導讀:開搶了!雙11創(chuàng)業(yè)者優(yōu)選服務!我們經(jīng)常談論的用戶精細化運營,到底是什么?簡單來講,就是將網(wǎng)站的每個用戶標簽化,制作一個屬于他自己的網(wǎng)絡身份證。然后,運營人員通過身份證來確定活
發(fā)表日期:2019-08-04
文章編輯:興田科技
瀏覽次數(shù):11679
標簽:
開搶了!雙11創(chuàng)業(yè)者優(yōu)選服務!
我們經(jīng)常談論的用戶精細化運營,到底是什么?簡單來講,就是將網(wǎng)站的每個用戶標簽化,制作一個屬于他自己的網(wǎng)絡身份證。
然后,運營人員通過身份證來確定活動的投放人群,圈定人群范圍,更為精準的用戶培養(yǎng)和管理。
當然,身份證最基本的信息就是姓名、年齡和性別。與現(xiàn)實不同的是,網(wǎng)絡上用戶填寫的資料不一定完全準確,還需要進行進一步的確認和評估。
下面我來介紹一下具體的識別思路。
一、用戶畫像需要的數(shù)據(jù)
用戶平時在電商網(wǎng)站的購物行為、瀏覽行為、搜索行為,以及訂單購買情況都會被記錄在案,探查其消費能力,興趣等。數(shù)據(jù)歸類后,一般來講,可以通過三類數(shù)據(jù)對用戶進行分群和定義。
1、用戶信息
社會特征:馬克思的人性觀把人分為社會屬性和自然屬性。社會特征主要指的是人在社會上的階級屬性,當然也包括服從性、依賴性或者自覺性等,這是人類發(fā)展的必然的基本要求。
自然特征:也可以說成是人的生物性,通常來講可以是食欲,物欲或者購買欲,自我保存能力。但不同人會有不同的自然特征,比如學習能力和邏輯思維等。
興趣特征:對于電商來講,主要是對某件商品,某個品牌或者品類的興趣程度,如加購、瀏覽、收藏、搜索和下單行為。
消費特征:消費能力的評估,消費傾向的評估,能夠判斷用戶的消費層級,是高消費力還是低消費力。
2、商品
商品屬性:基本信息,品類,顏色尺碼型號等。
商品定位:商品層級,是否為高中低端,商品類型傾向于哪類客戶,區(qū)域或者其他的特征。
最后通過以上的信息來獲取用戶信息,判斷其具體的畫像特征,然后得到類似于醬紫的網(wǎng)絡身份證。
通常,拿到數(shù)據(jù)后,我們會將每個環(huán)節(jié)進行拆解,落實到具體的行動策略上。大體可以根據(jù)以下流程進行模型的預估:
業(yè)務目標:精準投放——針對已有產(chǎn)品,尋找某性別偏好的精準人群進行廣告投放。
技術(shù)目標:對用戶購物性別識別——男性,女性,中性。
解決思路:選擇一種分類算法,建立spark模型,對模型進行應用。
線上投放:對得到的數(shù)據(jù)進行小范圍內(nèi)的測試投放,初期不宜過大擴大投放范圍。
效果分析:對投放的用戶進行數(shù)據(jù)分析,評估數(shù)據(jù)的準確性。若不夠完美,則需要重新建模和測試。
二、產(chǎn)品如何理解建模過程
重點來了,雖然能夠通過用戶的行為、購買和興趣數(shù)據(jù),了解用戶的基本信息,但是仍然不清楚如何建模?用什么語言建模?
其實,購物性別的區(qū)分使用的是spark,但是spark也有很多分類,包含邏輯回歸,線性支持向量機,樸素貝葉斯模型和決策樹。那么,又該如何選擇呢?
其中,決策樹的優(yōu)點較多,主要是其變量處理靈活,不要求相互獨立??商幚泶缶S度的數(shù)據(jù),不用預先對模型的特征有所了解。對于表達復雜的非線性模式和特征的相互關系,模型相對容易理解和解釋??雌饋頉Q策樹的方法最適合區(qū)分性別特征了,所以決定用決策樹進行嘗試。
什么是決策樹?簡單來講,是通過訓練數(shù)據(jù)來構(gòu)建一棵用于分類的樹,從而對未知數(shù)據(jù)進行高效分類??梢詮南旅娴膱D了解決策樹的工作原理。
構(gòu)造決策樹的步驟為:
起始階段,所有歷史數(shù)據(jù)當作一個主節(jié)點;
我們選擇某個屬性測試條件用于分割節(jié)點,以擇偶標準模型為例,把長相作為首節(jié)點;
將長相節(jié)點分割,以帥和丑作為條件,導致的結(jié)果作為其子節(jié)點,如分割成牽手和是否公務員;
對子節(jié)點,如牽手和是否公務員,繼續(xù)執(zhí)行第2、3步,直到節(jié)點滿足停止分割的條件。
通過訓練數(shù)據(jù)來構(gòu)建一棵用于分類的樹,從而對未知數(shù)據(jù)進行高效分類。
以上步驟中,能夠得出一個結(jié)論,在構(gòu)建決策樹的過程中,最重要的是如何找到最好的分割點。決策樹值得注意的問題是過擬合問題,整個算法必須解決「如何停止分割」和「如何選擇分割」兩個關鍵問題。
最簡單的做法就是設定樹的深度或枝葉的最少樣本量。但是,過少的樣本量又不具有代表性,所以一般情況,可以使用交叉驗證的方法。交叉驗證就是可以使用一部分數(shù)據(jù)用于模型的訓練,另一部分數(shù)據(jù)可以用來評估模型的性能。業(yè)內(nèi)常用的劃分方法是講樣本進行50/50分,60/40分或者80/20分。
三、模型確立過程
在建模前期,首要考慮的事情就是先確定指標,以及對樣本的定義。購物性別指的是什么?通過哪些數(shù)據(jù)來確定購物性別,樣本的準確性,如何驗證數(shù)據(jù)的可信度等。
四、購物性別的定義
先看下圖,具體的邏輯可從圖中查看。一般來講,用戶填寫的資料不一定真實,我們對他/她的性別數(shù)據(jù)持懷疑態(tài)度,所以,就需要其他數(shù)據(jù)進行輔助證明其性別。
訂單數(shù)據(jù)能夠真實反映用戶的購買心態(tài),預測購買行為,并且能夠通過購買商品的所屬類別,判斷用戶的購買傾向,最后得到性別特征類目。不過本文就不展開探討甄別特征類目的區(qū)分方法了。
根據(jù)數(shù)據(jù)結(jié)果,最終,確認了購物性別的定義。分為:
購物性別男:N月購買的男性特征類目子下單數(shù)> N月購買的女性特征類目子下單數(shù);
購物性別女:N月購買的男性特征類目子下單數(shù)> N月購買的女性特征類目子下單數(shù);
購物性別中性:未下單男女特征類目。
N需要具體根據(jù)業(yè)務場景來定。
五、建模數(shù)據(jù)準備過程
本節(jié)是具體的操作過程,模型的實操階段。一般來講,不同模型的訓練其實大體雷同。從技術(shù)上來講,各家算法大多使用spark,不同點是所運算的模型都是針對于場景來定的。
在全部樣本中,取80%的數(shù)據(jù)用于訓練模型;
在全部樣本中,取20%的數(shù)據(jù)用戶數(shù)據(jù)測試。
這種方式可以更好的根據(jù)數(shù)據(jù)的規(guī)模,提高模型的準確性。
六、模型效果分析
根據(jù)各類參數(shù)的評估結(jié)果,以及人工經(jīng)驗選定的模型參數(shù),建立模型。值得注意的是,決策樹的深度不要過深,以防止過擬合的問題:
行業(yè)內(nèi)當前采用數(shù)據(jù)挖掘、機器學習和推薦系統(tǒng)中的評測指標:準確率(precision)、召回率(Recall)。準確率是應用最廣的數(shù)據(jù)指標,也很清晰易懂,以男性為例:
準確率=命中的男性用戶數(shù)量/所有預測男性數(shù)量,一般來講,準確率可以評估模型的質(zhì)量,他是很直觀的數(shù)據(jù)評價,但并不是說準確度越高,算法越好。
召回率=命中的男性用戶數(shù)量/所有男性數(shù)量,反映了被正確判定的正例占總的正例的比重。
模型建立完后,需根據(jù)模型的結(jié)果與預期的對比,進行調(diào)優(yōu)。
七、最后要說的
購物性別定義對于用戶精準營銷十分重要,疑難雜癥,對癥下藥,才能出現(xiàn)更好的療效。
上一篇:
404頁面設置原來有這么多事兒!更多新聞
2023
網(wǎng)站建設是什么?網(wǎng)站建設是指通過設計、編碼和發(fā)布網(wǎng)站,使其能在互聯(lián)網(wǎng)上正常運行的過程。。網(wǎng)站建設的目...
View details
2023
漢中網(wǎng)絡優(yōu)化是什么?在當今數(shù)字化時代,漢中網(wǎng)絡優(yōu)化是網(wǎng)站拓展和增加可見性的關鍵步驟。。漢中網(wǎng)絡優(yōu)化,...
View details
2023
導言當下,計算機技術(shù)的快速發(fā)展使得游戲產(chǎn)業(yè)蓬勃發(fā)展。。游戲網(wǎng)站成為了游戲行業(yè)最重要的一環(huán),為玩家提供...
View details
2023
為什么上海 網(wǎng)絡推廣如此重要?在當今數(shù)字時代,互聯(lián)網(wǎng)已經(jīng)成為企業(yè)和品牌推廣的關鍵渠道。。隨著越來越多...
View details