栖客

用户画像可以简单理解成是海量数据的标签，根据用户的目标、行为和观点的差异，将他们区 分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、 场景等描述，形成了一个人物原型(personas)。A user profile is a visual display of personal data associated with a specific user, or a customized desktop environment.用户画像就是与该用户相关联的数据的可视化展

转载自：http://www.itongji.cn/article/0Z910202012.html -----------------------------企划概论------------------------前面提到过大供应链应用的目的就是练内功的, 为了最快获得现金流, 且还能获得足够的利润, 在供应链的”供需”关系中, 它的作用是”供”. 而与之匹配

转载自：http://www.itongji.cn/article/022D122012.html笔者根据B2C运营的的业务特点，建立了整体B2C运营体系的数据模型，技术部已经开始对接商城后台，实施我们WEB版的数据分析后台。明年我们的运营部，将逐步实现运营数据化，以数据为指导思想，来发现问题，解决问题，逐步使我们的运营工作稳健的上一个又一个台阶。第一项：日常性

l众所周知，在Google Analytics中跟踪一个设备是没有问题，而且很完善，但是在多个设备间切换就不行了，因为设备中都有浏览器，网站分析工具会将cookie放到不同设备的浏览器中，所以cookie就没有办法传递。带着这个问题，看到了Avinash的一篇关于多渠道归因模型的文章，才知道原来多渠道归因有三种模型，以前只知道其中一种，就是跨渠道，例如跨广告，自然搜索，电子邮件，推荐流量等

转载自：http://www.itongji.cn/article/062422N2013.html6月21日消息，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。哈佛大学社会学教授加里•金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”“大数据产业的生态环

转载自：http://www.itongji.cn/article/0F923E2013.html在当今市场上，商业的成功离不开有效的客户关系管理(Customer Relationship Management，CRM)。客户关系管理的本质是更有效地进行竞争。客户关系管理的目标是缩减销售周期和销售成本、增加收人、寻找扩展业务所需的新的市场和渠道、以及提高客户的价值、满意度、赢

转载自：http://www.itongji.cn/article/101012142012.htmlAvinash Kaushik在他的《Web Analytics》一书中将数据的来源分为4部分：点击流数据（Clickstream）、运营数据（Outcomes）、调研数据（Research/Qualitative）和竞争对手数据（Competitive Data）。点击流数据

转载自：http://www.itongji.cn/article/1119293H013.html下图是一个网站分析的生命周期示意图，在确认好分析需求并收集好我们所需要的数据后（强调一下，明确分析需求很重要，这可以避免为了分析而分析），我们就可以充分使用网站分析工具的各种报告对数据展开分析。但网站分析工具中的数据量非常大，你可能一不小心就淹没在数据的海洋中，你

转载自：【编者注】网站流量统计，是指对网站访问的相关指标进行统计。本文整理自网友分享的一份Word文档，主要介绍了网站分析的KPI指标、数据分析方法、网站分析工具介绍和对比等。一、总论1. 概念网站流量统计，是指对网站访问的相关指标进行统计。网站访问分析（有时也使用“网站流量分析”、“网站流量统计分析”、“网站访问统计分析”等相近的概念），是指在获得网站流量统计基本

转载自：什么是网站用户的生命周期价值（Lifetime Value，简称LTV），及为什么要使用LTV这个指标。其中主要阐述的是在SEM及网站推广的过程中不要仅关注于一次访问（Visit）中的转化率 （Conversion Rates）和CPA（Cost Per Acquisition）这些指标，计算用户在网站的整个周期中创造的总价值将更具意义，用户生命周期价值对于衡量网站的推

转载自：理论上，BI分析部门有三种放法：放在技术部、放在其他部门（如财务）、独立，三种做法各有利弊。下图是埃森哲的一图，对企业BI（数据）分析部门的不同组织架构特征进行了简要的说明，不同的组织架构有不同的优缺点，譬如：放在技术部，优点是离数据源近、提数方便、分析自主性强，且能够方便的支持BI开发做需求接口，业务部门的数据需求仅需要通过一次跨部门沟通即可实现。 放在财务部，缺

转载自：http://www.itongji.cn/article/0Z410052012.html------数据分析避免思维局限------    数据分析往往跟着业务需求走，但如果业务需求本身就有狭隘性，那么数据分析不可避免存在狭隘性，所以说数据分析师需要有超越一般业务人员的业务整合和抽象能力。    例如我们要做精确营销的时候，常需要分析客户，如RFM分

*利用大数据后，农夫山泉会发生管理变革吗？YES*中国能制作出类《纸牌屋》的电视局吗？NO*大数据可以给阿迪达斯带来利润吗？YES*网易数据工程师可以当“媒婆”？YES*中国政府未来会开放数据吗？YES*正在到来的数据革命改变政府、商业和我们的生活......       《纸牌屋》　　  就在制作这期“大数据专题”时，编辑部发生热烈讨论

转载自：http://blog.youkuaiyun.com/u013166160/article/details/17539427本文，讨论batch-gradient和stochastic gradient descent的并行化。首先来看batch-gradient。batch-gradient的每次更新都要在整个训练集上计算获得。比如，logistic regression的更新公

lffa和传统的商务相比，电子商务能够采集和分析数据，如果学会如何挖掘和分析数据，从产品到用户到营销整个流程就可以变得更加的精准、全面。数据对电子商务的价值是不言而喻的。如果你还在依靠传统的经验判断来开展营销的话，你真的out了。CRM中的数据挖掘就是利用数据挖掘理论和技术创建描述和预测客户行为的模型，优化CRM流程，实现企业有效的客户关系管理。具体来说，数据挖

转载自：为成功地利用预测模型，您需要从开发阶段直至生产环境对模型进行全面管理。模型生命周期管理是由以下阶段组成的高效交替过程：    • 确定业务目标    • 访问和管理数据    • 开发模型    • 验证模型    • 部署模型    • 监控模型确定业务目标第一步确定所

转载自：http://www.itongji.cn/article/0P534092014.html人工神经网络（ANN），简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行

转载自：http://www.itongji.cn/article/042620052013.html分析需要回答三个问题，用户行为分析也不例外。 前面我们聊了用户行为分析的内容、目的、差异性和流动性。这里再聊聊传播性。 当你想买一个东西的时候，若你是个理性的消费者，你就会考虑7要素：该不该买？给谁买？什么时候买？买什么？在哪买？买多少？怎么

转载自：http://www.itongji.cn/article/0P634152014.html有一天，我走进统计学的神殿 ，将所有谎言都装进原假设的盒子里，        “P值为零”，        一个声音传来，        “但你已经不能再拒绝，因为，P值已经死了”        从此，这个世界上充斥着谎言。一、一个悲伤的故

转载自：【编者按】11种用户，你如何应对？消费者很难千人一面，当客户所感知到的服务与他所期待的服务基本符合时，客户满意度才有可能达到高值。那么，面对不同的客户，商家应该做出怎样的应对呢?via@天下网商

转载自：http://www.itongji.cn/article/040919232013.html你的营销虽林林种种，但却有一个永恒的轴心：用户。用户行为指挥着营销活动的走向：从新品开发到价格制定；从渠道管理到品牌管理……，营销围绕用户展开，用户行为分析是营销工作的首要环节。用户行为分析需要回答三个问题：什么是用户行为（What）？为什么分析用户行为（Why）？如何

转载自：http://www.itongji.cn/article/101336202014.html        互联网的红利烧红了一个新的职业：产品经理。一夜间，人人都是产品经理。很多成名大佬喜欢说：“其实，我是一名产品经理”，不论之前是写博客的还是说相声的。边装低姿态，变暗示自己产品领域倍专业，居功至伟。名头可以随便起，但是作为一个产品经理的核心功力：用户需求分析，

转载自：http://www.itongji.cn/article/0PR5E2013.html当下，在互联网高速发展的今天，各类产品层出不穷。从一开始做好一些特定功能满足用户的特定需求，到现在分析用户行为、提高用户体验，我们做了很多也经过了很多，而我们的目的只有一个:让更多的用户使用我们的产品。用户行为分析、用户粘性，是我们做产品的人最关注的事情，因为这关系到我们的“孩子”最

转载自：http://www.itongji.cn/article/112929E2013.htmlBI商业智能软件一般都会提供若干数据整合、数据查询、分析与评价、数据可视化及数据分享的手段，但是在BI项目的构建与实施过程中，如果不按照一定的应用组织思路、数据分析模式及分析流程使用这些工具或手段，呈现给最终用户的将是独立的工具集和离散的分析内容，BI系统的整体应用效果将大打折扣。同时，最终

转载自：http://www.itongji.cn/article/051932552014.html从全球范围来看，采用商业地理数据进行商业选址及消费者地理细分在发达经济体已经非常普及。为更精准地服务不断升级的中国消费者，宜家家居、麦当劳、星巴克等专门成立了商业地理分析团队，来指导其在中国的店铺选址。麦肯锡的“解读中国”商业地理分析团队亦感受到来自客户方越来越强烈的需

转载自：http://www.itongji.cn/article/0G123M2013.html【编者按】多年前，某日系品牌轿车有个很经典的案例，就是随着时间的推移，汽车厂商向车主推荐不同箱型的车来满足车主们的需求，本文作者沈拓将从3个方面对连续型分析的价值进行阐述，详情如下。       假如你买了一辆车，买完以后，当你正思考车内配饰以及服务的时候，这时4S店的销售人员

转载自：导语：大数据分析技术的价值在企业领域已经非常明确。充分利用良好信息的能力一直是摆在IT部门面前的重要难题与挑战。现在我们已经拥有了足以解决这一难题的工具，接下来要做的就是想办法使其为自己服务了。        方方面面的发展改进已经让从半结构化数据中获取有价值信息成为可能。以Hadoop为代表的新型解决方案在构建层面就充分考虑到了要如何适应跨商用服务

转载自：http://www.itongji.cn/article/102RYH013.html本文作者冯月为股票雷达创始人如果有一天你可以预测未来，你要做的第一件事情是什么？买彩票？第二件、第三件事情呢？ 先卖个关子，我们后面再说这件事情。大数据是个产业，广义上指的是在这个信息过载时代围绕着海量信息产生、传播、收集、处理、创造价值的整个产品链条；狭义上

转载自：http://blog.youkuaiyun.com/kts_3/article/details/9326117原文地址：机器学习牛人主页及相关会议，论文，期刊作者：小深国际顶级会议AAAICIKM 2010CIKM 2011COLT 2010COLT 2011Computer Vision ResourceICJIAICMLNIPSSIGIR 2010SIGIR 2011

转载自：http://blog.youkuaiyun.com/macyang/article/details/393794951.1 GraphLab简介在海量数据盛行的今天，大规模并行计算已经随处可见，尤其是MapReduce框架的出现，促进了并行计算在互联网海量数据处理中的广泛应用。而针对海量数据的机器学习对并行计算的性能、开发复杂度等提出了新的挑战。机器学习的算法

转载自：http://blog.youkuaiyun.com/net_assassin/article/details/8990868大数据量的问题是很多面试笔试中经常出现的问题，比如baidu google 腾讯这样的一些涉及到海量数据的公司经常会问到。下面的方法是我对海量数据的处理方法进行了一个一般性的总结，当然这些方法可能并不能完全覆盖所有的问题，但是这样的一些方法也基本可以处理绝大

转载自：http://www.klshu.com/1617.html引言　　”物以类聚，人以群分”这句古语不仅揭示了物与人的自组织趋向，更隐含了’聚类’和’人群’之间的内在联系。 例如在现代数字广告投放系统中，最为关键的’人群定向’功能正是通过’聚类’算法得以实现的。如果您厌倦了隔靴搔痒的空大宣传，不妨就随笔者一起钻进系统内核，抽丝剥茧般探究技术的黑盒，还原受众行为分析的真相。

最近最常被问到的就是一些用户的统计指标，无论是决策层还是产品部门，所以这篇文章重点说下用户指标的一些内容。　　假设你想用尽量简洁有效的数据了解一个网站或产品的用户情况，你会问哪几个用户数据？其实一个聪明的提问者永远不会问网站的累计用户数有多少，甚至不会问网站的UV是多少，因为这些指标都不能从真正意义上去反映网站的价值和发展状况。　　举个简单的例子——网秦，累计用户数应该不下千万，但

转载自：关于推荐系统中的特征工程2014/08/06 | 分类： IT技术 | 0 条评论 | 标签： 机器学习分享到：5原文出处： phunters.lofter.com   欢迎分享原创到伯乐头条在多数数据和机器学习的blog里，特征工程 Feature Engineering 都很少被提到。做模型的或者搞Ka

转载自：一 为什么做爱情战略分析？基于对爱情的三个重要假设1、爱情是稀缺的情感资源：由于是稀缺资源，因此爱情存在竞争和选择，只有理性决策，才能在有限的资源约束下对情感做有效配置。2、爱情是理性选择对于大样本而言，理性恋爱的失败率要小于感性恋爱。3、爱情需要有效的价值管理与经营赢得爱情是一场战争，守住爱情是一

转载自：Hadoop is present in nearly every vertical today that isleveraging big data in order to analyze information and gain competitiveadvantages. Many financial organizations firms are already u

转载自：http://www.itongji.cn/article/0313T62012.html评价用户忠诚度　　用户忠诚度由4个指标——用户访问频率、最近访问时间、平均停留时间和平均浏览页面数决定，这4个指标没有明显的类别划分，并且可以认为是在同一层次上的相互独立的指标，所以只需要构建2层的模型：     　　我们需要计算底层每个指标对用户忠诚度

转载自：http://www.itongji.cn/article/120213c2012.html很多人在进行统计分析和市场研究的时候，都涉及到对数据进行加权的问题，这是一个搞数据分析和从事市场研究的人都会碰到的问题，需要大家正确理解并解释，并采用合理的操作技术和处理方法。什么是加权呢？  简单地说，就是要“让一些人变得比另一些人更重要！”要能够比较好的理解加权，首先

转载自：http://www.itongji.cn/article/0HR4Z2013.html DM（数据挖掘）是揭示存在于数据里的模式及数据间的关系的学科，它强调对大量观测到的数据库的处理。它是涉及数据库管理，人工智能，机器学习，模式识别，及数据可视化等学科的边缘学科。用统计的观点看，它可以看成是通过计算机对大量的复杂数据集的自动探索性分析。目前对该学科的作用尽管有点夸大其词，但该

转载自：http://www.itongji.cn/article/092335J2014.html其实这个时代已经很难用一个词来定义了。比如大数据时代、云计算时代、社交网络时代等等。但是有一点是可以肯定的，那就是不管怎么做，在商业领域要想成功都得基于，或者利用互联网才能够成功。因此，我觉得称为互联网时代可能更为贴切一些。　　有一次跟一个零售业里面很有名的，我很尊敬的教授交流，