用户画像
关注
分享
扫一扫
文章平均质量分 54
Running_Tiger
这个作者很懒，什么都没留下…
展开
-
初识用户画像
初识用户画像右边是一个人的基本属性，通过一个人的基本属性我们可以了解到这个人的基本信息，左边上图是通过消费购物信息来描述一个人特征，左边下图是通过交际圈信息来描述一个人特征，通过不同的维度，去描述一个人，认识一个人，了解一个人。这就是用户画像。用户画像：也叫用户信息标签化、客户标签；根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。从电商的角度看，根据你在电...原创 2018-03-15 09:55:45 · 705 阅读 · 0 评论 -
用户画像 数据开发的步骤
用户画像–数据开发的步骤数据开发前置依赖需求确定建模确定表结构实现方案确定数据开发过程表落地写sql语句实现业务逻辑部署代码数据测试试运行与上线这里涉及到数据保密，感兴趣的朋友可以自己探索去建表实现。喜欢就点赞评论+关注吧感谢阅读，希望能帮助到大家，谢谢大家的支持！原创 2018-03-17 15:36:37 · 1412 阅读 · 0 评论 -
Hive整合Hbase（二）
Hive整合Hbase实战1、hbase表映射到hive表中1、在hbase中创建表：表名hbase_test, 有三个列族 f1、f2、f3create 'hbase_test',{NAME => 'f1',VERSIONS => 1},{NAME => 'f2',VERSIONS => 1},{NAME => 'f3',VERSIONS => 1}2、插入数据put 'hbase_tes原创 2018-03-16 20:22:42 · 550 阅读 · 0 评论 -
Hive整合Hbase（一）
Hive整合Hbase（一）1、简介Hive提供了与HBase的集成，使得能够在HBase表上使用HQL语句进行查询 插入操作以及进行Join和Union等复杂查询、同时也可以将hive表中的数据映射到Hbase中。2、应用场景1、将ETL操作的数据存入HBase 2、HBase作为Hive的数据源 3、构建低延时的数据仓库 3、环境准备3.1...原创 2018-03-16 18:47:39 · 2101 阅读 · 2 评论 -
用户画像数据仓库建立（二）
数据仓库基本表介绍1、BDM层数据表(贴源缓存层) 表名 含义 itcast_bdm_order 订单表 itcast_bdm_order_desc 订单明细表 itcast_bdm_order_goods 订单商品表 itcast_bdm_user 用户表 itcast_bdm_order_cart 购物车表 itcast_bdm_user_pc_原创 2018-03-16 12:43:12 · 3619 阅读 · 1 评论 -
用户画像数据仓库建立（一）
数据仓库准备工作1、为什么要对数据仓库分层？用空间换时间，通过大量的预处理来提升应用系统的用户体验（效率），因此数据仓库会存在大量冗余的数据。如果不分层的话，如果源业务系统的业务规则发生变化将会影响整个数据清洗过程，工作量巨大。通过数据分层管理可以简化数据清洗的过程，因为把原来一步的工作分到了多个步骤去完成，相当于把一个复杂的工作拆成了多个简单的工作，把一个大的黑盒变成了一个白盒，每一层的处理原创 2018-03-16 09:58:27 · 5158 阅读 · 1 评论 -
用户画像环境搭建
用户画像环境搭建Hive的执行任务是将hql语句转化为MapReduce来计算，查询耗时长。主要原因是Hive原生基于MapReduce的，如果我们不生成MapReduce Job，而是生成Spark Job，就可以充分利用Spark的快速执行能力来缩短HiveHQL的响应时间。本项目采用SparkSql与hive进行整合，通过SparkSql读取hive中表的元数据，快速的为用户打上标签构建用户画原创 2018-03-16 09:03:36 · 1106 阅读 · 0 评论 -
用户画像建模（四）
用户访问信息表根据客户访问的情况提取相关客户标签。 用于了解用户的访问总体情况，方便根据客户游览习惯做营销 主要数据来源：点击流日志行为表（PC/APP端）点击流日志行为表可以得到相关标签最近一次APP/PC端访问日期、最近一次APP/PC端访问使用操作系统、最近一次APP/PC端访问使用游览器、最近一次访问IP地址、最近一次访问城市、最近一次访问的省份—–分析用户...原创 2018-03-16 08:32:37 · 1467 阅读 · 0 评论 -
用户画像建模（三）
客户购买类目表根据客户购买类目的情况提取客户标签，用于了解类目的购买人群情况和针对某一类目的营销等。 主要数据来源：订单表、购物车表、类目维表1、类目维表可以得到相关标签一级分类ID、一级分类名称、二级分类ID、二级分类名称、三级分类ID、三级分类名称—–分析用户都购买了哪些类目。电商的三级类目： 京东商城： 淘宝： 2、订单表和类目维表可以得...原创 2018-03-16 08:32:30 · 3203 阅读 · 0 评论 -
用户画像建模（二）
客户消费订单表根据客户消费的情况提取的客户标签，用于了解用户的消费总体情况， 最终的目的根据用户消费习惯与消费能力做营销。主要数据来源：订单表、退货表、用户表、购物车表1、订单表可以得到相关标签第一次消费时间、最近一次消费时间、首单距今时间、尾单距今时间——分析用户什么时候来购买商品以及多久没有购买了。最小消费金额、最大消费金额、累计消费次数(不含退拒)、累计...原创 2018-03-16 08:32:18 · 2922 阅读 · 0 评论 -
用户画像建模（一）
用户基本属性表根据用户所填写的属性标签和推算出来的标签。用于了解用户的人口属性的基本情况和按不同属性维度统计。 作用：按人口属性营销、比如营销80后，对金牛座的优惠，生日营销。 主要数据来源：用户表、用户调查表、孕妇模型表、马甲模型表。 用户表：记录用户最基本的属性特性。 用户调查表：补充用户的其他基本信息。用户所填写的基本信息：用户ID、用户名、密码、性别、手机号、邮箱、年龄、户...原创 2018-03-15 09:56:23 · 20022 阅读 · 1 评论 -
构建电商用户画像（三）
目标分析用户画像的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重。 如，红酒 0.8、李宁 0.6。标签：表现了内容，用户对该内容有兴趣、偏好、需求等等。权重：表现了指数，用户的兴趣、偏好指数，也可能表现用户的需求度，可以简单的理解为可信度，概率。喜欢就点赞评论+关注吧感谢阅读，希望能帮助到大家，谢谢大家的支持！...原创 2018-03-15 09:56:15 · 786 阅读 · 0 评论 -
构建电商用户画像（二）
源数据分析用户数据分为2类：动态信息数据、静态信息数据静态信息数据来源：用户填写的个人资料，或者由此通过一定的算法，计算出来的数据如果有不确定的，可以建立模型来判断，比如用户的性别注册没有填写，可以建立模型，根据用户的行为来判断用户性别是什么，或者它的概率动态信息数据来源：用户行为产生的数据：注册、游览、点击、购买、签收、评价、收藏等等。用户比较重要的行为数据：游...原创 2018-03-15 09:56:09 · 900 阅读 · 0 评论 -
构建电商用户画像（一）
构建电商用户画像技术和流程构建一个用户画像，包括数据源端数据收集、数据预处理、行为建模、构建用户画像。 有些标签是可以直接获取到的，有些标签需要通过数据挖掘分析到。喜欢就点赞评论+关注吧感谢阅读，希望能帮助到大家，谢谢大家的支持！...原创 2018-03-15 09:56:02 · 2451 阅读 · 0 评论 -
构建电商用户画像的重大意义
构建电商用户画像的重大意义振宇在《时间的朋友》跨年演讲举了这样一个例子：当一个坏商家掌握了你的购买数据，他就可以根据你平时购买商品的偏好来决定是给你发正品还是假货以此来提高利润，且不说是否存在这种情况，但这也说明了利用用户画像可以做到“精准营销”，当然这是极其错误的用法。 其作用大体不离以下几个方面：1、精准营销，分析产品潜在用户，针对特定群体利用短信邮件等方式进行营销； 2、用户统...原创 2018-03-15 09:55:54 · 1792 阅读 · 0 评论 -
用户画像数据可视化
用户画像数据可视化1、数据可视化方案技术框架：maven+spring+phoenix 核心点：采用phoenix与hbase整合，通过sql语句来操作NoSql数据库。2、Phoenix建立hbase表的映射表这里列出了一部分字段具体字段根据业务需要来创建。create table "cheng_adm_personas_hbase_20170101"("user_id" varchar(10原创 2018-03-17 16:39:41 · 8990 阅读 · 0 评论