導(dǎo)讀：用戶標(biāo)簽是個(gè)性化推薦、計(jì)算廣告、金融征信等眾多大數(shù)據(jù)業(yè)務(wù)應(yīng)用的基礎(chǔ)，它是原始的用戶行為數(shù)據(jù)和大數(shù)據(jù)應(yīng)用之間的橋梁，本文會(huì)介紹用戶標(biāo)簽的構(gòu)建方法，也就是用戶畫像技術(shù)。

作者：馬海平 于俊 呂昕 向海

來(lái)源：大數(shù)據(jù)DT（ID：hzdashuju）

01?用戶畫像概述

1. 什么是用戶畫像

現(xiàn)代交互設(shè)計(jì)之父Alan Cooper很早就提出了Persona的概念：Persona是真實(shí)用戶的虛擬代表，是建立在一系列真實(shí)數(shù)據(jù)之上的目標(biāo)用戶模型，用于產(chǎn)品需求挖掘與交互設(shè)計(jì)。

通過調(diào)研和問卷去了解用戶，根據(jù)他們的目標(biāo)、行為和觀點(diǎn)的差異，將他們區(qū)分為不同的類型，然后從每種類型中抽取出典型特征，賦予名字、照片、人口統(tǒng)計(jì)學(xué)要素、場(chǎng)景等描述，就形成了一個(gè)Persona。Persona就是最早對(duì)用戶畫像的定義，隨著時(shí)代的發(fā)展，用戶畫像早已不再局限于早期的這些維度，但用戶畫像的核心依然是真實(shí)用戶的虛擬化表示。

在大數(shù)據(jù)時(shí)代，用戶畫像尤其重要。我們通過一些手段，給用戶的習(xí)慣、行為、屬性貼上一系列標(biāo)簽，抽象出一個(gè)用戶的全貌，為廣告推薦、內(nèi)容分發(fā)、活動(dòng)營(yíng)銷等諸多互聯(lián)網(wǎng)業(yè)務(wù)提供了可能性。它是計(jì)算廣告、個(gè)性化推薦、智能營(yíng)銷等大數(shù)據(jù)技術(shù)的基礎(chǔ)，毫不夸張地說(shuō)，用戶畫像是大數(shù)據(jù)業(yè)務(wù)和技術(shù)的基石。

用戶畫像的核心工作就是給用戶打標(biāo)簽，標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識(shí)，如年齡、性別、地域、興趣等。由這些標(biāo)簽集合能抽象出一個(gè)用戶的信息全貌，如圖10-1所示是某個(gè)用戶的標(biāo)簽集合，每個(gè)標(biāo)簽分別描述了該用戶的一個(gè)維度，各個(gè)維度相互聯(lián)系，共同構(gòu)成對(duì)用戶的一個(gè)整體描述。

▲圖10-1 用戶標(biāo)簽集合

2. 為什么需要用戶畫像

Cooper最初建立Persona的目的是讓團(tuán)隊(duì)成員將產(chǎn)品設(shè)計(jì)的焦點(diǎn)放在目標(biāo)用戶的動(dòng)機(jī)和行為上，從而避免產(chǎn)品設(shè)計(jì)人員草率地代表用戶。產(chǎn)品設(shè)計(jì)人員經(jīng)常不自覺地把自己當(dāng)作用戶代表，根據(jù)自己的需求設(shè)計(jì)產(chǎn)品，導(dǎo)致無(wú)法抓住實(shí)際用戶的需求。往往對(duì)產(chǎn)品做了很多功能的升級(jí)，用戶卻覺得體驗(yàn)變差了。

在大數(shù)據(jù)領(lǐng)域，用戶畫像的作用遠(yuǎn)不止于此。如圖10-2所示，用戶的行為數(shù)據(jù)無(wú)法直接用于數(shù)據(jù)分析和模型訓(xùn)練，我們也無(wú)法從用戶的行為日志中直接獲取有用的信息。而將用戶的行為數(shù)據(jù)標(biāo)簽化以后，我們對(duì)用戶就有了一個(gè)直觀的認(rèn)識(shí)。同時(shí)計(jì)算機(jī)也能夠理解用戶，將用戶的行為信息用于個(gè)性化推薦、個(gè)性化搜索、廣告精準(zhǔn)投放和智能營(yíng)銷等領(lǐng)域。

▲圖10-2 用戶標(biāo)簽化

對(duì)于一個(gè)產(chǎn)品，尤其是互聯(lián)網(wǎng)產(chǎn)品，建立完善的用戶畫像體系，有著重大的戰(zhàn)略意義。基于用戶畫像能夠構(gòu)建一套分析平臺(tái)，用于產(chǎn)品定位、競(jìng)品分析、營(yíng)收分析等，為產(chǎn)品的方向與決策提供數(shù)據(jù)支持和事實(shí)依據(jù)。在產(chǎn)品的運(yùn)營(yíng)和優(yōu)化中，根據(jù)用戶畫像能夠深入用戶需求，從而設(shè)計(jì)出更適合用戶的產(chǎn)品，提升用戶體驗(yàn)。

02 用戶畫像流程

用戶畫像的核心工作就是給用戶打“標(biāo)簽”，構(gòu)建用戶畫像的第一步就是搞清楚需要構(gòu)建什么樣的標(biāo)簽，而構(gòu)建什么樣的標(biāo)簽是由業(yè)務(wù)需求和數(shù)據(jù)的實(shí)際情況決定的。下面介紹構(gòu)建用戶畫像的整體流程和一些常用的標(biāo)簽體系。

1. 整體流程

對(duì)構(gòu)建用戶畫像的方法進(jìn)行總結(jié)歸納，發(fā)現(xiàn)用戶畫像的構(gòu)建一般可以分為目標(biāo)分析、標(biāo)簽體系構(gòu)建、畫像構(gòu)建三步，下面詳細(xì)介紹每一步的工作。

1）目標(biāo)分析

用戶畫像構(gòu)建的目的不盡相同，有的是實(shí)現(xiàn)精準(zhǔn)營(yíng)銷，增加產(chǎn)品銷量；有的是進(jìn)行產(chǎn)品改進(jìn)，提升用戶體驗(yàn)。明確用戶畫像的目標(biāo)是構(gòu)建用戶畫像的第一步，也是設(shè)計(jì)標(biāo)簽體系的基礎(chǔ)。

目標(biāo)分析一般可以分為業(yè)務(wù)目標(biāo)分析和可用數(shù)據(jù)分析兩步。目標(biāo)分析的結(jié)果有兩個(gè)：

• 一個(gè)是畫像的目標(biāo)，也就是畫像的效果評(píng)估標(biāo)準(zhǔn)；

• 另一個(gè)是可用于畫像的數(shù)據(jù)。

畫像的目標(biāo)確立要建立在對(duì)數(shù)據(jù)深入分析的基礎(chǔ)上，脫離數(shù)據(jù)制定的畫像目標(biāo)是沒有意義的。

2）標(biāo)簽體系構(gòu)建

分析完已有數(shù)據(jù)和畫像目標(biāo)之后，還不能直接進(jìn)行畫像建模工作，在畫像建模開始之前需要先進(jìn)行標(biāo)簽體系的制定。對(duì)于標(biāo)簽體系的制定，既需要業(yè)務(wù)知識(shí)，也需要大數(shù)據(jù)知識(shí)，因此在制定標(biāo)簽體系時(shí)，最好有本領(lǐng)域的專家和大數(shù)據(jù)工程師共同參與。

在制定標(biāo)簽體系時(shí)，可以參考業(yè)界的標(biāo)簽體系，尤其是同行業(yè)的標(biāo)簽體系。用業(yè)界已有的成熟方案解決目標(biāo)業(yè)務(wù)問題，不僅可以擴(kuò)充思路，技術(shù)可行性也會(huì)比較高。

此外，需要明確的一點(diǎn)是：標(biāo)簽體系不是一成不變的，隨著業(yè)務(wù)的發(fā)展，標(biāo)簽體系也會(huì)發(fā)生變化。例如電商行業(yè)的用戶標(biāo)簽，最初只需要消費(fèi)偏好標(biāo)簽，GPS標(biāo)簽既難以刻畫也沒有使用場(chǎng)景。隨著智能手機(jī)的普及，GPS數(shù)據(jù)變得易于獲取，而且線下營(yíng)銷也越來(lái)越注重場(chǎng)景化，因此GPS標(biāo)簽也有了構(gòu)建的意義。

3）畫像構(gòu)建

基于用戶基礎(chǔ)數(shù)據(jù)，根據(jù)構(gòu)建好的標(biāo)簽體系，就可以進(jìn)行畫像構(gòu)建的工作了。用戶標(biāo)簽的刻畫是一個(gè)長(zhǎng)期的工作，不可能一步到位，需要不斷地?cái)U(kuò)充和優(yōu)化。一次性構(gòu)建中如果數(shù)據(jù)維度過多，可能會(huì)有目標(biāo)不明確、需求相互沖突、構(gòu)建效率低等問題，因此在構(gòu)建過程中建議將項(xiàng)目進(jìn)行分期，每一期只構(gòu)建某一類標(biāo)簽。

畫像構(gòu)建中用到的技術(shù)有數(shù)據(jù)統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)（NLP）等，如圖10-3所示。具體的畫像構(gòu)建方法會(huì)在本文后面的部分詳細(xì)介紹。

▲圖10-3 用戶畫像的構(gòu)建技術(shù)

2. 標(biāo)簽體系

目前主流的標(biāo)簽體系都是層次化的，如圖10-4所示。首先標(biāo)簽分為幾個(gè)大類，每個(gè)大類再進(jìn)行逐層細(xì)分。在構(gòu)建標(biāo)簽時(shí)，只需要構(gòu)建最下層的標(biāo)簽，就能夠映射出上面兩級(jí)標(biāo)簽。

上層標(biāo)簽都是抽象的標(biāo)簽集合，一般沒有實(shí)用意義，只有統(tǒng)計(jì)意義。例如我們可以統(tǒng)計(jì)有人口屬性標(biāo)簽的用戶比例，但用戶有人口屬性標(biāo)簽，這本身對(duì)廣告投放沒有任何意義。

▲圖10-4 互聯(lián)網(wǎng)大數(shù)據(jù)領(lǐng)域常用標(biāo)簽體系

用于廣告投放和精準(zhǔn)營(yíng)銷的一般是底層標(biāo)簽，對(duì)于底層標(biāo)簽有兩個(gè)要求：一個(gè)是每個(gè)標(biāo)簽只能表示一種含義，避免標(biāo)簽之間的重復(fù)和沖突，便于計(jì)算機(jī)處理；另一個(gè)是標(biāo)簽必須有一定的語(yǔ)義，方便相關(guān)人員理解每個(gè)標(biāo)簽的含義。

此外，標(biāo)簽的粒度也是需要注意的，標(biāo)簽粒度太粗會(huì)沒有區(qū)分度，粒度過細(xì)會(huì)導(dǎo)致標(biāo)簽體系太過復(fù)雜而不具有通用性。

下文列舉了各個(gè)大類常見的底層標(biāo)簽。

• 人口標(biāo)簽：性別、年齡、地域、教育水平、出生日期、職業(yè)、星座

• 興趣特征：興趣愛好、使用App/網(wǎng)站、瀏覽/收藏內(nèi)容、互動(dòng)內(nèi)容、品牌偏好、產(chǎn)品偏好

• 社會(huì)特征：婚姻狀況、家庭情況、社交/信息渠道偏好

• 消費(fèi)特征：收入狀況、購(gòu)買力水平、已購(gòu)商品、購(gòu)買渠道偏好、最后購(gòu)買時(shí)間、購(gòu)買頻次

最后介紹一下構(gòu)建各類標(biāo)簽的優(yōu)先級(jí)。對(duì)此需要綜合考慮業(yè)務(wù)需求、構(gòu)建難易程度等，業(yè)務(wù)需求各有不同，這里介紹的優(yōu)先級(jí)排序方法主要依據(jù)構(gòu)建的難易程度和各類標(biāo)簽的依存關(guān)系，優(yōu)先級(jí)如圖10-5所示。

▲圖10-5 各類標(biāo)簽的構(gòu)建優(yōu)先級(jí)

1）事實(shí)標(biāo)簽

基于原始數(shù)據(jù)首先構(gòu)建的是事實(shí)標(biāo)簽，事實(shí)標(biāo)簽可以從數(shù)據(jù)庫(kù)直接獲取（如注冊(cè)信息），或通過簡(jiǎn)單的統(tǒng)計(jì)得到。這類標(biāo)簽構(gòu)建難度低、實(shí)際含義明確，且部分標(biāo)簽可用作后續(xù)標(biāo)簽挖掘的基礎(chǔ)特征（如產(chǎn)品購(gòu)買次數(shù)可用來(lái)作為用戶購(gòu)物偏好的輸入特征數(shù)據(jù)）。

事實(shí)標(biāo)簽的構(gòu)造過程，也是對(duì)數(shù)據(jù)加深理解的過程。對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)的同時(shí)，不僅完成了數(shù)據(jù)的處理與加工，也對(duì)數(shù)據(jù)的分布有了一定的了解，為高級(jí)標(biāo)簽的構(gòu)造做好了準(zhǔn)備。

2）模型標(biāo)簽

模型標(biāo)簽是標(biāo)簽體系的核心，也是用戶畫像中工作量最大的部分，大多數(shù)用戶標(biāo)簽的核心都是模型標(biāo)簽。模型標(biāo)簽的構(gòu)建大多需要用到機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)，下文介紹的標(biāo)簽構(gòu)建主要指的是模型標(biāo)簽構(gòu)建，具體的構(gòu)造算法會(huì)在下文中詳細(xì)介紹。

3）高級(jí)標(biāo)簽

最后構(gòu)造的是高級(jí)標(biāo)簽，高級(jí)標(biāo)簽是基于事實(shí)標(biāo)簽和模型標(biāo)簽進(jìn)行統(tǒng)計(jì)建模得出的，它的構(gòu)造多與實(shí)際的業(yè)務(wù)指標(biāo)緊密聯(lián)系。只有完成基礎(chǔ)標(biāo)簽的構(gòu)建，才能夠構(gòu)造高級(jí)標(biāo)簽。構(gòu)建高級(jí)標(biāo)簽使用的模型，可以是簡(jiǎn)單的數(shù)據(jù)統(tǒng)計(jì)模型，也可以是復(fù)雜的機(jī)器學(xué)習(xí)模型。

03 構(gòu)建用戶畫像

我們把標(biāo)簽分為三類，這三類標(biāo)簽有較大的差異，構(gòu)建時(shí)所用技術(shù)的差別也很大。

• 第一類是人口屬性，這一類標(biāo)簽比較穩(wěn)定，一旦建立很長(zhǎng)一段時(shí)間基本不用更新，標(biāo)簽體系也比較固定；

• 第二類是興趣屬性，這類標(biāo)簽隨時(shí)間變化很快，標(biāo)簽有很強(qiáng)的時(shí)效性，標(biāo)簽體系也不固定；

• 第三類是地理屬性，這一類標(biāo)簽的時(shí)效性跨度很大，如GPS軌跡標(biāo)簽需要做到實(shí)時(shí)更新，而常住地標(biāo)簽一般可以幾個(gè)月不用更新，所用的挖掘方法和前面兩類也大有不同，如圖10-6所示。

▲圖10-6 三類標(biāo)簽屬性

1. 人口屬性畫像

人口屬性包括年齡、性別、學(xué)歷、人生階段、收入水平、消費(fèi)水平、所屬行業(yè)等。這些標(biāo)簽基本是穩(wěn)定的，構(gòu)建一次可以很長(zhǎng)一段時(shí)間不用更新，標(biāo)簽的有效期都在一個(gè)月以上。同時(shí)標(biāo)簽體系的劃分也比較固定，表10-2是中國(guó)無(wú)線營(yíng)銷聯(lián)盟對(duì)人口屬性的一個(gè)劃分。

大部分主流的人口屬性標(biāo)簽都和這個(gè)體系類似，有些在分段上有一些區(qū)別。

▼表10-2 人口標(biāo)簽

很多產(chǎn)品（如QQ、Facebook等）都會(huì)引導(dǎo)用戶填寫基本信息，這些信息就包括年齡、性別、收入等大多數(shù)的人口屬性，但完整填寫個(gè)人信息的用戶只占很少一部分。對(duì)于無(wú)社交屬性的產(chǎn)品（如輸入法、團(tuán)購(gòu)App、視頻網(wǎng)站等），用戶信息的填充率非常低，有的甚至不足5%。

在這種情況下，一般會(huì)用填寫了信息的用戶作為樣本，把用戶的行為數(shù)據(jù)作為特征訓(xùn)練模型，對(duì)無(wú)標(biāo)簽的用戶進(jìn)行人口屬性的預(yù)測(cè)。這種模型把有標(biāo)簽用戶的標(biāo)簽傳給與他行為相似的用戶，可以認(rèn)為是對(duì)人群進(jìn)行了標(biāo)簽擴(kuò)散，因此常被稱為標(biāo)簽擴(kuò)散模型。

下面使用視頻網(wǎng)站性別年齡畫像的例子來(lái)說(shuō)明標(biāo)簽擴(kuò)散模型是如何構(gòu)建的。

某個(gè)視頻網(wǎng)站希望了解自己的用戶組成，于是對(duì)用戶的性別進(jìn)行畫像。通過數(shù)據(jù)統(tǒng)計(jì)，有大約30%的用戶在注冊(cè)時(shí)填寫了個(gè)人信息，將這30%的用戶作為訓(xùn)練集，以構(gòu)建全量用戶的性別畫像，所用數(shù)據(jù)如表10-3所示。

▼表10-3 視頻網(wǎng)站用戶數(shù)據(jù)

下面來(lái)構(gòu)建特征。通過分析發(fā)現(xiàn)男性和女性對(duì)于影片的偏好是有差別的，因此使用用戶觀看的影片列表預(yù)測(cè)用戶性別有一定的可行性。此外，還可以考慮用戶的觀看時(shí)間、瀏覽器、觀看時(shí)長(zhǎng)等，為了簡(jiǎn)化，這里只使用用戶觀看的影片特征。

由于觀看影片特征是稀疏特征，所以可以調(diào)用MLlib，使用LR、線性SVM等模型進(jìn)行訓(xùn)練。考慮到注冊(cè)用戶填寫的用戶信息的準(zhǔn)確性不高，所以可以從30%的樣本集中提取準(zhǔn)確性較高的部分（如用戶信息填寫較完備的）用于訓(xùn)練，因此整體的訓(xùn)練流程如圖10-7所示。

對(duì)于預(yù)測(cè)性別這樣的二分類模型，如果行為的區(qū)分度較好，一般準(zhǔn)確率和覆蓋率都可以達(dá)到70%左右。

▲圖10-7 訓(xùn)練流程

對(duì)于人口屬性標(biāo)簽，只要有一定的樣本標(biāo)簽數(shù)據(jù)，并找到能夠區(qū)分標(biāo)簽類別的用戶行為特征，就可以構(gòu)建標(biāo)簽擴(kuò)散模型。其中使用的技術(shù)方法主要是機(jī)器學(xué)習(xí)中的分類技術(shù)，常用的模型有LR、FM、SVM、GBDT等。

2. 興趣畫像

興趣畫像是互聯(lián)網(wǎng)領(lǐng)域中使用最廣泛的畫像，互聯(lián)網(wǎng)廣告、個(gè)性化推薦、精準(zhǔn)營(yíng)銷等領(lǐng)域最核心的標(biāo)簽都是興趣標(biāo)簽。興趣畫像主要是從用戶海量的行為日志中進(jìn)行核心信息抽取、標(biāo)簽化和統(tǒng)計(jì)，因此在構(gòu)建用戶興趣畫像之前需要先對(duì)用戶有行為的內(nèi)容進(jìn)行內(nèi)容建模。

內(nèi)容建模需要注意粒度，過細(xì)的粒度會(huì)導(dǎo)致標(biāo)簽沒有泛化能力和使用價(jià)值，過粗的粒度會(huì)導(dǎo)致標(biāo)簽沒有區(qū)分度。

• 例如用戶在購(gòu)物網(wǎng)上點(diǎn)擊查看了一雙“Nike AIR MAX跑步鞋”，如果用單個(gè)商品作為粒度，畫像的粒度就過細(xì)，結(jié)果是只知道用戶對(duì)“Nike AIR MAX跑步鞋”有興趣，在進(jìn)行商品推薦時(shí)，也只能給用戶推薦這雙鞋；

• 而如果用大品類作為粒度，如“運(yùn)動(dòng)戶外”，將無(wú)法發(fā)現(xiàn)用戶的核心需求是買鞋，從而會(huì)給用戶推薦所有的運(yùn)動(dòng)用品，如乒乓球拍、籃球等，這樣的推薦缺乏準(zhǔn)確性，用戶的點(diǎn)擊率就會(huì)很低。

為了保證興趣畫像既有一定的準(zhǔn)確性又有較好的泛化性，我們會(huì)構(gòu)建層次化的興趣標(biāo)簽體系，其中同時(shí)用幾個(gè)粒度的標(biāo)簽去匹配用戶興趣，既保證了標(biāo)簽的準(zhǔn)確性，又保證了標(biāo)簽的泛化性。下面以用戶的新聞興趣畫像舉例，介紹如何構(gòu)建層次化的興趣標(biāo)簽。

新聞興趣畫像的處理難度要比購(gòu)物興趣畫像困難，購(gòu)物標(biāo)簽體系基本固定，如圖10-8所示，京東頁(yè)面已經(jīng)有成熟的三級(jí)類目體系。

▲圖10-8 三級(jí)類目體系

1）內(nèi)容建模

新聞數(shù)據(jù)本身是非結(jié)構(gòu)化的，首先需要人工構(gòu)建一個(gè)層次化的標(biāo)簽體系。考慮如圖10-9所示的一篇新聞，看看哪些內(nèi)容可以表示用戶的興趣。

▲圖10-9 新聞例子

首先，這是一篇體育新聞，體育這個(gè)新聞分類可以表示用戶興趣，但是這個(gè)標(biāo)簽太粗了，因?yàn)橛脩艨赡苤粚?duì)足球感興趣，所以體育這個(gè)標(biāo)簽就顯得不夠準(zhǔn)確。

其次，可以使用新聞中的關(guān)鍵詞，尤其是里面的專有名詞（人名、機(jī)構(gòu)名），如“桑切斯”“阿森納”“厄齊爾”，這些詞也表示了用戶的興趣。關(guān)鍵詞的主要問題在于粒度太細(xì)，如果某天的新聞里沒有這些關(guān)鍵詞，就無(wú)法給用戶推薦內(nèi)容。

最后，我們希望有一個(gè)中間粒度的標(biāo)簽，既有一定的準(zhǔn)確度，又有一定的泛化能力。于是我們嘗試對(duì)關(guān)鍵詞進(jìn)行聚類，把一類關(guān)鍵詞當(dāng)成一個(gè)標(biāo)簽，或者拆分一個(gè)分類下的新聞，生成像“足球”這種粒度介于關(guān)鍵詞和分類之間的主題標(biāo)簽。我們可以使用文本主題聚類完成主題標(biāo)簽的構(gòu)建。

至此，就完成了對(duì)新聞內(nèi)容從粗到細(xì)的“分類-主題-關(guān)鍵詞”三層標(biāo)簽體系的內(nèi)容建模，新聞的三層標(biāo)簽如表10-4所示。

▼表10-4? 三層標(biāo)簽體系

可能讀者會(huì)有疑問，既然主題的準(zhǔn)確度和覆蓋率都不錯(cuò)，我們只使用主題不就可以了嗎？為什么還要構(gòu)建分類和關(guān)鍵詞這兩層標(biāo)簽?zāi)?#xff1f;這么做是為了針對(duì)用戶進(jìn)行盡可能精確和全面的內(nèi)容推薦。

當(dāng)用戶的關(guān)鍵詞命中新聞時(shí)，顯然能夠給用戶更準(zhǔn)確的推薦，這時(shí)就不需要再使用主題標(biāo)簽；而對(duì)于比較小眾的主題（如體育類的冰上運(yùn)動(dòng)主題），若當(dāng)天沒有新聞覆蓋，就可以根據(jù)分類標(biāo)簽進(jìn)行推薦。層次標(biāo)簽兼顧了刻畫用戶興趣的覆蓋率和準(zhǔn)確性。

2）興趣衰減

在完成內(nèi)容建模以后，就可以根據(jù)用戶點(diǎn)擊，計(jì)算用戶對(duì)分類、主題、關(guān)鍵詞的興趣，得到用戶興趣標(biāo)簽的權(quán)重。最簡(jiǎn)單的計(jì)數(shù)方法是，用戶點(diǎn)擊一篇新聞，就把用戶對(duì)該篇新聞的所有標(biāo)簽興趣值上加1，用戶對(duì)每個(gè)詞的興趣計(jì)算使用如下的公式：

score_i+1=score_i+ C×weight

其中，詞在這次瀏覽的新聞中出現(xiàn)，則C=1，否則C=0, weight表示詞在這篇新聞中的權(quán)重。

這樣做有兩個(gè)問題：一個(gè)是用戶的興趣累加是線性的，數(shù)值會(huì)非常大，老的興趣權(quán)重會(huì)特別高；另一個(gè)是用戶的興趣有很強(qiáng)的時(shí)效性，對(duì)一篇新聞昨天的點(diǎn)擊要比一個(gè)月之前的點(diǎn)擊重要的多，線性疊加無(wú)法突出用戶的近期興趣。

為了解決這個(gè)問題，需要對(duì)用戶興趣得分進(jìn)行衰減，可使用如下的方法對(duì)興趣得分進(jìn)行次數(shù)衰減和時(shí)間衰減。

次數(shù)衰減的公式如下：

score_i+1=α×score_i+ C×weight, 0<α<1

其中，α是衰減因子，每次都對(duì)上一次的分?jǐn)?shù)做衰減，最終得分會(huì)收斂到一個(gè)穩(wěn)定值，α取0.9時(shí)，得分會(huì)無(wú)限接近10。

時(shí)間衰減的公式如下：

score_day+1=score_day×β, 0<β<1

它表示根據(jù)時(shí)間對(duì)興趣進(jìn)行衰減，這樣做可以保證時(shí)間較早期的興趣會(huì)在一段時(shí)間以后變得非常弱，同時(shí)近期的興趣會(huì)有更大的權(quán)重。根據(jù)用戶興趣變化的速度、用戶活躍度等因素，也可以對(duì)興趣進(jìn)行周級(jí)別、月級(jí)別或小時(shí)級(jí)別的衰減。

3. 地理位置畫像

地理位置畫像一般分為兩部分：一部分是常駐地畫像；一部分是GPS畫像。這兩類畫像的差別很大，常駐地畫像比較容易構(gòu)造且標(biāo)簽比較穩(wěn)定，GPS畫像需要實(shí)時(shí)更新。

常駐地包括國(guó)家、省份、城市三級(jí)，一般只細(xì)化到城市粒度。在常駐地挖掘中，對(duì)用戶的IP地址進(jìn)行解析，并對(duì)應(yīng)到相應(yīng)的城市，再對(duì)用戶IP出現(xiàn)的城市進(jìn)行統(tǒng)計(jì)就可以得到常駐城市標(biāo)簽。用戶的常駐城市標(biāo)簽不僅可以用來(lái)統(tǒng)計(jì)各個(gè)地域的用戶分布，還可以根據(jù)用戶在各個(gè)城市之間的出行軌跡識(shí)別出差人群、旅游人群等。

GPS數(shù)據(jù)一般從手機(jī)端收集，但很多手機(jī)App沒有獲取用戶GPS信息的權(quán)限。能夠獲取用戶GPS信息的主要是百度地圖、滴滴打車等出行導(dǎo)航類App，此外收集到的用戶GPS數(shù)據(jù)比較稀疏。

百度地圖使用該方法并結(jié)合時(shí)間段數(shù)據(jù)，構(gòu)建了用戶公司和家的GPS標(biāo)簽。此外百度地圖還基于GPS信息，統(tǒng)計(jì)各條路上的車流量，進(jìn)行路況分析，圖10-10所示是北京市某天的實(shí)時(shí)路況圖，紅色表示擁堵線路。

▲圖10-10 北京的實(shí)時(shí)路況圖

04 用戶畫像評(píng)估和使用

人口屬性畫像的相關(guān)指標(biāo)比較容易評(píng)估，而興趣畫像的標(biāo)簽比較模糊，所以人為評(píng)估比較困難，對(duì)于興趣畫像的常用評(píng)估方法是設(shè)計(jì)小流量的A/B測(cè)試進(jìn)行驗(yàn)證。

可以篩選一部分打了標(biāo)簽的用戶，給這部分用戶進(jìn)行和標(biāo)簽相關(guān)的推送，看他們對(duì)相關(guān)內(nèi)容是否有更好的反饋。例如，在新聞推薦中，我們給用戶構(gòu)建了興趣畫像，從體育類興趣用戶中選取一小批用戶，給他們推送體育類新聞，如果這批用戶對(duì)新聞的點(diǎn)擊率和閱讀時(shí)長(zhǎng)明顯高于平均水平，就說(shuō)明標(biāo)簽是有效的。

1. 效果評(píng)估

評(píng)估使用用戶畫像的效果最直接的方法就是，看其提升了多少實(shí)際業(yè)務(wù)，如在互聯(lián)網(wǎng)廣告投放中，用戶畫像的使用效果主要是看它提升了多少點(diǎn)擊率和收入，在精準(zhǔn)營(yíng)銷過程中，主要是看使用用戶畫像后銷量提升了多少等。

但是如果把一個(gè)沒有經(jīng)過效果評(píng)估的模型直接用在線上，風(fēng)險(xiǎn)是很大的，因此我們需要一些在上線前可計(jì)算的指標(biāo)來(lái)衡量用戶畫像的質(zhì)量。

用戶畫像的評(píng)估指標(biāo)主要是準(zhǔn)確率、覆蓋率、時(shí)效性等。（篇幅有限，這里不詳細(xì)介紹，有需要的同學(xué)可以看《Spark機(jī)器學(xué)習(xí)進(jìn)階實(shí)戰(zhàn)》一書第10.4.1節(jié)）

2. 用戶畫像使用

構(gòu)建好用戶畫像并做了評(píng)估之后，就可以在業(yè)務(wù)中使用它。對(duì)此，一般需要一個(gè)可視化平臺(tái)，對(duì)標(biāo)簽進(jìn)行查看和檢索。用戶畫像的可視化過程中，一般使用餅圖、柱狀圖等對(duì)標(biāo)簽的覆蓋人數(shù)、覆蓋比例等指標(biāo)做形象的展示，如圖10-11所示是用戶畫像的一個(gè)可視化界面。

▲圖10-11 用戶畫像的可視化界面

此外，對(duì)于所構(gòu)建的用戶畫像，還可以使用不同維度的標(biāo)簽，進(jìn)行高級(jí)的組合分析，產(chǎn)出高質(zhì)量的分析報(bào)告。用戶畫像可以應(yīng)用在智能營(yíng)銷、計(jì)算廣告、個(gè)性化推薦等領(lǐng)域，具體的使用方法與應(yīng)用領(lǐng)域緊密結(jié)合，在此不再詳細(xì)介紹。

關(guān)于作者：馬海平，科大訊飛大數(shù)據(jù)研究院研究主管，中國(guó)科學(xué)與技術(shù)大學(xué)計(jì)算機(jī)技術(shù)博士，專注數(shù)據(jù)挖掘和人工智能算法的研究，及其在計(jì)算廣告和個(gè)性化教育等方向的落地應(yīng)用。

于俊，科大訊飛大數(shù)據(jù)專家，專注大數(shù)據(jù)和人工智能應(yīng)用方案設(shè)計(jì)、基于Spark的大數(shù)據(jù)分析和價(jià)值挖掘，在大數(shù)據(jù)算法工程化實(shí)現(xiàn)方面具有豐富經(jīng)驗(yàn)。

呂昕，科大訊飛大數(shù)據(jù)專家，專注大數(shù)據(jù)和人工智能技術(shù)在消費(fèi)者業(yè)務(wù)中的應(yīng)用、基于Spark的大數(shù)據(jù)分析和算法建模，在用戶畫像、內(nèi)容推薦和精準(zhǔn)營(yíng)銷領(lǐng)域有豐富的實(shí)踐。

向海，邂智科技算法負(fù)責(zé)人，前科大訊飛大數(shù)據(jù)專家。專注Spark機(jī)器學(xué)習(xí)在智能客服中的應(yīng)用，在NLP與對(duì)話機(jī)器人應(yīng)用方面有豐富經(jīng)驗(yàn)。

本文摘編自《Spark機(jī)器學(xué)習(xí)進(jìn)階實(shí)戰(zhàn)》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《Spark機(jī)器學(xué)習(xí)進(jìn)階實(shí)戰(zhàn)》

點(diǎn)擊上圖了解及購(gòu)買

轉(zhuǎn)載請(qǐng)聯(lián)系微信：DoctorData

推薦語(yǔ)：科大訊飛大數(shù)據(jù)專家撰寫，從基礎(chǔ)到應(yīng)用，面面俱到。

劃重點(diǎn)????

干貨直達(dá)????

• 終于有人把數(shù)據(jù)安全講明白了
  

• 35歲的程序員，真的要轉(zhuǎn)管理嗎？
  

• 數(shù)據(jù)中臺(tái)、標(biāo)簽、數(shù)據(jù)資產(chǎn)相關(guān)的15個(gè)名詞解釋
  

• 圖靈獎(jiǎng)得主都寫過哪些書？

更多精彩????

在公眾號(hào)對(duì)話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

PPT?|?讀書?|?書單?|?硬核?|?干貨?|?講明白?|?神操作

大數(shù)據(jù)?|?云計(jì)算?|?數(shù)據(jù)庫(kù)?|?Python?|?爬蟲?|?可視化

AI?|?人工智能?|?機(jī)器學(xué)習(xí)?|?深度學(xué)習(xí)?|?NLP

5G?|?中臺(tái)?|?用戶畫像?|?1024?|?數(shù)學(xué)?|?算法?|?數(shù)字孿生

據(jù)統(tǒng)計(jì)，99%的大咖都關(guān)注了這個(gè)公眾號(hào)

????

總結(jié)

以上是生活随笔為你收集整理的终于有人把用户画像的流程、方法讲明白了的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。