数据挖掘工具:发现未知信息的利器!
第一步:搭建一个场景模型(百度云)
在百度云的生态中,有些百度云在部署技术的时候就特别重视存储底层的数据。而这些数据一般都是来自核心数据。比如上图所示的案例,只是部署其中的部分核心数据,对数据的底层数据进行分区,依照用户属性进行数据分类。
在整个产品的运行过程中,数据的数据系统都是不一样的。会根据用户画像进行决策,而这个过程中对核心数据和核心数据的抓取会通过与数据的数据相关的技术进行组合,且通过技术结合出更好的数据模型。而在产品上,会采用标准化的方式来实现。比如中企动力就会通过标准化的方式来部署相关的核心数据和核心数据。
第二步:业务数据的挖掘
当我们在百度云中挖掘出已经成熟的数据后,就可以开始进行接下来的用户画像分析。在用户画像分析阶段,需要做出以下两点:
1)在用户画像的定位上,需要对目标用户进行分类。
2)接下来的产品数据的结构、场景的划分,可以分为:大用户、小用户、中小用户、新用户,从大用户画像到小用户画像,每一个分类都有一个特征,不同的特征代表了不同的产品形态,从而对用户的画像更加清晰。
第三步:建立用户画像的数据索引库
1)根据用户画像建立一个“用户画像数据库”,这个数据库包括以下三个维度:
用户的人口属性、职业、收入、城市分布、性别、年龄等。
2)根据用户的年龄层次划分用户画像,对应的画像中还需要获取用户的一个基础信息,用户的性别分布、年龄分布、城市分布等。
3)用户的行为数据的统计,比如用户访问网页的习惯、行为、访问频次、访问时间、消费金额、消费金额等。
2、构建用户画像库的方法
根据上面的分析,可以把用户画像库建立的初步构建出来。但是需要注意的是,用户画像库里的信息不能太复杂,并且需要一个数学模型,这样才能够得出数据背后的真实含义,进而指导后期的商业决策。
1)定义产品的用户画像
定义产品的用户画像时,需要考虑产品的产品特征、用户在产品的不同阶段,会使用什么样的标签,是否能够解决用户的问题,都是用户画像库的一大关键。
2)如何构建用户画像
获取用户的基本数据后,对这些基本数据进行筛选,通过用户的行为数据,去整理用户画像。
