2017年9月6日晚标沪，DTalk邀請(qǐng)到了沈國(guó)陽(yáng)老師，他參與了美團(tuán)用戶畫(huà)像服務(wù)從無(wú)到有的過(guò)程檩赢，進(jìn)行了一次關(guān)于《美團(tuán)點(diǎn)評(píng)沈國(guó)陽(yáng)：我們?cè)谡動(dòng)脩舢?huà)像的時(shí)候到底在談什么贞瞒？》的微信群線上主題分享趁曼。
分享活動(dòng)共分成兩個(gè)部分，第一部分是沈國(guó)陽(yáng)老師分享關(guān)于用戶畫(huà)像大家關(guān)心的乒融，第二部分是老師和大家的Q&A的互動(dòng)環(huán)節(jié)摄悯。以下是活動(dòng)內(nèi)容的完整文字稿。
1碟摆、通车渫桑互聯(lián)網(wǎng)的用戶畫(huà)像是指什么罗洗？
用戶畫(huà)像這個(gè)詞在互聯(lián)網(wǎng)公司用得很廣泛，但是可能很多人沒(méi)有注意到轩缤，這個(gè)詞包 含了2種不同的含義。
User Persona：這是對(duì)一個(gè)用戶群體的整體抽象壶愤。產(chǎn)品原型設(shè)計(jì)階段的用戶畫(huà)像征椒， 這是在前期的產(chǎn)品研發(fā)過(guò)程中對(duì)目標(biāo)用戶進(jìn)行定義的過(guò)程湃累。這個(gè)工作的目標(biāo)是充分 理解目標(biāo)用戶，從而在產(chǎn)品功能的設(shè)計(jì)和取舍上作出正確的決策蒙秒。這種用戶畫(huà)像的 具體執(zhí)行方法宵统，主要是通過(guò)深入用戶所在地區(qū)進(jìn)行用戶訪談，或者線上的問(wèn)卷調(diào)研 得到益兄。
User Profile：這是對(duì)每一個(gè)個(gè)體的畫(huà)像净捅。這是在產(chǎn)品用戶量有一定規(guī)模以后進(jìn)行 的辩块，利用用戶的行為數(shù)據(jù)或者填報(bào)的資料進(jìn)行的用戶屬性標(biāo)簽提取。這時(shí)候主要是 從在線數(shù)據(jù)上去提取標(biāo)簽国章，或者利用在線數(shù)據(jù)進(jìn)行用戶標(biāo)簽的預(yù)測(cè)豆村。這些標(biāo)簽可以 應(yīng)用到方方面面的工作中去∷膯可以用到哪些方面柑晒，具體的特征提取或者挖掘的方法 有哪些眷射，如果評(píng)估特征提取的效果佛掖，這部分是我們接下來(lái)要重點(diǎn)展開(kāi)介紹的芥被。
2脾猛、User Profile 用戶畫(huà)像的業(yè)務(wù)場(chǎng)景
下面我們就重點(diǎn)談?wù)刄ser Profile類型的用戶畫(huà)像（后續(xù)簡(jiǎn)稱“用戶畫(huà)像”）壁榕。從表面上來(lái)說(shuō)，用戶畫(huà)像主要是標(biāo)簽提取或者標(biāo)簽預(yù)測(cè)的工作愉昆。然而跛溉，事實(shí)上扮授，選擇哪些標(biāo)簽，為什么要選擇那些標(biāo)簽去提取堪侯，這背后的邏輯才是最重要的荔仁。在標(biāo)簽集合的選擇上乏梁，可以依據(jù)一些理論知識(shí)和過(guò)往經(jīng)驗(yàn)去建立一套不重不漏的標(biāo)簽體系。但這樣建立的標(biāo)簽體系會(huì)過(guò)于龐雜卖毁，必須從中挑選出符合業(yè)務(wù)目標(biāo)的標(biāo)簽落萎，按照一定的優(yōu)先級(jí)去逐步實(shí)現(xiàn)。在互聯(lián)網(wǎng)企業(yè)里面禁悠，需要使用用戶畫(huà)像的業(yè)務(wù)場(chǎng)景非常多兑宇。下面用一個(gè)圖大致描述一下：
一方面，用戶畫(huà)像可以支持這么多業(yè)務(wù)站玄，每一個(gè)業(yè)務(wù)方向都是對(duì)公司非常重要的方 向濒旦，可見(jiàn)用戶畫(huà)像對(duì)公司來(lái)說(shuō)是非常重要的。另一方面晾剖，這么多方向都需要用戶畫(huà) 像梯嗽，每個(gè)方向都有自己獨(dú)特的需求灯节，這就要求用戶畫(huà)像團(tuán)隊(duì)對(duì)支撐的業(yè)務(wù)要進(jìn)行深 入的理解，了解什么樣的標(biāo)簽對(duì)這個(gè)業(yè)務(wù)有幫助卡骂，從而做好價(jià)值排序形入，對(duì)業(yè)務(wù)進(jìn)行 精準(zhǔn)支持。
3螟蒸、美團(tuán)推薦系統(tǒng)是如何做用戶畫(huà)像的崩掘？
首先我們要了解一下推薦系統(tǒng)的業(yè)務(wù)目標(biāo)。根據(jù)公司業(yè)務(wù)形態(tài)的不同诵原，業(yè)務(wù)發(fā)展階段的不同挽放，對(duì)推薦系統(tǒng)的要求也是不一樣的。早期的美團(tuán)app是以交易為主導(dǎo)的一個(gè)本地生活服務(wù)平臺(tái)吗蚌，因此蚯妇，對(duì)于當(dāng)時(shí)的美團(tuán)推薦系統(tǒng)而言，我們會(huì)非常關(guān)注用戶的下單率指標(biāo)箩言，因此在做用戶畫(huà)像的時(shí)候，我們關(guān)注點(diǎn)也是饭豹，用戶的哪些屬性對(duì)達(dá)成交易有幫助务漩。用戶的品類偏好屬性很關(guān)鍵。用戶喜歡中餐還是西餐還是日料肾砂，喜歡火鍋還是自助餐宏悦，如果抓不住用戶的品類偏好特征饼煞，我們的推薦很可能被用戶拒絕诗越。
其次嚷狞，作為一個(gè)本地生活服務(wù)平臺(tái)，用戶的地理位置也是非常關(guān)鍵的信息竭翠。一般來(lái)說(shuō)薇搁，我們不能給他推薦離他非常遠(yuǎn)的餐廳。我們可以在工作日給他們推薦公司附近的餐廳传货，而周末推薦居住地附近的餐廳宏娄。如果他離開(kāi)了他的常住城市，他很可能需要尋找酒店或者旅游景點(diǎn)粮宛。用戶的消費(fèi)水平也是很關(guān)鍵的信息。一個(gè)通常只吃20元左右快餐的用戶窟勃，頻繁給他推薦200元大餐，那也是大概率要被拒絕的眷昆。最后亚斋，用戶的一些基礎(chǔ)信息攘滩，例如年齡、性別赖瞒、職業(yè)類型等蚤假，對(duì)推薦系統(tǒng)也有一定幫助，這些信息也有一定的必要進(jìn)行補(bǔ)充袍嬉。
當(dāng)然灶平，以上提到的特征是主要的幾類特征，事實(shí)上對(duì)這些特征的還可以做很多的優(yōu)化罐监，同時(shí)還有很多其他的特征可以進(jìn)一步提取拼苍。在團(tuán)隊(duì)精力有限的情況下，先把上述的特征做好就可以達(dá)到不錯(cuò)的效果吆你。
4妇多、屬性標(biāo)簽提取的方法
確定需要的用戶屬性標(biāo)簽以后燕侠，對(duì)每個(gè)屬性標(biāo)簽的提取方法立莉，大體分為2類蜓耻，一類是數(shù)據(jù)統(tǒng)計(jì)的方法械巡；一類是模型預(yù)測(cè)的方法。
有些標(biāo)簽只需要進(jìn)行一些數(shù)據(jù)統(tǒng)計(jì)就可以有勾，例如地理位置相關(guān)的標(biāo)簽蔼卡，工作地挣磨、居住地、常駐城市等喝峦，通常只要統(tǒng)計(jì)用戶不同時(shí)段頻繁出沒(méi)的地點(diǎn)和城市呜达，并輔以一些人工的規(guī)則（比如在一個(gè)城市停留多久才把這個(gè)城市定位常駐城市查近，什么時(shí)段頻繁出沒(méi)算做工作地等）即可挤忙。年齡性別的標(biāo)簽，很多公司可能需要通過(guò)用戶填寫(xiě)的信息或者用戶問(wèn)卷反饋信息來(lái)得到一些標(biāo)注戈泼，后期進(jìn)行模型的訓(xùn)練來(lái)對(duì)未標(biāo)注數(shù)據(jù)進(jìn)行識(shí)別赏僧；而對(duì)于一些有支付能力的公司，可以從用戶填報(bào)的身份證信息中獲取年齡性別籍貫的信息（當(dāng)然這里面就存在數(shù)據(jù)安全這樣重大的問(wèn)題了）挽绩。而像前面提到的品類偏好標(biāo)簽唉堪，我們有一種提取方法就是用模型去識(shí)別的。我們采用的建模方法唠亚，是根據(jù)用戶的歷史行為特征來(lái)預(yù)測(cè)他下一次會(huì)對(duì)哪個(gè)品類進(jìn)行下單，這個(gè)品類就是他的品類偏好了祟蚀。用戶的品類偏好實(shí)際上是在動(dòng)態(tài)變化的占调，因此，不能只是統(tǒng)計(jì)他過(guò)去的下單情況薪者，而要對(duì)未來(lái)進(jìn)行預(yù)測(cè)剿涮。
5、效果評(píng)估的方法
用戶畫(huà)像團(tuán)隊(duì)會(huì)開(kāi)發(fā)大量屬性標(biāo)簽悬槽，這些工作是需要耗費(fèi)大量的時(shí)間和精力的瞬浓。在追求結(jié)果導(dǎo)向的互聯(lián)網(wǎng)公司猿棉，工作量顯然不能成為評(píng)價(jià)工作的指標(biāo)。那么用戶畫(huà)像的效果如何評(píng)價(jià)呢弊琴？
對(duì)于不同的具體任務(wù)來(lái)說(shuō)杖爽，需要的評(píng)估指標(biāo)是不一樣的。這里主要結(jié)合推薦系統(tǒng)腋寨、廣告營(yíng)銷等類型的應(yīng)用實(shí)踐來(lái)談?wù)勑喊铩Ｓ脩舢?huà)像標(biāo)簽在推薦系統(tǒng)、廣告營(yíng)銷這類場(chǎng)景上的應(yīng)用脂倦，通常是作為轉(zhuǎn)化（點(diǎn)擊、下單等）率預(yù)估模型的特征來(lái)用赖阻。因此火欧，我們主要關(guān)心標(biāo)簽加入模型以后，對(duì)模型的效果提升有沒(méi)有幫助苇侵。標(biāo)簽建好以后，首先進(jìn)行離線評(píng)估于未。
對(duì)于統(tǒng)計(jì)類特征陡鹃，離線評(píng)估有2個(gè)重要指標(biāo)。一是覆蓋率指標(biāo)闷叉，就是有多大比例的用戶我們能夠得到這個(gè)屬性標(biāo)簽的標(biāo)簽值脊阴。通常來(lái)說(shuō)，標(biāo)簽覆蓋率如果比較低的話（比如低于50%）藕咏，這個(gè)標(biāo)簽對(duì)模型效果的貢獻(xiàn)就會(huì)受到限制秽五。二是標(biāo)簽有效性指標(biāo)坦喘，這類指標(biāo)主要目的是衡量特征加入模型以后是否能夠在模型中起作用西设，以及起多大作用。這類指標(biāo)一般在標(biāo)簽使用方去考慮棠笑。但是如果用戶畫(huà)像團(tuán)隊(duì)需要主動(dòng)推動(dòng)相關(guān)業(yè)務(wù)方使用自己產(chǎn)出的標(biāo)簽的話蓖救，自己能計(jì)算會(huì)有更好的說(shuō)服力。這個(gè)類型的指標(biāo)較多循捺，有各種相關(guān)性指標(biāo)：余弦相似性、皮爾遜相關(guān)系數(shù)念赶、卡方檢驗(yàn)恰力、互信息等，以及征信評(píng)分卡里面喜歡用的IV值等停局。還可以直接看模型中的特征權(quán)重驻民。線性模型（LR，貝葉斯方法等）可以直接得到準(zhǔn)確的權(quán)重值裆泳，樹(shù)模型一般也能夠給出特征權(quán)重的參考值（但是并不準(zhǔn)確）柠硕。對(duì)于預(yù)測(cè)類指標(biāo)，除了上述2種指標(biāo)之外闻葵，還需要評(píng)估預(yù)測(cè)的準(zhǔn)確性癣丧。如果是分類問(wèn)題，例如性別厢钧、年齡段嬉橙、職業(yè)類型等，一般用precision霞扬，recall，auc等指標(biāo)萤彩；如果是回歸問(wèn)題乒疏，則可以根據(jù)業(yè)務(wù)需求選用RMSE饮焦，MAPE，MAE等指標(biāo)转绷。
離線評(píng)估完成以后硼啤，如果結(jié)果符合預(yù)期，那么就應(yīng)該進(jìn)入線上實(shí)驗(yàn)環(huán)節(jié)了煞肾。線上實(shí)驗(yàn)一般采用ABtesting的方法嗓袱。也就是把用戶均勻分成2組，一組是使用了該標(biāo)簽的模型或者策略蝙昙，一組是未使用該標(biāo)簽的模型或者策略梧却，然后看看2組用戶的指標(biāo)差異如何。ABtesting其實(shí)是一個(gè)挺復(fù)雜的工作烈拒，從流量分割到數(shù)據(jù)跟蹤到效果評(píng)估指標(biāo)計(jì)算广鳍，都有很多需要注意的地方。
6、對(duì)于非BAT的公司來(lái)說(shuō)耿战，用戶畫(huà)像事情怎么做，怎么衡量投入產(chǎn) 出比狐胎？
不管是什么公司歌馍，資源都是永遠(yuǎn)不夠的，做任何事情都是需要衡量投入產(chǎn)出比的暴浦。用戶畫(huà)像是一個(gè)基礎(chǔ)工作晓锻，因此這個(gè)工作是否值得做，主要還是看有沒(méi)有相關(guān)的業(yè)務(wù)需求独撇，在相關(guān)的業(yè)務(wù)里面能否發(fā)揮較大的作用躁锁。如果一開(kāi)始大家判斷不好應(yīng)不應(yīng)該投入資源到用戶畫(huà)像工作里面去，或者不知道應(yīng)該投入到用戶畫(huà)像的具體哪個(gè)任務(wù)里面去搜立，那么可以和做過(guò)相關(guān)工作的公司或者團(tuán)隊(duì)學(xué)習(xí)匣吊，了解用戶畫(huà)像的哪個(gè)方向的工作能夠產(chǎn)生的價(jià)值較大（例如美團(tuán)的品類偏好屬性，LBS屬性就對(duì)推薦業(yè)務(wù)產(chǎn)生了很大的作用）社痛。另外一定要多和業(yè)務(wù)感覺(jué)好的同學(xué)交流命雀，這樣會(huì)得到很多有價(jià)值的信息，對(duì)用戶畫(huà)像的工作會(huì)有很好的指導(dǎo)吏砂。
以下是沈國(guó)陽(yáng)老師回答提問(wèn)部分的完整內(nèi)容
Q1狐血、「黃方勝：在用戶比較少的情況，user persona可能比較合適浪默，這個(gè)實(shí)踐能分享下嗎？」
回答：這個(gè)主要是要找準(zhǔn)目標(biāo)用戶纳决，然后去做深入的調(diào)研。我在百度移動(dòng)互聯(lián)網(wǎng)事業(yè)部工作的時(shí)候饵史，他們就很重視用戶調(diào)研胜榔，會(huì)到廣東的工廠去做大量的用戶訪談，因?yàn)楫?dāng)時(shí)移動(dòng)互聯(lián)網(wǎng)的主要用戶群體之一就是農(nóng)民工厌蔽。另外還有一招是把目標(biāo)用戶轉(zhuǎn)化成產(chǎn)品經(jīng)理摔癣，百度早期喜歡從網(wǎng)吧里面尋找產(chǎn)品經(jīng)理，就是這個(gè)道理戴卜。所以百度早期產(chǎn)品做得還不錯(cuò)琢岩。
Q2、「 王小久-bi-游戲-上海: 想了解一下數(shù)據(jù)庫(kù)如何準(zhǔn)備江锨？初創(chuàng)團(tuán)隊(duì)啄育，目前只有日志的積累拌消，如何邁出最初的第一步？」
【分享嘉賓】有日志的積累氓英，這個(gè)就有基礎(chǔ)了鹦筹。邁出第一步，關(guān)鍵就是尋找業(yè)務(wù)落腳點(diǎn)徘键，你要看你準(zhǔn)備在哪個(gè)場(chǎng)景用，然后和那個(gè)業(yè)務(wù)場(chǎng)景的負(fù)責(zé)人啊鸭，研發(fā)人員溝通赠制，看看他們最需要了解用戶哪方面的信息
【顧青 DTalk.org創(chuàng)始人】這個(gè)話題涉及數(shù)據(jù)采集（包括前端埋點(diǎn)挟憔、后端日志、數(shù)據(jù)清洗政恍、數(shù)據(jù)標(biāo)簽產(chǎn)品达传、數(shù)據(jù)分析產(chǎn)品、數(shù)據(jù)可視化產(chǎn)品等）宗弯，但是首先你需要把數(shù)據(jù)采集和數(shù)據(jù)整合做好.
Q3搂妻、「 Courage_sen: 征信風(fēng)控模型建模一般根據(jù)什么指標(biāo)進(jìn)行建模」
這個(gè)用戶歷史的征信記錄是重點(diǎn)邓厕，也會(huì)利用用戶在平臺(tái)上面的消費(fèi)行為數(shù)據(jù)進(jìn)行分析扁瓢，還有其他一些獨(dú)特的特征，不過(guò)這種涉及公司安全是不能分享的单雾。4硅堆、對(duì)于像汽車這類大宗贿讹，高額，低頻的品類會(huì)有哪些標(biāo)簽更重要呢茄菊？
Q4、「 張?zhí)?博郡汽車-上海: 對(duì)于像汽車這類大宗面殖，高額，低頻的品類會(huì)有哪些標(biāo)簽更重要呢相叁？ 」
這個(gè)比較專業(yè)了辽幌，我對(duì)這個(gè)業(yè)務(wù)接觸得不多。而且需要看具體業(yè)務(wù)場(chǎng)景虑润。如果是做汽車推薦的話加酵，我建議看看用戶的收入水平，消費(fèi)能力舞蔽，品牌偏好等
Q5码撰、「 天祺: 怎樣保障用戶畫(huà)像的精確度？ 」
這個(gè)精確度我理解主要指預(yù)測(cè)類標(biāo)簽的精確度朵栖。這種標(biāo)簽的預(yù)測(cè)依賴于其他的特征/標(biāo)簽柴梆，同時(shí)需要有準(zhǔn)確的標(biāo)注數(shù)據(jù)，有足夠的數(shù)據(jù)量门扇，然后用合適的模型來(lái)建模預(yù)測(cè)偿渡。
Q6、「 沙沙-會(huì)員營(yíng)銷-北京: 上線前如何評(píng)價(jià)推薦模型優(yōu)劣吉拳？推薦產(chǎn)品和預(yù)訂產(chǎn)品的命中率适揉？多少算達(dá)標(biāo)呢煤惩？」
上線前的評(píng)估就是離線評(píng)估魄揉，離線評(píng)估的標(biāo)注數(shù)據(jù)其實(shí)是來(lái)自于線上的真實(shí)數(shù)據(jù)拭宁。有了這些標(biāo)注數(shù)據(jù)，我們會(huì)把模型預(yù)測(cè)的結(jié)果和標(biāo)注的真實(shí)結(jié)果進(jìn)行比較，計(jì)算precision,recall,或者auc等指標(biāo)降铸。推薦的命中率多少算達(dá)標(biāo)應(yīng)該沒(méi)有一個(gè)標(biāo)準(zhǔn)答案，一般是會(huì)給一個(gè)簡(jiǎn)單的策略做baseline桶蝎，后面迭代過(guò)程中不斷提高谅畅。早期應(yīng)該會(huì)有倍數(shù)的提高
Q7、「李靜Jing-博郡汽車-上海：沈老師胜茧，請(qǐng)問(wèn)用戶畫(huà)像的“個(gè)性”和“共性”怎么有效取舍或者結(jié)合呻顽？」
userprofile是對(duì)用戶個(gè)性的描述丹墨，但是放到模型里面去以后，模型會(huì)想辦法去把相似的用戶放到一起去思考喉前，通過(guò)和這個(gè)用戶有共同特征的用戶來(lái)預(yù)測(cè)當(dāng)前用戶的行為王财，我想這就是一種結(jié)合。不知道這是不是你想表達(dá)的意思
Q8狭握、「letv-crm-茜茜：用戶未來(lái)喜好如何做預(yù)測(cè)疯溺？可否分享一下成功案例哎垦？」
我們之前做過(guò)一版是這樣的：把用戶過(guò)去一段時(shí)間（比如60天）的行為記錄作為特征（比較簡(jiǎn)單的方法是把用戶對(duì)物品的點(diǎn)擊或者下單行為做成特征向量）漏设，把用戶接來(lái)下的發(fā)生行為的品類（例如：接下來(lái)下單的物品的品類） 作為用戶未來(lái)偏好的標(biāo)注今妄，這樣形成樣本作為模型的輸入，訓(xùn)練好模型以后犬性，把用戶最近60天的行為作為特征輸入給模型腾仅，就可以預(yù)測(cè)他下一次行為的偏好了。
Q9鹤耍、「烽火普天-孫天祺-ImageQ負(fù)責(zé)人：這是已有數(shù)據(jù)的用戶最難突破的验辞，各種渠道獲取的數(shù)據(jù)都是不一樣的格式，也很難做到統(tǒng)一杆怕。用戶畫(huà)像也是很多的壳贪，一個(gè)用戶多個(gè)畫(huà)像，怎樣確保是用一個(gè)人呢撑教？」
確保每個(gè)用戶都對(duì)準(zhǔn)確實(shí)比較困難醉拓，除非每個(gè)平臺(tái)上都用用戶的身份證號(hào)作為主鍵。如果沒(méi)有身份證號(hào)愤兵，可以利用手機(jī)號(hào)排吴，銀行卡，郵箱等進(jìn)行關(guān)聯(lián)。
Q10肛冶、「烽火普天-孫天祺-ImageQ負(fù)責(zé)人：關(guān)鍵在于目前用戶畫(huà)像大多都是都是分散的睦袖，匯總的也只是大概率是而已荣刑。除非征信數(shù)據(jù)是最靠譜的。除此之外真的好無(wú)法打通各自的數(shù)據(jù)壁壘厉亏。」
有賴于各個(gè)平臺(tái)制定統(tǒng)一標(biāo)準(zhǔn)阱飘。據(jù)我了解虱颗，央行征信接口是要求上報(bào)證件號(hào)的忘渔，如果每家都按照央行征信接口的規(guī)范來(lái)存儲(chǔ)數(shù)據(jù)（不管接入還是不接入央行征信）缰儿，那么數(shù)據(jù)打通的問(wèn)題就解決了。
Q11宣赔、「唐浮云：標(biāo)簽的有效性指標(biāo)中瞪浸，提到了卡方檢驗(yàn)等很多統(tǒng)計(jì)學(xué)的理論知識(shí)，這一部分在實(shí)際營(yíng)銷過(guò)程中钩蚊，有沒(méi)有例子可以參考學(xué)習(xí)那蹈矮？謝謝老師～」
關(guān)于卡方檢驗(yàn)，網(wǎng)上資料比較多蝠咆。例如：https://segmentfault.com/a/1190000003719712
Q12、「復(fù)星大數(shù)據(jù)-姜辰希Selina：除了第一梯隊(duì)互聯(lián)網(wǎng)公司積累了海量數(shù)據(jù)以外闸翅，其他中小型企業(yè)數(shù)據(jù)積累有限赡茸。僅從自身場(chǎng)景進(jìn)行挖掘出的畫(huà)像或標(biāo)簽是否會(huì)存在嚴(yán)重偏差，是否能起到指導(dǎo)運(yùn)營(yíng)的效果遗菠？是否應(yīng)著重考慮外部合作华蜒？」
我認(rèn)為還是要立足自身，除非自己有很關(guān)鍵的數(shù)據(jù)是其他公司需要的贺拣，可以進(jìn)行數(shù)據(jù)交換的合作捂蕴，否則很難獲得其他公司的數(shù)據(jù)。據(jù)我了解涡匀，基本上大部分平臺(tái)的用戶的行為頻次都是服從長(zhǎng)尾分布的溉知，總有一些頭部用戶行為比較密集，大部分長(zhǎng)尾用戶行為很稀疏舌劳。所以依賴統(tǒng)計(jì)的用戶畫(huà)像標(biāo)簽總是只對(duì)部分人效果較好玫荣，對(duì)很大一部分人效果較差。
Q13材诽、「 人民日?qǐng)?bào)新媒體中心的產(chǎn)品趙宇威: 老師恒傻，您好，我的理解是對(duì)于用戶的喜好偏好實(shí)體集很好做睁枕，但是預(yù)測(cè)集就很難了，就像今日頭條注簿，他會(huì)用數(shù)據(jù)來(lái)訓(xùn)練模型跳仿，神經(jīng)元，二分類妄辩，不斷矯正系數(shù)山上，但是如果沒(méi)有那么大量的數(shù)據(jù)訓(xùn)練模型怎么辦？」
線下溝通了解到該用戶的實(shí)體集是指通過(guò)行為數(shù)據(jù)統(tǒng)計(jì)出來(lái)的用戶畫(huà)像標(biāo)簽哮伟。預(yù)測(cè)集是指根據(jù)用戶的歷史行為預(yù)測(cè)他接下來(lái)可能喜歡什么妄帘。數(shù)據(jù)量不夠確實(shí)沒(méi)法做模型預(yù)測(cè)，需要不斷累積數(shù)據(jù)鬼廓。
Q14婶恼、「 人民日?qǐng)?bào)新媒體中心的產(chǎn)品趙宇威: 請(qǐng)教老師關(guān)于做征信勾邦，確定模型后割择，但是很多個(gè)體的數(shù)據(jù)源各個(gè)渠道，比如爬蟲(chóng)啊等等蕉饼，但是如果有拿不到的數(shù)據(jù)，那這個(gè)指標(biāo)項(xiàng)在模型里怎么處理呢」
如果所有樣本都拿不到這一維度的數(shù)據(jù)昧港，那就相當(dāng)于整個(gè)模型少了一個(gè)維度支子。只要其他維度還在影響也不大。如果是只有一部分樣本拿不到這一維度的數(shù)據(jù)，那么是可以有缺失值處理的辦法的巩搏。常用的是中位數(shù)趾代，平均數(shù)等進(jìn)行填充。
干貨專訪和文章
【DTalk精華】網(wǎng)易鄭棟：前端數(shù)據(jù)采集與分析的那些事第一彈: 從數(shù)據(jù)埋點(diǎn)到AB測(cè)試
【DTalk精華】滴滴出行譙洪敏：前端數(shù)據(jù)采集與分析的那些事第二彈：企業(yè)如何選擇自動(dòng)埋點(diǎn)和可視化埋點(diǎn)
【DTalk精華】滴滴出行譙洪敏：前端數(shù)據(jù)采集與分析的那些事第三彈：埋點(diǎn)需求整理原則于埋點(diǎn)流程規(guī)范
【DTalk專訪】滴滴譙洪敏：百家爭(zhēng)鳴的前端技術(shù)時(shí)代
【DTalk思考】顧青：互聯(lián)網(wǎng)團(tuán)隊(duì)的數(shù)據(jù)驅(qū)動(dòng)能力從哪里來(lái)禽捆？
【DTalk專訪】彭圣才：AI超越人類大腦睦擂，是一場(chǎng)「別有用心者」的騙局嗎杖玲？
【DTalk專訪】翁嘉頎：AI行業(yè)現(xiàn)階段最需要什么樣的人才？
【DTalk專訪】趙華：攜程怎么把機(jī)器學(xué)習(xí)與實(shí)際業(yè)務(wù)相結(jié)合臼闻？
【DTalk專訪】網(wǎng)易鄭棟：BI囤采、可視化數(shù)據(jù)產(chǎn)品和大數(shù)據(jù)的幾個(gè)核心問(wèn)題
【DTalk回顧】美團(tuán)點(diǎn)評(píng)沈國(guó)陽(yáng)：我們?cè)谡動(dòng)脩舢?huà)像的時(shí)候到底在談什么？
