简单人物画像_【用户画像系列】用户建模

为了满足用户的个性化需求，需要对用户画像进行建模，从而为行为分析习惯、兴趣偏好等重要的商业信息，提供大量的基础数据。

一、用户画像建模的核心

是对用户潜在的意图和兴趣进行表示和存储，根据用户的基础信息、产品信息、访问信息、行为偏好、以及隐式兴趣等归纳出可读取、可计算的用户模型。一般来说，用户建模就是将用户信息标签化，标签化的含义是矩阵中的特征值，用户建模的过程就是将用户信息矩阵化，然后再找出特征值。

二、用户的定量数据

用户画像可以归纳为定量数据和定性数据，定量数据相比定性数据要简单在定量的用户画像建模过程中，需要考虑用户的维度，也叫颗粒度，颗粒度越小，用户刻画就越精准，当然，过犹不及，如果颗粒度越小就要求获取用户越细化用户数据，这会导致获取用户信息的成本增加，而且还会导致用户画像的适配性降低，因此，做用户画像之前，分析师们是要提前做好预设的，在没有数据的时候，这一步的完成可以依靠问卷调查的方法，了解用户的使用场景，关注内容等等，然后以此为基础设计用户画像，对把握颗粒度有一定的参考意义。

确定了用户的颗粒度，就可以通过问卷、访谈或者技术手段来获取用户行为，存储和分析用户数据，获得定量的用户画像。

1、问卷、访谈的形式

是相对直接的手段，通过这种方式，我们可以直接的获取真实的信息，无须过多的建模预测，更多的是处理数据的缺失值、异常值等基础的数据预处理工作。

2、采用技术手段

属于隐式的数据获取方式，进一步的通过统计、规约、分析等方式获取用户画像数据，但是这种方式准确性比较低，但是较显性获取方式，隐性获取方式更容易，样本也会更大，更具有普世性。如何提高隐性方式的准确度呢，一方面是大量用户数据的收集与挖掘，一方面是干脆就将隐性数据当成显性数据的补充。无论是问卷、访谈，还是技术手段的的数据分析，都要进行效度和信度的论证，以保证数据尽可能准确可用。

仅仅依靠定量化的用户画像无法全面、精准地刻画用户:数字无法描述用户某些属性，如用户的兴趣模型，你就很难去评估他对一个内容的的兴趣模型，以及其会随着时间变化而发生怎样的转变。

三、用户的定性画像</