1-1简介

基本概念

1.基本属性：每个人都有一些基本属性（性别、年龄、婚否、收人、教育程度）。

行为记录：网上购买行为、查看网页行为、点击行为、购物车行为，从这些行为中判断出用户的一些信息，假如经常网上购买小孩的物品，从此之后可以不判断出小孩的年龄、小孩的性别、等等的一些信息。

2.去购买能力：可以可以确定出用户的购买能力，最终达到打上购买力的等级标志。

3.行为特征：是可以判断用户的行为特征，比如说用户的活跃程度、购物类型。

4.社交网络：这个可以可以确定出他的社交网络。

5.心理特征：比如报出促销的敏感度，购物的真心诚意度。

6.兴趣爱好：颜色的偏好，品牌的偏好。

用户画像的用途

1.精准营销：邮件、短信、

2.用户统计数据：地域、时段

3.数据挖掘：特征、行为

学习目标：

1.知道一点hive数据仓库的特点

2.学会了在用hive并且数据开发

3.进入到解释用户数据的特点

4.完全掌握要如何构建体系用户画像

5.亲密接触换算项目的开发

6.靠积累项目实战经验

主要内容：

1.用户画像项目介绍

2.用户画像建模

3.不使用hive进项数据开发

4.用户画像数据开发

1-2用户画像简介

定义

用户画像（UserProfile）也叫用户信息标签化，客户标签。根据基本信息和行为，用一些标签把用户描绘出出，

具体描述用户的标签就是消费者画像。

最终形成用户画像的技术

1.数据收集：网络日志数据、用户行为数据、网站交易数据

2.行为建模：文本挖掘、自然语言处理、机器学习、预测算法、聚类算法

3.用户画像：基本属性、可以购买能力、行为特征、兴趣爱好、心里特征、社交网络

源数据

1.动态和静态信息数据：来源于用户填好的个人资料，或是从而反算的数据。要是有不判断的。可以确立模型来判断。比如用户性别如果不填，可以不组建性别模型，实际用户的行为来推测其性别是什么船舶概论概率。

人口属性：性别、生日、年龄、婚否、收人、城市、教育程度、职业、是否是有小孩（数量）、星座、月收入

商业属性：消费等级、消费周期

2.动态信息数据：用户行为再产生的数据：注册、打开浏览器、点击、去购买、签收后、评价。

比较比较重要的行为：购买商品、浏览的网页商品、放入购物车、参与商品。

注册时间、首单时间、潮妈族，纠结啊商品、大消费、退货数量、败家指数、品牌偏好。

用户相互点（TouchPoint）

行为类型：网页、搜索、发表文章、点赞数

外界点（Tag）：女装单品页面、女鞋单品页面……

标签分类

1.确认的标签

2.根据算法猜测的标签

标签举例子：

1.用户活跃度：未定购、异常活跃、沉睡、大量流失

2.用户分群：电脑达人、数码潮人、家庭用户、有房一族、网购达人、单身贵族、时尚男女、奶爸奶妈、

拼购用户、超级用户。（参照用户去购买的品类情况，比如说一级品类、二级品类）

1-3用户画像用途

用户画像的作用：

1.分类统计：12星座对雾霾天气的防范指数；奶爸当家指数；

访客画像（男女比例；新老用户比；年龄分布；学历分布）

2.营销帮我推荐：邮件营销；短信营销；push信息。

例确认你有小孩的话，推荐一下一些母婴产品

3.数据挖掘：据用户的数据挖掘出一些用处不大的信息以支持决策。

利用关联规则计算：比较喜欢红酒的人常见喜欢什么品牌？利用聚类算法讲：喜欢红酒的人，年龄段分布情况。

数据挖掘

1.属性再次筛选：属性筛选后、基于组件信息增益的属性打分、属性重要性打分、主成分分析、实现卡方检验的属性再次筛选；

2.具体分类分析预测：决策树、神经网络分类、贝叶斯网络、归类重临树、支持向量机分类、逻辑回归、朴素贝叶斯、分类组合模型；

3.回归预测：20块多项式回归、神经网络回归、广义线性回归、支持向量机轮回、回归两种模型；

4.聚类分析：K均值聚类、基于条件K均值的层次聚类、分布肯定聚类、两阶段聚类；

5.关联分析：购物篮分析、属性关联分析、序列模式分析；

6.时间序列：ARX时间序列

数据挖掘

比较喜欢什么东西的人往往很喜欢什么？

做了这个事的人接下来好象会干什么？

最比较经典例子：啤酒与尿布的关系。