用敏捷可视化分析搞定用户画像

1、用敏捷可视化分析搞定用户画像伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。用户画像越来越被企业所重视。相比传统的线下会员管理、 问卷调查、购物篮分析， 大数据第一次使得企业能 够通过互联网便利地获取用户更为广泛的反馈信息，为进一步精准、快速地分析用户行为习惯、消费习惯等重要商业信息，提供了足够的数据基础。下面，我们就来手把手地教你，如何用敏捷可视化分析搞定用户画像。什么是用户画像?在互联网逐渐步入大数据时代后，不可避免的给企业及消费者行为带来一系列改变与重塑。其中最大的变化莫过于， 消费者的一切行为在企业面前似乎都将是 “可视化”的。随着大数 据技术的深入研究与应用， 企业的专

2、注点日益聚焦于怎样利用大数据来为精准营销服务， 进 而深入挖掘潜在的商业价值。于是，“用户画像”的概念也就应运而生。用户画像，即用户信息标签化， 就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌作是企业应用大数据技术的基本方式。用户画像为企业提供了足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。用户画像的焦点工作就是为用户打“标签”，而一个标签通常是人为规定的高度精炼的特征标识，如年龄、性别、地域、用户偏好等，最后将用户的所有标签综合来看，就可以勾勒出 该用户的立体“画像”了。具体来讲，当为用户画像时

3、，需要以下四个阶段：1战略解读：企业选择构建用户画像平台， 可以实现不同的战略目的， 如提升产品服务质量、精准营销等。根据战略目的的不同， 用户画像的构建也有所区别。因此首先需要明确用户画像平台的战略意义、平台建设目标和效果预期，进而有针对性的开展实施工作。2建模体系：对用户画像进行数据建模，结合客户实际的需求，找出相关的数据实体，以数据实体为中心规约数据维度类型和关联关系，形成符合客户实际情况的建模体系。3维度分解：以用户、商品、渠道三类数据实体为中心，进行数据维度分解和列举。根据相关性原则，选取和战略目的相关的数据维度，避免产生过多无用数据干扰分析过程。4应用流程：针对不同角色人员的需求（

4、如市场、销售、研发等），设计各角色人员在用户画像工具中的使用功能和应用 /操作流程。用户画像平台的战略意义:（出自易观国际报告）1.完善产品运营，提升用户体验：改变以往闭门造车的生产模式，通过事先调研用户 需求，设计制造更适合用户的产品，提升用户体验。2 .对外服务，提升盈利：根据产品特点，找到目标用户，在用户偏好的渠道上与其交 互，促成购买，实现精准运营和营销。如何搭建用户画像平台?公司应搭建一个用户画像平台，将本身拥有大量用户数据的数据平台和可视化数据工具平台连接起来，根据不同的用户交互场景， 应用挖掘数据平台的价值， 让研发生产，用户研究， 市场营销等人员能够根据需要，随时自主地分析不同

5、产品用户特征，快速洞察用户需求。该平台需要回答的核心问题是：用户是谁？用户需求是什么？用户在哪里？用户画像建模体系完善的用户画像平台需要考虑周全的模型体系。通常来讲，构建用户画像平台所需的数据分成用户、商品、渠道三类实体。1用户：数据维度包括自然特征、兴趣特征、社会特征、消费特征。从数据特点上看，又可 分为基本属性和衍生标签，基本属性包括年龄、性别、地域、收入等客观事实数据，衍生标 签属于基本属性为依据，通过模型规则生成的附加判断数据。2商品：数据维度包括商品定位和商品属性。商品属性即商品的功能、颜色、能耗、价格等 事实数据，商品定位即商品的风格和定位人群，需要和用户标签进行匹配。3.渠道：渠

6、道分为信息渠道和购买渠道。用户在信息渠道上获得资讯，在购买渠道上进行商品采购。不冋类型的用户对渠道有不冋的偏好，精准的选择对应的渠道才能提高效率和收益。用户画像数据维度针对每一类数据实体，进-步分解可落地的数据维度,形成字段集。1用户数据：用户自然特征用户兴趣特征用户社会特征用户消费特CE mi* 皓姻狀况收人枝况-僮用APP屈站已舸商品敎誇水军 互动内春-酸住尉出生日期-品牌1S好-量后购买时币）-产晶fctf1岡离次* M敢;歸业智能2商品数据（以消费电子类为例）：1笔蹄智能电视智能手表- 彌昂牌 是牌.屏茸尺寸* 曲*功鴿 尺寸壘挂式*轲质-电池容垦-吏油容星 内存 凤格卜内窖资涯*議包

7、爲崖生- 祈*网相' CPU 銅&区同*风榕*价ts区间 材质 肆* 饰榕区间亠左.fT-iL护口台詩 怖阴/敢氓FI-!=1冃匚3渠道数据（以消费电子类为例）信Wil 贴吧 新闻禺站* 01(=* 微博*论坛* SNS购买渠道电育平台 实it店畔卖场官同用户画像使用场景场景一，按需设计：改变原有的先设计、再销售的传统模式，在研发新产品前，先基于产品期望定位，在用户画像平台中分析该用户群体的偏好，有针对性的设计产品，从而改变原先新产品高失败率的窘境，增强销售表现。比如，某公司想研发一款智能手表，面向28-35岁的年轻男性，通过在平台中进行分析，发现材质=“金属”、风格=“硬朗”

8、、颜色=“黑色” /"深灰色”、价格区间=“中等”的偏好比重最大，那么就给新产品的设计提供了非常客 观有效的决策依据。场景二，精准营销：针对已有产品，寻找所偏好的精准人群分类，以及这些人群在信息渠道和购买渠道上的分布比例，来决定广告投放和活动开展的位置、内容等，实现精准营销。用户画像平台技术方案系统架构从数据源到最终展现分成如下几层：1. 数据源：包括来自各个业务系统和媒介的分析数据源，其载体包括数据库、文件、大数据平台等。2. 数据建模：根据用户画像建模体系，配置数据模型。3. 数据集市：每个数据集市是基于一个主题做好轻量建模的细节数据，数据按照列存储 的方式，被高效压缩，打好标签

9、，存储在磁盘中。当需要计算时，采用内存计算来进行 数据计算，并且每台机器节点会同时计算，最终会将结果送往可视化分析层做展现。4. 可视化分析：采用永洪敏捷可视化分析作为前端交互组件。无论是业务用户还是IT开发人员都可以通过主流浏览器来访问可视化分析系统，用户还可通过移动终端来访问系统。可视化分析系统提供系统监控，权限多级管理，多维数据分析，等等功能，还支持 自服务式报表设计和数据分析。可视化分析：敏捷可视化分析9O=F6QT3OTEastSouthCentra!Vect Snull Mifket Major Market仪SCUSTOMtR.NAMfORDHl.PRIORnVCUSTOMHl.

10、SfiGMfNIAaron BerqmarNot SpecifiedCorporateAdam Belldvdn<eNot SpecifiedSmall Bu$3ne55A an HanqMediumSmall BusinessAllen RosenblattCriticalSmall BusinessAnna HaberlinCriticalCorporateAnnie ThurmanHk)hHome OfficeAnarne IrvinQMediumCorporateBarry BlumsteinMSmall Business日期|<<20件10月>>i日三Q

11、n28293012345678910111213141516171819202122232425262829303112345678WWWWOOft60,00050.00040.000 利柚90,00020.000W.OWCoffeeimage5.0000o2-8iufUgion一0 CentrilE) EH South We$tChert4.0CO3.0002.00010000 THerbd Tea Etpemo Coffee敏捷可视化分析已成主流目前，可视化分析行业的建设思路也在发生着积极变化。敏捷可视化分析这一思路， 从被大家认知，继而逐步接受， 到了今天已经成为了主流。敏捷可视化分析通

12、过敏捷、迭代的可视 化分析应用开发模式，能快速满足客户的可视化分析需求；通过提升可视化分析系统的交付成功率，去最大化客户的商业价值。基于敏捷可视化分析产品， 客户的可视化分析应用不用等待数月之久，采用快速交付、持续迭代的敏捷开发，一个可视化分析需求可以在一周之内就得到响应并交付给用户。同时，基于自服务(Self-Service)的实现理念，敏捷可视化分析支持最终用户通过简单、灵 活、强大的可视化分析前端去实现自己的可视化分析应用。通过打造“发现问题、找到答案、采取行动”的可视化分析闭环，敏捷可视化分析不但能最快地满足客户的需求，还能降低IT部门的沉重负担。敏捷可视化分析对比传统可视化分析敏捷可

13、视化分析传统可视化分析产品结构一个厂家提供的一个工具，集ETL、OLAP、展现于一体由ETL工具、数据仓库、CUBE、OLAP、报表工具等不同厂家不同产品组成安装过程安装文件100M，几分钟内安装完 成。安装文件庞大（甚至几张光盘），配置复杂，需要几天时间数据来源数据仓库、数据集市、 ODS以及源 业务系统都可以作为数据源，无需 数据仓库、第三方数据库或 CUBE 文件。需要数据仓库、第三方数据库或CUBE文件支持；建模过程从数据源或数据仓库中直接抽取细 节数据。任何字段都可以作为维度和度量， 灵活组合。不基于Cube的汇总数据，保证分析的灵活性。ETL：从源系统中将源数据根据构建 完成的数据

14、模型，抽取、转换并装 载到数据仓库。Cube生成：将数 据仓库中的星型模型数据，根据需 求生成OLAP Cube，供给前端分 析工具展现。灵活性只需要在界面中选取新的纬度，或者改变度量值就能实现业务人员分析需求的变更，这个操作只需要几OLAP需要花费大量的时间，并需 要专业的技能来构建 Cube。一旦 最终用户希望增加、调整多维分析秒钟，快速获取价值，无需复杂的 建模工作。可以按需抽取数据源的表，随时调 整。界面展现控件丰富，布局灵活。的要求，则必须将其需求递交给 IT 人员，由IT人员从数据建模，Cub e制作直至展现，重新构建。性能高性能的列存储数据集市，分布式 计算架构，内存缓存交换机制，实 现百亿级数据的秒级计算响应。随着并发用户的增加， 报表和OLA P的内容增多，分析维度的增加， 系统的响应速度将愈缓慢，即便增 加多个应用服务器，也难以从根本 上解决性能问题项目风险独特的产品技术架构，无需复杂的 建模工作，按需快速调整分析维度 和度量，极大的灵活性，加快了项 目实施周期，也降低了项目的风险。核心就是数据建模，数据建模的好 坏影响前端分析的效果是否能满足 用户的需求，增加了项目的风险度， 直接决定了商务智能的成败；实施周期动态建模、实时计