用户画像参数建模

1.概念

用户画像(persona)是建立在一系列属性数据之上的目标用户模型，即真实用户的虚拟代表。通常是根据用户属性类（如用户人口学特征）、用户行为标签类（网络社交活动）、用户消费能力类（消费行为）、用户偏好类（如网络浏览内容、时间）等信息而抽象出的一个标签化的用户模型。

2.用途

• 精准营销：精准直邮、短信、App消息推送、个性化广告等。
• 用户研究：指导产品优化，甚至做到产品功能的私人定制等。
• 个性服务：个性化推荐、个性化搜索等。
• 业务决策：排名统计、地域分析、行业趋势、竞品分析等。

3.建模过程

1. 数据收集
2. 数据清洗
3. 模型训练
4. 属性预测
5. 特征合并

4.特征参数

• 用户属性：年龄、性别、手机号归属地、身份证归属地；
• 活跃指标：登录/浏览时间段、时长、频次、登陆地；
• 消费能力：消费金额、消费频次、最近消费时间（结合活跃指标做RFM分层）；
• 流失预警：预测用户的流失意向，将指数分等级；
• 行为标签：将用户行为、偏好标签化；

5.常用模型

• 二分类问题（如用户性别）：朴素贝叶斯、逻辑回归
• 预测推荐：决策树、SVM、神经网络
• 聚类问题（标签化）：k-means
• 文本挖掘：LDA (topic modelling)、TF-IDF