互联网大数据之《用户画像》

用户画像分析专题分享统计学基础集中量：求和、平均数、中位数、众数、差异量：全距、标准差、方差、最小值、最大值、标准误分布：正态分布、峰度系数、偏度系数、正偏态、负偏态、高狭峰、低阔峰、离散变量、连续变量目录用户画像研究概述用户画像研究流程用户画像方法与案例演示用户画像概述用户画像概述数据挖掘典型个体定性描述群体定量分类统计一、群体用户定量描述统计群体定量分类统计——各类用户性别构成群体定量分类统计——各类用户年龄构成群体定量分类统计——各类用户年龄构成用户年龄分布图二、个个体用用户定定性描描述男，岁，中中专或以下下学历，保保安，年工工作经验，，月收入在在元以下，，知识层次次较低，理理解表达能能力较差。。性格内向向，不爱说说话，但是是在网上却却很活跃，，是个很有有代表性的的用户。使使用年，没没有电脑，，由于工作作性质特殊殊（用户的的职业为保保安），所所以用户每每天使用手手机登陆及及手机网来来打消无聊聊的时间，，或下班去去网吧上网网。他的同同事大都年年龄较大，，一般都是是把打牌和和喝酒作为为娱乐活动动，这是他他所不喜欢欢的，与他他同龄的同同事大都喜喜欢把上网网作为娱乐乐。他对电电脑使用较较为生疏。。认为看上上去不错，，如果能把把的功能都都加上再稳稳定些就更更好了。与与相比，更更习惯使用用。访谈发现：：.对于广广大低端用用户来说，，易理解、、简单、方方便、快捷捷是他们最最需要的，，也是他们们不用的原原因之一；；.用户对对依赖性很很大，这样样的用户希希望的功能能更强大，，真正实现现一站式在在线生活。。典型用户个个体描述案案例来源：一次次用户访访谈用户画画像典型用户个个体描述女，岁，高高中，学生生，理解表表达能力较较好，性格格对陌生人人内敛对朋朋友外向活活泼，不喜喜欢动脑，，什么都喜喜欢方便的的，最好只只按一下就就全部搞定定的。使用用年，现实实的社交圈圈基本局限限在同班同同学，但是是网上却有有很多不认认识的好友友，喜欢认认识不同类类型的人。。虽然网龄龄较高但是是与很多女女孩子一样样依然是个个电脑白痴痴女，她喜喜欢操作越越简单越方方便越好。。访谈过程程中她说的的最多的一一句话就是是“我个人人比较懒！！”，最怕怕麻烦，就就是太麻烦烦才不用的的。对于电电脑游戏喜喜欢互动性性好，但是是操作简单单的，比如如劲舞团、、大话西游游等。访谈发现现：，很很多女用用户虽然然使用电电脑多年年但是依依然是个个电脑白白痴，对对她们来来说所有有操作如如果超过过两步就就会晕！！对于设设置性操操作她们们基本没没有使用用过，她她们只使使用初始始化设置置，希望望在修改改设置方方面更简简单！，，该用户户的另一一个特点点就是““懒”，，稍微有有点麻烦烦或困难难，她们们就会懒懒得做，，懒得想想，如果果有傻瓜瓜式，全全自动式式操作就就很适合合她们。。来源：一一次用用户访谈谈用户画画像三、用户户画像数数据挖掘掘数据挖掘掘——付付款用户户【对应应分析】】用户【聚聚类分析析】用户【聚聚类分析析】特征征得到的的启发高认同用用户低介入用用户新进用户户的核心用用户的画画像：岁男女丰富使用用各类业业务业务务的龄较较长的活活跃用户户定期换装装可拉动、、改变的的用户岁男女龄(年)和使用用历史较较短定期换装装通过提升升品牌满满意度，，增强其其付费使使用的信信心令这些用用户改变变(即令令其从不不付费使使用到付付费使用用)的可可能性较较低：龄长，使使用历史史较长，，但仍不不付费使使用亦较少使使用其它它业务换装频率率不固定定用户画像像流程用户画像像流程研究目的确定目标用户用户抽样数据整理数据整理统计挖掘结论展示提取用户户20抽样的几几个概念念是所要研究的对象的全体。例如，考察XX农场用户体验，目标总体就是所有的XX农场的用户。抽样总体是用于从中抽取样本的总体。总体Population从目标总体（Population，或称为母体）中抽取一部分个体作为样本（Sample），通过观察样本的某一或某些属性，依据所获得的数据对总体的数量特征得出具有一定可靠性的估计判断，从而达到对总体的认识。抽样Sample在抽样之前，总体应划分成抽样单位，抽样单位互不重叠且能合成总体，总体中的每个个体只属于一个单位。抽样框是一份包含所有抽样单元的名单。抽样框抽样过程程定义总体（母体）确定抽样框确定抽样方法决定样本量实施抽样计划抽样与数据收集回顾抽样过程抽样方法法从总体N个单位中随机地抽取n个单位作为样本，使得每一个容量为样本都有相同的概率被抽中。特点是：每个样本单位被抽中的概率相等，样本的每个单位完全独立，彼此间无一定的关联性和排斥性。简单随机抽样simplerandomsampling等距抽样。将总体中的所有单位按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其他样本单位。先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k、r+2k……等单位。这种方法操作简便，可提高估计的精度。系统抽样systematicsampling将抽样单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本。从而保证样本的结构与总体的结构比较相近，从而提高估计的精度。分层抽样stratifiedsampling将总体中若干个单位合并为组，抽样时直接抽取群，然后对中选群中的所有单位全部实施调查。抽样时只需群的抽样框，可简化工作量，缺点是估计的精度较差整群抽样clustersampling抽样效度度与信度度分半信度将同一批用户随机分成两组，计算关键指标的占比、相关系数。复本信度同一总体中随机抽取多个样本进行比较内部一致系数同质一个教师师的话我不止一一次给我我的市场场调研课课学生说说过，你你们利用用人人网网之类做做问卷调调查基本本是无效效的，当当个作业业也就算算了。你们心里里要明白白，所谓谓物以类类聚人以以群分，，利用社社交网络络的做出出来的问问卷，没没有随机机性可言言。包括括你在、、之类上上传问卷卷给朋友友请他们们帮忙。。缺乏随随机性的的样本，，那就没没有代表表性。就就好像小小区的人人，无法法代表全全体市民民，你的的朋友，，无法代代表全体体学生。。摘自：魏魏武辉的的数据整理理数据整理理极端值处理；心理学研究把超过2个标准差之外的值剔除。数据检查没有观测到有明显错误缺失值处理例如：年龄分段、选择处理等数据分组数据检查查——用用户选择择用户年龄龄取值范范围：岁岁—岁用户年龄龄占比分分布岁—岁占占比合合计：用户画像像数据挖挖掘实例例演示对应分析析聚类分析析用户画像方法法———“对对应分析”实实例演示对应分析数据据格式整理加权个案对应分析过程程对应分析———定义行范围围（用户类别别）对应分析———定义列范围围（用户特征征）对应分析结果果图减少用户特征征用户画像方法法———“聚聚类分析”实实例演示人群划分矮胖胖高矮瘦瘦高聚类分析组内差异组间差异概念根据数据本身结构特征对数据进行分类的方法——聚类分析，通过聚类分析，可以把数据分成若干个类别，使得类别内部的差异尽可能的小，类别外部差异尽可能大。聚类分析的种种类层次聚类法非层次聚类法K-均值聚类法二阶聚类法样本量>连续变量首选方法数据检查样本选择：年龄：——（（，，）笔数：——金额：——两步聚类分析析47聚类分析结果果用户画像在工工作中的实际际应用抽样依据用户拉新用户挽留产品定位产品优化来源;平台台，中国微博博用户市场图图谱：年微博博用户将突破破亿可以看看的几几个网站统计专业网站站：大社区：中文官方网站站：淘宝用户体验验设计：:图研所：人群——人群——人群——星座与气质用用户画像品牌画像———颜色维度甲壳虫乐队发发型变化图表表可以读读的几几本书￥￥￥￥收集数据的十十个原则一、思考研究问题之初，也要开始思考回答问题需要收集的数据类型。二、在思考数据类型的时候，也要思考从何处获得数据。三、保证你用于收集数