构建用户标签体系主要根据用户在历史时间内的网购行为记录,从网购时间点、内容深度剖析,针对用户的基础属性、社交行为、互动行为、消费行为、偏好习惯、财富属性、信用属性和地理属性等八大维度构建用户标签体系,以期综合描绘平台消费者的行为特征。
建设的过程分为六个基本步骤:
1、首先以业务视角梳理规划整个标签体系的架构,即上面所说的八个维度;
2、无规矩不成方圆,在进行实际开发之前,我们要定义包括数据(指标)规范、模型设计规范、ETL规范在内的规范体系。前文也讲过,这个规范体系可以借助数栈产品帮助建立和执行;
3、将分散在各个系统/应用的数据同步到大数据开发平台之上,包括结构化的业务数据、埋点采集的行为日志数据等;
4、核心围绕“用户”,以唯一标识打通来自不同平台、系统、渠道的数据,基于OneData体系依次构建全域数据中心、萃取数据中心;
5、在萃取数据中心基础上,进行各类标签的研发,例如
事实类标签(性别、年龄段等)、业务类标签(钻石会员、普通会员等)、统计类标签(近90天下单金额等)、算法类标签(重要保持客户、高忠诚度客户等)
6、标签/画像投入应用,或对接至下游业务系统,产生业务价值。与此同时监控各类标签的使用与效果,统计出热门标签,替换掉不合理的标签,调整业务算法和规则,添加新的标签等,来进一步推动标签体系的梳理规划,逐步沉淀一套精华版标签集合。

这其中,除了业务的输入以及数据的支撑外,要想快速建立一套科学的标签体系,还需要丰富的技术经验以及智能的工具或平台来提供助力,如阿里云或袋鼠云的数据中台。

电商用户标签体系建设基础步骤相关推荐

  1. 玩转用户标签体系,打造精细化运营底层能力 | 芒种训练营第一课

    本文根据 2020 神策数据分析芒种训练营第一课<玩转用户标签体系,打造精细化运营底层能力>课程整理所得. 作者介绍 本次课程主要分为三部分内容: 用户标签画像的价值 如何构建可落地的用户 ...

  2. 万字用户画像标签体系建设分析指南!

    转自:大数据梦想家 01 什么是用户画像 用户画像是指根据用户的属性.用户偏好.生活习惯.用户行为等信息而抽象出来的标签化用户模型.通俗说就是给用户打标签,而标签是通过对用户信息分析而来的高度精炼的特 ...

  3. 袋鼠云数据中台专栏(七):用户标签体系建设的四字箴言

    本文作者:子玺 袋鼠云数据中台解决方案专家.拥有近10年大数据从业经验,拥有PMP项目管理资格认证,精通数据类项目的开发实施和管理.曾服务过国家工商总局.北京市工商局.北京市财政局.广州开发区大数据局 ...

  4. 【标签画像系列】标签体系建设方法论

    5月11日录制了袋鼠云数栈全新数据中台精讲系列 --「数智赋能实战六讲」的第一场直播,主要对标签体系的建设进行了抽象,分成几个步骤,方便大家理解. 你能看到 ▫ 数字营销是数字化转型排头兵 ▫ 标签体 ...

  5. 基于大数据的线上线下电商用户数据挖掘研究

    From:http://www.thebigdata.cn/JieJueFangAn/11932p2.html Online-to-Offline( 简称 O2O)电子商务模式,是一个连接线上用户和线 ...

  6. 电商用户行为数据分析实战(MySQL +PowerBI)

    目录 一.项目概况 二.数据源 三.数据清洗 3.1 选择子集导入,匹配适合的数据类型 3.2 列重命名 3.3重复值处理 3.4 缺失值处理 3.5 异常值处理 从timestamps字段中提取日期 ...

  7. 对电商用户的数据分析!

    一.以淘宝等为主的用户分析场景 以淘宝.京东和拼多多为典型的用户+商品消费场景,是国内用户量最多的业务场景,也是产生利润最多的业务场景.在这其中,客户拥有最大的自主权,如何有效地加以利用或辨别客户在行 ...

  8. 【Python】电商用户复购数据实战:图解Pandas的移动函数shift

    公众号:尤而小屋 作者:Peter 编辑:Peter 本文主要介绍的是pandas中的一个移动函数:shift.最后结合一个具体的电商领域中用户的复购案例来说明如何使用shift函数. 这个案例综合性 ...

  9. Flink_大数据技术之电商用户行为分析

    大数据技术之电商用户行为分析 第1章 项目整体介绍 1.1 电商的用户行为 电商平台中的用户行为频繁且较复杂,系统上线运行一段时间后,可以收集到大量的用户行为数据,进而利用大数据技术进行深入挖掘和分析 ...

最新文章

  1. Java多层的异常捕获
  2. sift分类java_使用SIFT / SURF进行特征匹配是否可以用于类似对象的分类?
  3. CTF Geek Challenge——第十一届极客大挑战Crypto Write Up
  4. ubuntu 16.04 安装Caffe GPU版本
  5. generator mysql插件_mybatis Generator最佳实践(数据库:mysql)
  6. ML.NET 推荐引擎中一类矩阵因子分解的缺陷
  7. 安装mlxtend_python机器学习包mlxtend的安装和配置详解
  8. ER图( 实体联系图)
  9. 地热热泵系统行业调研报告 - 市场现状分析与发展前景预测(2021-2027年)
  10. MySql中varchar(10)和varchar(100)的区别==以及char的利弊
  11. 计算机安全关联的软件,紫鸟超级浏览器亚马逊账号防关联工具
  12. ip地址块的聚合,计算其聚合后的可用地址数
  13. linux双显卡配置_linux下的双显卡切换
  14. java外链_如何做外链
  15. Kent Beck:敏捷和极限编程是关于Be Yourself
  16. Redis学习之scard命令
  17. C#数字转字母,ASCII码转换
  18. 赚钱项目:1万粉丝的公众号,年赚15万!
  19. Java图形界面开发—简易登录注册小程序
  20. 4G数传图传一体模块 GSLINK-A2使用手册

热门文章

  1. linux+rel+安装教程,pika安装教程
  2. FCPX插件:Stupid Raisins Text Pop( 3D文本和标题 )
  3. EFM32 LEUART波特率计算
  4. Springboot一:多环境配置、热部署、单元测试 MockMvc
  5. C++中类(class)和结构(struct)的区别
  6. 【WebApp】离线webapp (android)开发
  7. 2020/01/03 基于sharedLibrary进行CICD流程的优化(一)
  8. 不容错过的优派upay
  9. 可能是最难围住的神经猫——寻找必胜路径的算法实现
  10. Python 简介及开发环境搭建