利用python搭建用户画像系统

用户画像是当下很多企业都会提及的概念，多数情况下会和大数据以及营销挂钩，其应用诸如某宝、某团之类的个性化推荐，都用到了用户画像。本文将对用户画像的相关知识进行简单的介绍，作者本人也是刚接触到用户画像不久，写下本文亦是为了让自己更加的了解用户画像，如有错误，敬请指正。

1. 用户画像的概念

用户画像可以简单理解成是海量数据的标签，根据用户的目标、行为和观点的差异，将他们区分成不同的类型，然后从每种类型中抽取出典型的特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成一个人物原型（personas）

人物原型

更直观的理解，用户画像就等于是用户的自我介绍。比如，我有一个朋友叫小明，为人乐观开朗，乐于助人，在一线城市从事软件开发工作，喜欢听音乐，旅游，偶尔打打王者荣耀，目前还是单身狗一只···

看完之后，是不是感觉到这个人物形象比较清晰了？这是因为小明这个完整的人物画像已经呈现在了你的脑海里。当标签被描述的越多，你的用户画像就会越清晰

2. 用户画像的意义

简单来说用户画像可以帮助企业进行产品的定位、优化用户体验、进行广告的精准投放以及衡量用户价值的大小等等

3. 用户画像的基本要素

基本要素

用户画像可以从静态属性、动态属性、消费属性和心理属性来划分

• 静态属性是勾勒用户画像的基础：如年龄、性别、学历、角色、收入、地域、婚姻等
• 动态属性是指用户在互联网上的上网行为、娱乐偏好、社交习惯、出行方式以及获取知识的方式等，这些均可直接反应用户对你的内容是否感兴趣
• 消费属性是指用户的消费水平、消费心理等。消费属性可以反映出用户的消费习惯，如是追求品质高还是追求性价比，是喜欢就直接消费还是货比三家之后还犹豫不决呢
• 心理属性是指用户在生活、工作、情感以及社交方面所拥有的个人价值观

4. 用户画像的思路

用户画像的构建思路围绕显性画像和隐性画像两个方面进行展开

• 显性画像：即用户群体的可视化的特征描述。如目标用户的年龄、性别、职业、地域、兴趣爱好等特征
• 隐性画像：用户内在的深层次的特征描述。包含了用户的产品使用目的、用户偏好、用户需求、产品的使用场景、产品的使用频次等

以下可做思路的参考：

思路

5. 用户画像的构建步骤

为了让整个用户画像的工作有秩序，有节奏的进行，我们可以将用户画像分为以下三个步骤：基础数据采集，分析建模，结果呈现

步骤

第一步：基础数据采集

---

数据是构建用户画像的核心依据。在基础数据采集方面可以先通过列举法先列举出构建用户画像所需要的基础数据。具体的思路如下：

基础数据采集

当然上面列举的数据维度相对比较多，在构建用户画像过程中会根据需求进行相关的数据筛选

第二步：分析建模

---

当我们对用户画像所需要的资料和基础数据收集完毕后，需要对这些数据进行分析和加工，提炼关键要素，构建可视化模型

比如，如果我们所做的产品是面向95后的用户群体，你需要了解整个95后群的性格特征、行为喜好等，通过搜索你可以获取到以下资料：

• QQ空间独家大数据《“95后”新生代社交网络喜好报告》
• 中国大数据产业观察《2015年95后生活形态调研报告》

接着可以对这些报告进行分析和关键词提炼，概括出整个95后群体标签，具体如下：

image.png

第三步：画像呈现

---

我们知道用户画像是给目标用户群体打标签，从显性画像和隐性画像两个方面来进行，因此整个用户画像的呈现也需要从这两个方面进行。

• 第一部分：显性特征

image.png

• 第二部分：隐性特征

  
  image.png

6.利用python生成用户画像

参考文章：
http://www.woshipm.com/operate/640433.html
https://blog.csdn.net/u013043346/article/details/77712408
http://www.sohu.com/a/115611583_445326