原文鏈接：https://mp.weixin.qq.com/s?__biz=MzAxNDEwNjk5OQ==&mid=2650403806&idx=1&sn=1664e1ca295c99b23844d156010fbd87&chksm=83953bc6b4e2b2d0374d2bbf3275b6c6daf537589469cdefec186219016a9e3fced29d23818d&mpshare=1&scene=1&srcid=&sharer_sharetime=1566385203203&sharer_shareid=b395a997417f0cc8d103e8415247369c#rd

用戶增長(zhǎng)團(tuán)隊(duì)主要是與運(yùn)營(yíng)和產(chǎn)品相協(xié)作，實(shí)現(xiàn)對(duì)各個(gè)業(yè)務(wù)領(lǐng)域?qū)τ脩羧禾卣鞯纳钊肜斫夂投床?，從而在更大的新?shù)據(jù)（可能是其他相關(guān)或者類似業(yè)務(wù)上的數(shù)據(jù)）上挖掘出潛在的本業(yè)務(wù)的新用戶。
（0）數(shù)據(jù)準(zhǔn)備
搭建數(shù)據(jù)平臺(tái)，包含用戶基本特征（性別，年齡，收入，位置，人生階段等）；利用用戶評(píng)論等文本信息挖掘用戶傾向；并利用分享，轉(zhuǎn)發(fā)等挖掘用戶之間關(guān)系信息。
（1）生成種子用戶。
首先，運(yùn)營(yíng)根據(jù)業(yè)務(wù)經(jīng)驗(yàn)，將業(yè)務(wù)需求轉(zhuǎn)化為標(biāo)簽，然后根據(jù)標(biāo)簽劃分出已有的用戶作為種子用戶。這些種子用戶是在特殊場(chǎng)景下收集到的，對(duì)商品，服務(wù)需求和興趣一致。數(shù)量比較少。根據(jù)已有標(biāo)簽體系，為所有用戶打上標(biāo)簽。沒(méi)有標(biāo)簽的用戶通過(guò)GBDT生成。
（2）生成擴(kuò)展用戶。
首先對(duì)用戶文本信息進(jìn)行向量化（doc2vec），然后進(jìn)行聚類，提取聚類中心向量。根據(jù)用戶文本所在聚類得到用戶價(jià)值傾向?qū)ο蛄勘磉_(dá)。（具體實(shí)現(xiàn)不明，推測(cè)為用戶性格，是否關(guān)注產(chǎn)品體驗(yàn)，等進(jìn)行文本信息特征提取，隨后進(jìn)行聚類）；
其次，使用圖模型對(duì)用戶關(guān)系數(shù)據(jù)進(jìn)行轉(zhuǎn)化，利用node2vec得到用戶關(guān)系網(wǎng)絡(luò)圖向量化表示。（這個(gè)用戶關(guān)系網(wǎng)絡(luò)圖對(duì)作用和表示不明）；
最后和用戶基本特征進(jìn)行拼接，得到用戶組合特征。多特征向量集（User Vector Set，UVS）。這么做是因?yàn)閮H僅使用用戶的屬性特征和標(biāo)簽特征進(jìn)行人群擴(kuò)散過(guò)于粗獷，人與人的興趣差異不光光是興趣標(biāo)簽決定的，往往和時(shí)間、環(huán)境、友人等其他的因素息息相關(guān)。各個(gè)維度當(dāng)特征做好歸一化。（特征更加細(xì)粒度化，同時(shí)是否做了主成分分析不明）。
多特征向量聚類并存庫(kù)（存聚類中心和對(duì)應(yīng)ID）。（具體聚類算法和實(shí)現(xiàn)細(xì)節(jié)不明，用戶關(guān)系數(shù)據(jù)聚類有點(diǎn)不明作用）生成擴(kuò)展用戶群特征。擴(kuò)展用戶應(yīng)該是淘系所有產(chǎn)品線用戶。
（3）使用方法，當(dāng)運(yùn)營(yíng)在平臺(tái)上傳種子用戶ID后，根據(jù)種子用戶ID判斷其是否在UVS中，將存在的也通過(guò)以上方法和數(shù)據(jù)生成對(duì)應(yīng)聚類中心。通過(guò)相似性度量方法找到與種子人群類簇中心距離最小的 topN 個(gè)擴(kuò)展用戶類簇，其中高緯度數(shù)據(jù)使用余弦相似度效果較好。（種子用戶和擴(kuò)展用戶各生成多少個(gè)聚類中心不明）。將這N各用戶類簇的用戶ID輸出。
（5）分群評(píng)價(jià)指標(biāo)。覆蓋度和相似度。
覆蓋度：對(duì)種子人群進(jìn)行隨機(jī)采樣，切分為 A、B 兩個(gè)人群， A 人群通過(guò)相似人群挖掘算法得到擴(kuò)散后的人群 C ，覆蓋度 =B∩C/B ，覆蓋度表示擴(kuò)人群中人群 B 的占比，考驗(yàn)的是算法通過(guò)人群 A 對(duì)人群 B 的“恢復(fù)”能力，具體實(shí)驗(yàn)中通過(guò)將種子人群進(jìn)行 5 倍擴(kuò)散后根據(jù)相似人群的覆蓋度是否有提升來(lái)對(duì)模型進(jìn)行迭代優(yōu)化。人群覆蓋度指標(biāo)并不能完全表征相似人群與種子人群的的近似程度，需要配合人群相似度一起評(píng)估。
相似度：人群相似度用來(lái)控制人群規(guī)模。首先分別計(jì)算擴(kuò)散人群到種子人群聚類中心的 cosine 距離；其次進(jìn)行歸一化。人群相似度基于擴(kuò)散人群與種子人群間的距離計(jì)算，能夠表征擴(kuò)散人群與種子人群的相似程度。
（6）進(jìn)一步擴(kuò)展
特征表達(dá)優(yōu)化；根據(jù)業(yè)務(wù)的人群劃分豐富；特征豐富；效果反饋和迭代。