今天是9.25r。
不，是9.26r了。
繼續(xù)整理之前簡歷上的盲點，總是希望去做到更好。
至少無論何時都不會緊張，坦然面對。

一 、用戶畫像準備階段——數(shù)據(jù)的挖掘和收集
主要是為了得到用戶的人口屬性數(shù)據(jù)和行為數(shù)據(jù)，一般電商平臺這種會有很多用戶的行為數(shù)據(jù)，但是比如大部分基金公司就只有一些人口屬性或者交易結(jié)果數(shù)據(jù)，即沒有自己的電商平臺是很難展開數(shù)據(jù)挖掘的。

下面主要講如何在已經(jīng)收集到用戶的屬性數(shù)據(jù)和行為數(shù)據(jù)的基礎(chǔ)上去做用戶畫像，以及如何去應(yīng)用。

二 、如何建立用戶畫像
說白了主要是對兩類客戶的認知和判斷：
現(xiàn)存客戶 (Existing Customer) - 我的現(xiàn)存客戶是怎么樣，喜歡什么，什么消費習慣，哪些客戶最值錢等等
**潛在客戶 (Prospect Customer) **- 潛在用戶又分：認知客戶和競品客戶，我的潛在客戶在哪，他們喜歡什么，通過什么渠道獲取，獲客成本是多少等等

（1）定性與定量相結(jié)合的研究方法

• 定性的方法，表現(xiàn)為對產(chǎn)品、行為、用戶個體的性質(zhì)和特征作出概括，形成對應(yīng)的產(chǎn)品標簽、行為標簽、用戶標簽。
• 定量的方法，則是在定性的基礎(chǔ)上，給每一個標簽打上特定的權(quán)重，最后通過數(shù)學(xué)公式計算得出總的標簽權(quán)重，從而形成完整的用戶模型。

舉個直觀的例子，通過用戶的行為數(shù)據(jù)，“B用戶今天在蘋果官網(wǎng)購買了iPhone6”反映出的用戶標簽可能是“果粉1”；而“A用戶三天前在天貓收藏了iPhone6”反映出的標簽可能只是“果粉0.448”，這些可以給不同用戶打上不同的標簽和權(quán)重。
有了標簽和權(quán)重后，這將在后續(xù)的營銷決策中發(fā)揮指導(dǎo)作用，比如廣告重點推送給這些用戶，以及協(xié)同推薦。

三、用戶畫像的利用
關(guān)于得到用戶畫像后可以區(qū)分不同用戶級別從而進行相應(yīng)的精準營銷的問題，推薦引擎利用特殊的信息過濾技術(shù)，將不同的內(nèi)容推薦給可能感興趣的用戶。較常見的推薦引擎通用算法有（1）基于關(guān)聯(lián)規(guī)則的推薦算法（如買了泳衣的用戶可能會買泳鏡）；（2）基于內(nèi)容的推薦算法（需要用戶的歷史數(shù)據(jù)，例如我在淘寶上買了個貓砂盆，轉(zhuǎn)眼第二天又給我推薦了一個貓砂盆）；（3）協(xié)同過濾推薦算法。

四、總結(jié)
在去年實習過程中，營銷人群主要通過兩種方法得到，一是自己通過SQL去設(shè)定規(guī)則然后提取人群并過模型；第二種就是基于已有行為數(shù)據(jù)給用戶打上標簽后，再用組合標簽的形式圈定出一些人群，最后通過廣告平臺相應(yīng)店鋪或者商品就被推薦給了相應(yīng)的人群。

說一下用標簽和SQL去找人群的區(qū)別就是：由第二點也知道了，標簽主要是對老客戶和認知客戶進行了打標簽，對競品客戶卻不能打標簽。那么有一種情況就是：對于一個新的店鋪如何去找到潛在的用戶，去進行拉新和引流，這時競品客戶就顯得很重要了，通常我們會人工去找一些與運營店鋪風格、價位相似的店鋪和競品單品，然后通過SQL去找出部分競品客戶，因為對相似競品感興趣的客戶很大可能對我們店鋪同類型的商品也感興趣。

這是對之前實習時候的一些回想，以前有那么好的機會跟著教授團隊一邊實習、一邊學(xué)習，自己卻沒有好好利用，至此也希望對以后有更多的幫助。

（最后以上整理的資料來源是：https://www.zhihu.com/question/33044706 ）