今天是
9.25r。
不，是9.26r了。
继续整理之前简历上的盲点，总是希望去做到更好。
至少无论何时都不会紧张，坦然面对。
一 、用户画像准备阶段——数据的挖掘和收集
主要是为了得到用户的人口属性数据和行为数据，一般电商平台这种会有很多用户的行为数据，但是比如大部分基金公司就只有一些人口属性或者交易结果数据，即没有自己的电商平台是很难展开数据挖掘的。
下面主要讲如何在已经收集到用户的属性数据和行为数据的基础上去做用户画像，以及如何去应用。
二 、如何建立用户画像
说白了主要是对两类客户的认知和判断：
现存客户 (Existing Customer) - 我的现存客户是怎么样，喜欢什么，什么消费习惯，哪些客户最值钱等等
**潜在客户 (Prospect Customer) **- 潜在用户又分：认知客户和竞品客户，我的潜在客户在哪，他们喜欢什么，通过什么渠道获取，获客成本是多少等等
（1）定性与定量相结合的研究方法
- 定性的方法，表现为对产品、行为、用户个体的性质和特征作出概括，形成对应的产品标签、行为标签、用户标签。
- 定量的方法，则是在定性的基础上，给每一个标签打上特定的权重，最后通过数学公式计算得出总的标签权重，从而形成完整的用户模型。
举个直观的例子，通过用户的行为数据，“B用户今天在苹果官网购买了iPhone6”反映出的用户标签可能是“果粉1”；而“A用户三天前在天猫收藏了iPhone6”反映出的标签可能只是“果粉0.448”，这些可以给不同用户打上不同的标签和权重。
有了标签和权重后，这将在后续的营销决策中发挥指导作用，比如广告重点推送给这些用户，以及协同推荐。
三、用户画像的利用
关于得到用户画像后可以区分不同用户级别从而进行相应的精准营销的问题，推荐引擎利用特殊的信息过滤技术，将不同的内容推荐给可能感兴趣的用户。较常见的推荐引擎通用算法有（1）基于关联规则的推荐算法（如买了泳衣的用户可能会买泳镜）；（2）基于内容的推荐算法（需要用户的历史数据，例如我在淘宝上买了个猫砂盆，转眼第二天又给我推荐了一个猫砂盆）；（3）协同过滤推荐算法。
四、总结
在去年实习过程中，营销人群主要通过两种方法得到，一是自己通过SQL去设定规则然后提取人群并过模型；第二种就是基于已有行为数据给用户打上标签后，再用组合标签的形式圈定出一些人群，最后通过广告平台相应店铺或者商品就被推荐给了相应的人群。
说一下用标签和SQL去找人群的区别就是：由第二点也知道了，标签主要是对老客户和认知客户进行了打标签，对竞品客户却不能打标签。那么有一种情况就是：对于一个新的店铺如何去找到潜在的用户，去进行拉新和引流，这时竞品客户就显得很重要了，通常我们会人工去找一些与运营店铺风格、价位相似的店铺和竞品单品，然后通过SQL去找出部分竞品客户，因为对相似竞品感兴趣的客户很大可能对我们店铺同类型的商品也感兴趣。
这是对之前实习时候的一些回想，以前有那么好的机会跟着教授团队一边实习、一边学习，自己却没有好好利用，至此也希望对以后有更多的帮助。
（最后以上整理的资料来源是：https://www.zhihu.com/question/33044706 ）
