浅谈离线用户画像开发

用户画像一般包含三种画像：基础画像（base_info_da）、行为画像（action_info_da）、偏好画像（prefer_info_da）。

• 基础画像：用户的年龄、性别、婚姻状态，还有挖掘类标签也可融入其中，如用户生命周期、留存率、流失率等。
• 行为画像：比如用户近X天在Y维度下访问、关注商品的次数。（X可以是1、3、7、100天，Y可以是比如裤子类、羽绒服类、夹克类）
• 偏好画像：根据用户X的行为数据，进行时间衰减和不同行为的权重计算出偏好。（比如裤子类中，用户对休闲裤的偏好是0.6，牛仔裤的偏好是0.4）

用户画像需要买足三个特性：一致性、快速产出、快速迭代。

• 一致性：各种画像数据能够对得上。（用户近7天有牛仔裤页面的访问，但是没有裤子类的偏好）
• 快速产出：离线画像T+1，越早产出业务方使用效果越好。
• 快速迭代：快速优化、新增画像数据到画像。（比如用户偏好增加用户行为，新增一个维度的用户偏好）

基于上述特性，开始进行设计：

1. mapped层：要有一份最全的行为数据，包括线上、线下、商机，详情页、非详情页、主页、各种频道页面，只要是和用户有关的数据都要包含。
2. action层：从mapped取到和某件商品（主体）直接关联的数据，比如裤子页面的访问数据需要，裤子列表页的数据不需要。
3. 目前有了各种用户数据，就需要思考每种画像所需的数据是什