用户画像（一）数仓与表结构的基本构建

基于电商的用户画像

采集用户行为数据，挖掘有价值的东西，做到精准营销

构建用户画像的意义就是精准营销

用户画像作用

• 精准营销

• 用户统计

• 数据挖掘

• 进行效果评估

• 对服务或产品进行私人定制

构建一个用户画像，包括数据源端数据收集、数据预处理、行为建模、构建用户画像

• 1.采集数据源
• 2.数据预处理
• 3.建设数仓、打标签
• 4.形成用户画像

• 第一层：原始数据拉过来
• 第二层：数据预处理
• 第三层：SQL做聚合统计
• 第四层：结果做高度聚合，拼接成宽表

统计类标签

• 对数据表进行一系列的统计分析

规则类标签

• 由运营和数据人员共同协商确定的规则

挖掘类标签

• 机器学习算法的预测判断

用户画像的目标是通过分析用户行为，最终为每个用户打上标签，以及该标签的权重

如，红酒 0.8、李宁 0.6。

标签：表现了内容，用户对该内容有兴趣、偏好、需求等等。

权重：表现了指数，用户的兴趣、偏好指数，也可能表现用户的需求度，可以简单的理解为可信度，概率。

根据用户所填写的属性标签和推算出来的标签。用于了解用户的人口属性的基本情况和按不同属性维度统计。

作用：按人口属性营销、比如营销80后，对金牛座的优惠，生日营销。

主要数据来源：用户表、用户调查表、孕妇模型表、马甲模型表。

• 用户表：记录用户最基本的属性特性。
• 用户调查表：补充用户的其他基本信息。

模型算法—性别模型

模型算法—用户汽车模型

模型算法—用户忠诚度模型

模型算法—用户身高尺码模型

模型算法—用户马甲标志模型

模型算法—手机相关标签模型

根据客户消费的情况提取的客户标签，用于了解用户的消费总体情况，
最终的目的根据用户消费习惯与消费能力做营销。

主要数据来源：订单表、退货表、用户表、购物车表

订单表可以得到相关标签：

退货表可以得到相关标签：

购物车表可以得到相关标签：

订单表和用户表可以得到相关标签：

根据客户购买类目的情况提取客户标签，用于了解类目的购买人群情况和针对某一类目的营销等

主要数据来源：订单表、购物车表、类目维表

类目维表可以得到相关标签：

订单表和类目维表可以得到相关标签：

购物车表和类目维表可以得到相关标签：

根据客户访问的情况提取相关客户标签。

用于了解用户的访问总体情况，方便根据客户游览习惯做营销

主要数据来源：点击流日志行为表（PC/APP端）

点击流日志行为表可以得到相关标签:

存放用户访问app时点击相关控件的打点记录，通过客户端做埋点，从日志数据中解析出来

• 1、搭建hadoop集群
• 2、安装hive构建数据仓库
• 3、安装spark集群
• 4、sparksql 整合hive

这里我们采用的是京东的数据仓库分层模式，是根据标准的模型演化而来。

这里采用脚本方式，也可以用spark SQL 直接创建并添加数据

订单表（bdm_order）

订单明细表（bdm_order_des）

订单表（fdm_order）

订单表明细表（fdm_order_desc）

订单模型表（gdm_order）

订单地址模型表（gdm_user_order_addr_model）

订单商品表（bdm_order_goods）

订单商品表 （fdm_order_goods）

客户消费订单模型表-临时表01（gdm.gdm_user_consume_order_temp_01

购物车表（bdm_order_cart）

购物车表（fdm_order_cart）

购物车临时模型表–临时表 02（gdm.gdm_user_consume_order_temp_02

常用地址和常用支付方式-临时表 03（gdm_user_consume_order_temp_03）

购物车表和订单表整合（gdm_user_consume_order_temp_100）

客户消费订单表 ***（gdm_user_consume_order）

计算订单中客户购买情况（gdm_user_buy_category_temp）

购物车中类目情况（gdm_user_cart_category_temp）

类目表（gdm_category_code）

整合购买情况和类目情况（gdm_user_category_total）

spark sql 的 shuffle默认并行度是200

客户购买类目表***（gdm_user_buy_category）

用户表（bdm_user）

用户宽表 (fdm_user)

客户基本属性表 *** (gdm_user_basic)

用户上网记录表(PC) (bdm_user_pc_click_log)

用户 pc 端 view 表 (fdm_user_pc_pageview)

用户30天访问临时表 (gdm_user_visit_temp_01)

用户上网记录表(APP) (bdm_user_app_click_log)

用户 app 端 view 表 (fdm_user_app_pageview)

客户访问信息表 *** (gdm_user_visit)