息，用戶畫像倉庫同時也提供了足夠的數(shù)據(jù)基礎(chǔ)，讓我們Qunar更好的為用戶提供高價值的服務(wù)，滿足用戶智慧出行的需要。

作者介紹李國芳，去哪兒網(wǎng)機票大數(shù)據(jù)組，精于架構(gòu)，追求極致。曾先后搭建起機票實時數(shù)據(jù)處理系統(tǒng)，并主導(dǎo)用戶畫像項目，指導(dǎo)各業(yè)務(wù)線精準定位用戶。在數(shù)據(jù)倉庫方面，搭建saiku + kylin + hive平臺，為運營及業(yè)務(wù)分析人員提供更快速精確的OLAP工具。技術(shù)涉獵廣泛，樂于分享和激勵新人。

【編輯推薦】