推荐算法中用户画像构建

在越来越火的大数据和机器学习的浪潮中，准确的定位用户的行为和用户未来的习惯预测，才是真正的产品研发方向。并非市场和运营导向。

消费者越来越个性化，多元化，如何细分用户群体？

首先产品经理要明白产品要服务的对象是谁，然后观察他们的日常行为、消费习惯、上网习惯、，以此来确定产品和服务的开发方向。

一个活跃用户的价值是僵尸粉的百倍，千倍，必须要明确的认识到产品服务的目标群体才能准确的提高产品的质量。

采集用户数据我们可以从三个维度入手：

1. 用户的维度：

• 用户是如何使用产品的
• 用户使用产品的时间
• 用户使用产品停留的时长
• 用户使用产品后是否注册为会员用户
• 运营的维度：
• 用户是否购买产品
• 废弃的支付订单数量
• 每天成功订单的时间区间
• 废弃订单的时间
• 单人废弃订单的频率
• 用户下单的周期
• 是否存在退货
• 是否有投诉的情况
• 新增用户数量
• 老用户流失情况

1. 产品和内容的维度：

• 用户停留时间较长的产品分类
• 对于文字类内容需要分析是否是文章的排版等问题对用户产生的影响
• 收费内容的浏览量与普通内容的浏览量的对比

分析用户画像：

1. 基础特征：

• 年龄：找出用户群体的第一和第二区间
• 性别：男女比例
• 职业：
• 地域分布：
• 兴趣爱好：兴趣爱好对使用产品情况的分析

1. 上网习惯：

• 上网的时间段：
• 上网的时间长度：
• 上网的频率：

1. 产品的使用习惯

• 使用产品的频次：
• 使用产品的时间
• 使用产品的时长
• 个人使用习惯：

分析关键词构建用户画像

以上我们完成了基础数据采集，根据数据的分析获取到我们用户群体和使用习惯的关键词，快速的定位产品的导向，根据关键词完成定位用户的体验优化

推荐算法中用户画像构建

原文：https://www.cnblogs.com/jack-jt-z/p/10698611.html