用戶畫像：通過算法聚合成一類實(shí)現(xiàn)用戶信息標(biāo)簽化。
構(gòu)建用戶畫像
① 用戶畫像信息：基本屬性稼跳，購(gòu)買能力，行為特征吃沪，興趣愛好汤善，心理特征，社交網(wǎng)絡(luò)
② 行為建模：文本挖掘巷波，自然語言處理萎津，機(jī)器學(xué)習(xí)，預(yù)測(cè)算法抹镊，聚類算法
③ 數(shù)據(jù)收集：網(wǎng)絡(luò)日志數(shù)據(jù)锉屈，用戶行為數(shù)據(jù)，網(wǎng)站交易數(shù)據(jù)
作用：了解用戶的行為習(xí)慣垮耳，個(gè)性化營(yíng)銷及精準(zhǔn)廣告
靜態(tài)數(shù)據(jù)來源：
—來源于用戶填的個(gè)人信息颈渊，及算法模型預(yù)測(cè)的數(shù)據(jù)
動(dòng)態(tài)信息數(shù)據(jù)：
--用戶行為產(chǎn)生的數(shù)據(jù)：注冊(cè)，瀏覽终佛，點(diǎn)擊俊嗽，購(gòu)買，簽收铃彰，評(píng)價(jià)绍豁，退貨等
—比較重要的行為：購(gòu)買商品，瀏覽商品牙捉，放入購(gòu)物車竹揍，關(guān)注商品等
根據(jù)行為可以得出標(biāo)簽：
潮媽族，糾結(jié)商品邪铲，最大消費(fèi)芬位，退貨數(shù)量，敗家指數(shù)带到，品牌偏好昧碉，用戶活躍度等
確定標(biāo)簽與根據(jù)算法猜測(cè)的標(biāo)簽
—確定的標(biāo)簽：比如用戶購(gòu)買了或者收藏了某個(gè)商品等
—猜測(cè)的標(biāo)簽：比如用戶的性別，是男性的概率0.8，另外還有很多模型：孕婦模型被饿，潛在汽車用戶模型四康，用戶價(jià)值模型
比如：用戶活躍度（活躍，沉睡锹漱，流失箭养，未購(gòu)買）
用戶分群：電腦達(dá)人，數(shù)碼潮人哥牍，家庭用戶毕泌，網(wǎng)購(gòu)達(dá)人，奶爸奶媽嗅辣，單身貴族撼泛，閃購(gòu)用戶，時(shí)尚男女等
用戶畫像建模：
1澡谭，客戶消費(fèi)訂單表：
--根據(jù)用戶消費(fèi)的情況來提取的客戶標(biāo)簽愿题，用以了解用戶的消費(fèi)情況，消費(fèi)習(xí)慣
客戶消費(fèi)訂單表標(biāo)簽：
購(gòu)買信息：客戶ID蛙奖，第一次消費(fèi)時(shí)間潘酗，最近一次消費(fèi)時(shí)間，首單距今時(shí)間雁仲，尾單距今時(shí)間仔夺，近30/60/90天購(gòu)買次數(shù)/購(gòu)買金額（不含退拒），最大/最小消費(fèi)金額攒砖，累計(jì)消費(fèi)次數(shù)/金額（不含退拒）
累計(jì)使用代金券金額缸兔，客單價(jià)（含退拒），常用收貨地區(qū)吹艇，常用支付方式惰蜜，退貨商品數(shù)量，退貨商品金額受神，拒收商品金額/數(shù)量抛猖，最近一次退貨時(shí)間，各地點(diǎn)下單總數(shù)/總額鼻听，上下午下單總數(shù)/總額
購(gòu)物車信息：最近30天購(gòu)物車商品件數(shù)/提交商品件數(shù)/購(gòu)物車成功率/購(gòu)物車放棄件數(shù)
提取標(biāo)簽的作用：
確定用戶什么時(shí)候來的樟结，多久沒來了：第一次消費(fèi)時(shí)間，最近一次消費(fèi)時(shí)間精算，首單距今時(shí)間，尾單距今時(shí)間
最近消費(fèi)能力：近30天購(gòu)買次數(shù)（不含退拒）碎连，近30購(gòu)買金額（不含退拒）灰羽，近30天購(gòu)買次數(shù)（含退拒），近30天購(gòu)買金額（含退拒）
總體的消費(fèi)情況：最小/大消費(fèi)金額（可做個(gè)性化商品推薦），累計(jì)消費(fèi)次數(shù)（不含退拒廉嚼，可以計(jì)算客單價(jià)）玫镐，累計(jì)消費(fèi)金額，累計(jì)使用代金券金額（代金券愛好）
消費(fèi)屬性：常用收貨地區(qū)怠噪，常用支付方式
購(gòu)物車習(xí)慣：最近30天購(gòu)物車次數(shù)恐似，最近30天購(gòu)物車提交商品件數(shù)，最近30天購(gòu)物車商品件數(shù)傍念，最近30天購(gòu)物車放棄件數(shù)矫夷，最近30天購(gòu)物車成功率
退貨和習(xí)慣特征：退貨商品數(shù)量，拒收商品數(shù)量憋槐，退貨商品金額双藕，拒收商品金額，最近一次退貨時(shí)間
用戶購(gòu)物時(shí)間及地點(diǎn)習(xí)慣：各下單地點(diǎn)總數(shù)阳仔，各時(shí)間段下單總數(shù)
2忧陪，客戶購(gòu)買類目表
—根據(jù)客戶購(gòu)買類目的情況提取的客戶標(biāo)簽，用以了解類目的購(gòu)買人群情況
客戶購(gòu)買表標(biāo)簽：
客戶ID近范，一級(jí)/二級(jí)/三級(jí)分類ID/名稱嘶摊，近30天/90天/180天購(gòu)買類目次數(shù)/金額，累計(jì)購(gòu)買類目次數(shù)/金額评矩，累計(jì)購(gòu)買類目次數(shù)/金額叶堆，近30天/90天/180天購(gòu)物車某類目次數(shù)/金額，累計(jì)購(gòu)買類目次數(shù)/金額稚照，累計(jì)購(gòu)物車類目次數(shù)/金額蹂空，最后一次購(gòu)買類目時(shí)間/距今天數(shù)
3，客戶購(gòu)買商店表：
--根據(jù)客戶購(gòu)買商店的情況提取的客戶標(biāo)簽果录，用以了解商店及品牌的購(gòu)買人群（做品牌營(yíng)銷等）
客戶購(gòu)買 商店表標(biāo)簽：
用戶ID上枕，商店ID/名稱，品牌ID/名稱弱恒，最近30天購(gòu)物車次數(shù)/商品件數(shù)/提交商品件數(shù)/成功率/放棄件數(shù)辨萍，最后一次購(gòu)物車時(shí)間，最近90天商品排除退拒商品件數(shù)/金額返弹，最近90天貨到付款訂單數(shù)锈玉，最近90天退換件數(shù)/金額，最近90天拒收件數(shù)/金額.
4义起，客戶基本屬性
--根據(jù)客戶所填的屬性標(biāo)簽與推算出來的標(biāo)簽拉背，用以了解用戶的基本屬性（可用以個(gè)性營(yíng)銷，生日營(yíng)銷默终，星座營(yíng)銷等）
客戶基本屬性標(biāo)簽：
客戶ID椅棺，客戶登錄名犁罩，性別，生日两疚，年齡床估，星座，大區(qū)域诱渤，省份丐巫，城市，城市等級(jí)勺美，郵箱递胧，郵箱運(yùn)營(yíng)商，加密手機(jī)励烦，手機(jī)運(yùn)營(yíng)商谓着，注冊(cè)時(shí)間，登錄ip地址坛掠，登錄來源赊锚，邀請(qǐng)人，會(huì)員積分屉栓，已使用積分舷蒲，會(huì)員等級(jí)名稱，婚姻狀況友多，學(xué)歷牲平，月收入，職業(yè)域滥，性別模型纵柿，是否孕婦，是否有小孩启绰，孩子性別及年齡概率昂儒，是否有車，潛在汽車用戶概率委可，使用手機(jī)品牌/檔次渊跋，用戶忠誠(chéng)度，用戶購(gòu)物類型着倾，身材拾酝，身高
數(shù)據(jù)來源：用戶表，用戶調(diào)查表卡者，孕婦模型表蒿囤，馬甲模型表，用戶價(jià)值模型表等
根據(jù)算法得出的標(biāo)簽：
—性別模型：用以推算用戶的購(gòu)買用品的性別傾向（不一定是真實(shí)性別）
性別模型：
用戶性別：1男崇决，0女蟋软，-1未識(shí)別 | 1镶摘，商品性別得分，2岳守，用戶購(gòu)買商品性別得分。
孩子性別：0僅有男孩碌冶，1僅有女孩湿痢，2，男女均勻扑庞，3譬重，無法識(shí)別 |1，選擇男童女童商品等
-性別驗(yàn)證：
.隨機(jī)抽樣調(diào)查
.與用戶填寫性惡爆匹配罐氨。
用戶購(gòu)物模型：
兩種歸類：
用戶購(gòu)物類型：1臀规，購(gòu)物沖動(dòng)型，2海淘猶豫型 3理性比較型 4 目標(biāo)明確型 5 未識(shí)別栅隐。
構(gòu)建：1塔嬉，計(jì)算用戶在對(duì)三級(jí)品類購(gòu)物前流量時(shí)間和瀏覽sku數(shù)量；2租悄，kmeans聚類谨究。
用戶忠誠(chéng)度模型：
用戶忠誠(chéng)度：1 忠誠(chéng)型用戶 2 偶爾型用戶 3 投資型用戶 3 瀏覽型用戶 5 未識(shí)別
構(gòu)建：1，只瀏覽不購(gòu)買泣棋，2購(gòu)買天數(shù)大于一定天數(shù) 3胶哲，購(gòu)買天數(shù)小于一定天數(shù)，大部分只有優(yōu)惠彩購(gòu)買 等
5潭辈，客戶營(yíng)銷信息表：
—將用戶營(yíng)銷相關(guān)的常用標(biāo)簽放到一張表中鸯屿，方便使用
客戶營(yíng)銷信息表：
客戶ID，營(yíng)銷手機(jī)號(hào)把敢，第一個(gè)有效訂單來源/地址/手機(jī)號(hào)寄摆，常用的手機(jī)號(hào)，常用的收貨地址技竟，不同收貨地址的數(shù)量冰肴，客戶分群，活躍狀態(tài)榔组，用戶價(jià)值（重要熙尉，保持，流失等）搓扯，糾結(jié)商品检痰，糾結(jié)小時(shí)
主要來源表：
用戶表，訂單表，活動(dòng)表大年，購(gòu)物車表，客戶品類分群模型商模，用戶價(jià)值模型
客戶活躍狀態(tài)模型：
客戶一般的活躍狀態(tài)：
1.注冊(cè)未購(gòu)買（只注冊(cè)未購(gòu)買椎椰，多事第三方登錄）
2.活躍（可以細(xì)分為高頻厦幅，中頻，低頻）
3.沉睡（近90天無購(gòu)買慨飘，近60天無購(gòu)買）
4.流失 （近90天無購(gòu)買确憨，曾經(jīng)購(gòu)買）
用戶價(jià)值模型
- 體現(xiàn)用戶對(duì)網(wǎng)站的價(jià)值對(duì)提供用戶留存率非常有幫助
- 使用RFM實(shí)現(xiàn)用戶價(jià)值模型參考指標(biāo)
- 最近一次消費(fèi)時(shí)間（Recency）
- 消費(fèi)頻率（Frequency）
- 消費(fèi)金額（Monetary）
-RFM 實(shí)現(xiàn)用戶價(jià)值模型計(jì)算方法
-使用指標(biāo)：租金一次購(gòu)買時(shí)間，近180天購(gòu)買訂單量瓤的，近180天購(gòu)買金額休弃，分N段進(jìn)行RFM分?jǐn)?shù)計(jì)算
- 算出Recency_score,Frequency_score,Monetary_score,然后劃分用戶群
6，客戶活動(dòng)信息表：
--根據(jù)客戶參與活動(dòng)的情況提取的客戶標(biāo)簽圈膏，用于了解用戶對(duì)活動(dòng)的參與情況塔猾，以進(jìn)行活動(dòng)的策劃
客戶活動(dòng)信息表內(nèi)容標(biāo)簽：
客戶ID，用戶促銷明個(gè)度稽坤，滿減促銷敏感度丈甸，打折促銷敏感度，換購(gòu)促銷敏感度慎皱，滿贈(zèng)促銷敏感度老虫，購(gòu)買力分段，品牌偏好茫多，品類偏好祈匙，顏色偏好，敗家偏好天揖，沖動(dòng)偏好夺欲，累計(jì)積分，已用積分今膊，可以積分些阅，累計(jì)代金券數(shù)量/金額，已用代金券數(shù)量/金額斑唬，過期代金券數(shù)量/金額市埋，可用代金券數(shù)量/金額
標(biāo)簽作用：
確定用戶喜歡那種活動(dòng)類型：用戶促銷敏感度，滿減促銷敏感度恕刘，滿贈(zèng)敏感度缤谎，打折促銷敏感度，換購(gòu)促銷敏感度褐着，團(tuán)購(gòu)促銷敏感度等
促銷敏感度模型：
--根據(jù)用戶購(gòu)買的活動(dòng)類型訂單數(shù)與金額數(shù)已判斷其屬于哪類人群
用戶有什么偏好：店鋪偏好坷澡，品牌偏好，品類偏好含蓉，顏色偏好
用戶指數(shù)：購(gòu)買力分段频敛，敗家指數(shù)项郊，沖動(dòng)指數(shù)
用戶購(gòu)買力高中低模型：
—從購(gòu)物車，客單價(jià)來判斷
用戶購(gòu)買力高中低端模型：
1斟赚，從購(gòu)物車來判斷
2着降，從客單價(jià)來判斷
指數(shù)模型：
-敗家指數(shù)
- 使用購(gòu)買特征山炮數(shù)量來識(shí)別（剛出的蘋果產(chǎn)品，奢侈品）
- 結(jié)合用戶的訂單金額汁展。
-沖動(dòng)指數(shù)
- 使用特征商品（同品類價(jià)格較高商品）平均購(gòu)物車停留時(shí)間
- 結(jié)合特征商品（同品類價(jià)格較高商品）的購(gòu)買數(shù)量
7鹊碍，客戶訪問信息表
--根據(jù)客戶訪問的情況提取的客戶標(biāo)簽以了解訪問習(xí)慣
客戶訪問信息標(biāo)簽：
最近一次/第一次pc端訪問日期/session/cookies/pv/使用瀏覽器/操作系統(tǒng)/，最近一次/ 第一次app端訪問日期/操作系統(tǒng)食绿，最近一次/第一次訪問ip/訪問城市/省份，近7天/15天/30天/60天/90天app端/pc端訪問次數(shù)公罕，近30天pc端/app端訪問天數(shù)/訪問并購(gòu)買次數(shù)/訪問pv/訪問評(píng)價(jià)pv/ip數(shù)/器紧，app及pc端各時(shí)間段訪問的次數(shù)
該文章來自邱盛昌老師的慕課視頻筆記：
鏈接：http://www.imooc.com/learn/460/
