用户画像：方法论与工程化解决方案 - (EPUB全文下载)

文件大小：0.48 mb。
文件格式：epub 格式。
书籍内容：

用户画像：方法论与工程化解决方案
第1章 用户画像基础
1.1.1 画像简介
1.1.2 标签类型
1.2 数据架构
1.3 主要覆盖模块
1.4 开发阶段流程
1.4.1 开发上线流程
1.4.2 各阶段关键产出
1.5 画像应用的落地
1.6 某用户画像案例
1.6.1 案例背景介绍
1.6.2 相关元数据
1.6.3 画像表结构设计
1.7 定性类画像
1.8 本章小结
第2章 数据指标体系
2.1 用户属性维度
2.1.2 用户性别
2.2 用户行为维度
2.3 用户消费维度
2.4 风险控制维度
2.5 社交属性维度
2.6 其他常见标签划分方式
2.7 标签命名方式
2.8 本章小结
第3章 标签数据存储
3.1 Hive存储
3.1.1 Hive数据仓库
3.1.2 分区存储
3.1.3 标签汇聚
3.1.4 ID-MAP
3.2 MySQL存储
3.2.1 元数据管理
3.2.2 监控预警数据
3.2.3 结果集存储
3.3 HBase存储
3.3.2 应用场景
3.3.3 工程化案例
3.4 Elasticsearch存储
3.4.2 应用场景
3.4.3 工程化案例
3.5 本章小结
第4章 标签数据开发
4.1 统计类标签开发
4.1.1 近30日购买行为标签案例
4.1.2 最近来访标签案例
4.2 规则类标签开发
4.2.1 用户价值类标签案例
4.2.2 用户活跃度标签案例
4.3 挖掘类标签开发
4.3.1 案例背景
4.3.2 特征选取及开发
4.3.3 文本分词处理
4.3.4 数据结构处理
4.3.5 文本TF-IDF权重
4.3.6 朴素贝叶斯分类
4.4 流式计算标签开发
4.4.1 流式标签建模框架
4.4.2 Kafka简介
4.4.3 Spark Streaming集成Kafka
4.4.4 标签开发及工程化
4.5 用户特征库开发
4.5.1 特征库规划
4.5.2 数据开发
4.5.3 其他特征库规划
4.6 标签权重计算
4.6.1 TF-IDF词空间向量
4.6.2 时间衰减系数
4.6.3 标签权重配置
4.7 标签相似度计算
4.7.1 案例场景
4.7.2 数据开发
4.8 组合标签计算
4.8.1 应用场景
4.8.2 数据计算
4.9 数据服务层开发
4.9.1 推送至营销系统
4.9.2 接口调用服务
4.10 GraphX图计算用户
4.10.2 数据开发案例
4.11 本章小结
第5章 开发性能调优
5.1 数据倾斜调优
5.2 合并小文件
5.3 缓存中间数据
5.4 开发中间表
5.5 本章小结
第6章 作业流程调度
6.1 crontab命令调度
6.2 Airflow工作平台
6.2.1 基础概念
6.2.2 Airflow服务构成
6.2.3 Airflow安装
6.2.4 主要模块功能
6.2.5 工作流调度
6.2.6 脚本实例
6.2.7 常用命令行
6.2.8 工程化调度方案
6.3 数据监控预警
6.3.1 标签监控预警
6.3.2 服务层预警
6.4 ETL异常排查
6.5 本章小结
第7章 用户画像产品化
7.1 即时查询
7.2 标签视图与标签查询
7.3 元数据管理
7.4 用户分群功能
7.5 人群分析功能
7.6 本章小结
第8章 用户画像应用
8.1 经营分析
8.1.1 商品分析
8.1.2 用户分析
8.1.3 渠道分析
8.1.4 漏斗分析
8.1.5 客服话术
8.1.6 人群特征分析
8.2 精准营销
8.2.2 效果分析
8.3 个性化推荐与服务
8.4 本章小结
第9章 实践案例详解
9.1 风控反欺诈预警
9.1.2 用户画像切入点
9.2 A/B人群效果测试
9.2.1 案例背景
9.2.2 用户画像切入点
9.2.3 效果分析
9.3 用户生命周期划分与营销
9.3.1 生命周期划分
9.3.2 不同阶段的用户触达策略
9.3.3 画像在生命周期中的应用
9.3.4 应用案例
9.4 高价值用户实时营销
9.4.2 用户画像切入点
9.4.3 HBase应用场景小结
9.5 短信营销用户
9.5.2 画像切入及其应用效果
9.6 Session行为分析应用
9.6.2 案例背景
9.6.3 特征构建
9.6.4 分析方法与结论
9.7 人群效果监测报表搭建
9.7.2 逻辑梳理
9.7.3 自动报表邮件
9.8 基于用户特征库筛选目标人群
9.8.2 应用方式及效果
9.9 本章小结
附录 某产品用户画像项目规划文档
第1章　用户画像基础
1.1　用户画像是什么
在互联网步入大数据时代后，用户行为给企业的产品和服务带来了一系列的改变和重塑，其中最大的变化在于，用户的一切行为在企业面前是可“追溯”“分析”的。企业内保存了大量的原始数据和各种业务数据，这是企业经营活动的真实记录，如何更加有效地利用这些数据进行分析和评估，成为企业基于更大数据量背景的问题所在。随着大数据技术的深入研究与应用，企业的关注点日益聚焦在如何利用大数据来为精细化运营和精准营销服务，而要做精细化运营，首先要建立本企业的用户画像。
1.1.1　画像简介
用户画像，即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或者产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌，如图1-1所示。用户画像可看作企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件，为数据驱动运营奠定了基础。由此看来，如何从海量数据中挖掘出有价值的信息越发重要。
图1-1　某用户标签化
大数据已经兴起多年，其对于互联网公司的应用来说已经如水、电、空气对于人们的生活一样，成为不可或缺的重要组成部分。从基础设施建设到应用层面，主要有数据平台搭建及运维管理、数据仓库开发、上层应用的统计分析、报表生成及可视化、用户画像建模、个性化推荐与精准营销等应用方向。
很多公司在大数据基础 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。