一、推薦系統(tǒng)
二、阿里云智能推薦AIRec
三、用戶畫像介紹
1、用戶畫像的概念
????用戶畫像是指根據(jù)用戶的屬性、偏好、生活習(xí)慣、行為等信息，抽象出來的標(biāo)簽化用戶模型。
? ??標(biāo)簽是通過對用戶信息分析而來的高度精煉的特征標(biāo)識。
????通過打標(biāo)簽可以利用一些高度概括、容易理解的特征來描述用戶，可以讓人更容易理解用戶，并且可以方便計算機(jī)處理。
用戶畫像是對現(xiàn)實世界中用戶的建模，用戶畫像包含目標(biāo)，方式，組織，標(biāo)準(zhǔn)，驗證這5個方面。
??目標(biāo)：指的是描述人，認(rèn)識人，了解人，理解人。
??方式：分為非形式化手段，如使用文字、語言、圖像、視頻等方式描述人；形式化手段，即使用數(shù)據(jù)的方式來刻畫人物的畫像。
??組織：指的是結(jié)構(gòu)化、非結(jié)構(gòu)化的組織形式。
??標(biāo)準(zhǔn)：指的是使用常識、共識、知識體系的漸進(jìn)過程來刻畫人物，認(rèn)識了解用戶。
??驗證：依據(jù)側(cè)重說明了用戶畫像應(yīng)該來源事實、經(jīng)得起推理和檢驗。
2、用戶畫像的作用
（1）精準(zhǔn)營銷：根據(jù)歷史用戶特征，分析產(chǎn)品的潛在用戶和用戶的潛在需求，針對特定群體，利用短信、郵件等方式進(jìn)行營銷。
（2）用戶統(tǒng)計：根據(jù)用戶的屬性、行為特征對用戶進(jìn)行分類后，統(tǒng)計不同特征下的用戶數(shù)量、分布；分析不同用戶畫像群體的分布特征。
（3）數(shù)據(jù)挖掘：以用戶畫像為基礎(chǔ)構(gòu)建推薦系統(tǒng)、搜索引擎、廣告投放系統(tǒng)，提升服務(wù)精準(zhǔn)度。
（4）服務(wù)產(chǎn)品：對產(chǎn)品進(jìn)行用戶畫像，對產(chǎn)品進(jìn)行受眾分析，更透徹地理解用戶使用產(chǎn)品的心理動機(jī)和行為習(xí)慣，完善產(chǎn)品運(yùn)營，提升服務(wù)質(zhì)量。
（5）行業(yè)報告&用戶研究：通過用戶畫像分析可以了解行業(yè)動態(tài)，比如人群消費習(xí)慣、消費偏好分析、不同地域品類消費差異分析
3、用戶畫像的分類
畫像方法
從應(yīng)用角度來看，可以分為行為畫像、健康畫像、企業(yè)信用畫像、個人信用畫像、靜態(tài)產(chǎn)品畫像、旋轉(zhuǎn)設(shè)備畫像、社會畫像和經(jīng)濟(jì)畫像等。
4、用戶畫像需要用到哪些數(shù)據(jù)
（1）人口屬性：包括性別、年齡等人的基本信息
（2）興趣特征：瀏覽內(nèi)容、收藏內(nèi)容、閱讀咨詢、購買物品偏好等
（3）消費特征：與消費相關(guān)的特征
（4）位置特征：用戶所處城市、所處居住區(qū)域、用戶移動軌跡等
（5）設(shè)備屬性：使用的終端特征等
（6）行為數(shù)據(jù)：訪問時間、瀏覽路徑等用戶在網(wǎng)站的行為日志數(shù)據(jù)
（7）社交數(shù)據(jù)：用戶社交相關(guān)數(shù)據(jù)
去哪兒網(wǎng)案例：
5、用戶畫像的主要應(yīng)用場景
a)用戶屬性
b)用戶標(biāo)簽畫像
c)用戶偏好畫像
d)用戶流失
e)用戶行為
f)產(chǎn)品設(shè)計
g)?個性化推薦、廣告系統(tǒng)、活動營銷、內(nèi)容推薦、興趣偏好
6、用戶畫像標(biāo)簽體系的建立
6.1 標(biāo)簽體系
（1）標(biāo)簽分類
（2）標(biāo)簽級別
運(yùn)算層級
??事實標(biāo)簽：是通過對于原始數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行統(tǒng)計分析而來的，比如用戶投訴次數(shù)，是基于用戶一段時間內(nèi)實際投訴的行為做的統(tǒng)計。
??模型標(biāo)簽：模型標(biāo)簽是以事實標(biāo)簽為基礎(chǔ)，通過構(gòu)建事實標(biāo)簽與業(yè)務(wù)問題之間的模型，進(jìn)行模型分析得到。比如，結(jié)合用戶實際投訴次數(shù)、用戶購買品類、用戶支付的金額等，進(jìn)行用戶投訴傾向類型的識別，方便客服進(jìn)行分類處理。
??預(yù)測標(biāo)簽：則是在模型的基礎(chǔ)上做預(yù)測，比如針對投訴傾向類型結(jié)構(gòu)的變化，預(yù)測平臺輿情風(fēng)險指數(shù)。
（3）標(biāo)簽命名&賦值
（4）標(biāo)簽屬性
標(biāo)簽屬性可以理解為針對標(biāo)簽進(jìn)行的再標(biāo)注，這一環(huán)節(jié)的工作主要目的是幫助內(nèi)部理解標(biāo)簽賦值的來源，進(jìn)而理解指標(biāo)的含義。
1、固有屬性：是指這些指標(biāo)的賦值體現(xiàn)的是用戶生而有之或者事實存在的，不以外界條件或者自身認(rèn)知的改變而改變的屬性。比如：性別、年齡、是否生育等。
2、推導(dǎo)屬性：由其他屬性推導(dǎo)而來的屬性，比如星座，我們可以通過用戶的生日推導(dǎo)，比如用戶的品類偏好，則可以通過日常購買來推導(dǎo)。
3、行為屬性：產(chǎn)品內(nèi)外實際發(fā)生的行為被記錄后形成的賦值，比如用戶的登陸時間，頁面停留時長等。
4、態(tài)度屬性：用戶自我表達(dá)的態(tài)度和意愿。比如說我們通過一份問卷向用戶詢問一些問題，并形成標(biāo)簽，如詢問用戶：是否愿意結(jié)婚，是否喜歡某個品牌等。當(dāng)然在大數(shù)據(jù)的需求背景下，利用問卷收集用戶標(biāo)簽的方法效率顯得過低，更多的是利用產(chǎn)品中相關(guān)的模塊做了用戶態(tài)度信息收集。
5、測試屬性：測試屬性是指來自用戶的態(tài)度表達(dá)，但并不是用戶直接表達(dá)的內(nèi)容，而是通過分析用戶的表達(dá)，結(jié)構(gòu)化處理后，得出的測試結(jié)論。比如，用戶填答了一系列的態(tài)度問卷，推導(dǎo)出用戶的價值觀類型等。
6.2 標(biāo)簽體系結(jié)構(gòu)分類
（1）結(jié)構(gòu)化標(biāo)簽體系
簡單地說，就是標(biāo)簽組織成比較規(guī)整的樹或森林，有明確的層級劃分和父子關(guān)系。
（2）非結(jié)構(gòu)化標(biāo)簽體系
非結(jié)構(gòu)化，就是各個標(biāo)簽就事論事，各自反應(yīng)各自的用戶興趣，彼此之間并無層級關(guān)系，也很難組織成規(guī)整的樹狀結(jié)構(gòu)。非結(jié)構(gòu)化標(biāo)簽的典型例子，是搜索廣告里用的關(guān)鍵詞。還有Facebook用的用戶興趣詞。
（3）半結(jié)構(gòu)化標(biāo)簽體系
在用于效果廣告時，標(biāo)簽設(shè)計的靈活性大大提高了。標(biāo)簽體系是不是規(guī)整，就不那么重要了，只要有效果就行。在這種思路下，用戶標(biāo)簽往往是在行業(yè)上呈現(xiàn)出一定的并列體系，而各行業(yè)內(nèi)的標(biāo)簽設(shè)計則以“逮住老鼠就是好貓”為最高指導(dǎo)原則，切不可拘泥于形式。
6.3?用戶畫像標(biāo)簽層級的建模方法
用戶畫像的核心是標(biāo)簽的建立，用戶畫像標(biāo)簽建立的各個階段使用的模型和算法如下圖所示。
原始數(shù)據(jù)層。對原始數(shù)據(jù)，我們主要使用文本挖掘的算法進(jìn)行分析如常見的TF-IDF、TopicModel主題模型、LDA 等算法，主要是對原始數(shù)據(jù)的預(yù)處理和清洗，對用戶數(shù)據(jù)的匹配和標(biāo)識。
事實標(biāo)簽層。通過文本挖掘的方法，我們從數(shù)據(jù)中盡可能多的提取事實數(shù)據(jù)信息，如人口屬性信息，用戶行為信息，消費信息等。其主要使用的算法是分類和聚類。分類主要用于預(yù)測新用戶，信息不全的用戶的信息，對用戶進(jìn)行預(yù)測分類。聚類主要用于分析挖掘出具有相同特征的群體信息，進(jìn)行受眾細(xì)分，市場細(xì)分。對于文本的特征數(shù)據(jù)，其主要使用相似度計算，如余弦夾角，歐式距離等。模型標(biāo)簽層。使用機(jī)器學(xué)習(xí)的方法，結(jié)合推薦算法。
模型標(biāo)簽層。完成對用戶的標(biāo)簽建模與用戶標(biāo)識。其主要可以采用的算法有回歸，決策樹，支持向量機(jī)等。通過建模分析，我們可以進(jìn)一步挖掘出用戶的群體特征和個性權(quán)重特征，從而完善用戶的價值衡量，服務(wù)滿意度衡量等。預(yù)測層。也是標(biāo)簽體系中的營銷模型
預(yù)測層。這一層級利用預(yù)測算法，如機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí)，計量經(jīng)濟(jì)學(xué)中的回歸預(yù)測，數(shù)學(xué)中的線性規(guī)劃等方法。實習(xí)對用戶的流失預(yù)測，忠實度預(yù)測，興趣程度預(yù)測等等，從而實現(xiàn)精準(zhǔn)營銷，個性化和定制化服務(wù)。
不同的標(biāo)簽層級會考慮使用對其適用的建模方法，對一些具體的問題，有專門的文章對其進(jìn)行研究。
7、用戶畫像的基本步驟
（1）用戶畫像的基本方向
（2）用戶數(shù)據(jù)收集
（3）用戶標(biāo)簽建模
另外，需要注意的是用戶畫像的時效性，構(gòu)建畫像的數(shù)據(jù)多為歷史數(shù)據(jù)，但用戶的行為、偏好等特征多會隨著時間的推移而發(fā)生變化。
8、用戶畫像的驗證
9、用戶畫像平臺&架構(gòu)
