互联网大数据分析之《用户画像分析》

用户画像分析专题分享统计学基础l集中量：求和、平均数、中位数、众数、l差异量：全距、标准差、方差、最小值、最大值、标准误l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XX用户年龄构成群体定量分类统计各类XX用户年龄构成年龄0-10岁11-15岁 16-18岁 19-22岁 23-25岁 26-30岁 31-40岁40岁CC频道4%4%5%20%22%24%16%6%XX频道6%4%5%19%19%23%17%8%AA成交1%1%5%30%27%22%10%3%XX成交1%1%6%32%25%21%10%3%XX活跃用户5%7%11%28%16%16%12%5%XX登录用户3%7%11%31%19%16%9%4%AA2%8%15%32%17%15%8%3%XX4%11%15%31%15%12%9%3%BB2%9%17%35%17%12%6%2%XX商城用户4%16%16%27%13%11%9%4%AA2%14%20%33%14%9%5%2%AA5%11%17%40%15%8%3%2%WOW活跃用户6%16%24%35%10%5%2%1%大话西游活跃2%11%28%44%8%3%1%1%XX烽火活跃用户4%26%28%30%6%3%2%1%用户年龄分布图二、个体用户定性描述男，22岁，中专或以下学历，保安，2年工作经验，月收入在2000元以下，知识层次较低，理解表达能力较差。性格内向，不爱说话，但是在网上却很活跃，是个很有代表性的用户。使用XX4年，没有电脑，由于工作性质特殊（用户的职业为保安），所以用户每天使用手机登陆XX及手机XX网来打消无聊的时间，或下班去网吧上网。他的同事大都年龄较大，一般都是把打牌和喝酒作为娱乐活动，这是他所不喜欢的，与他同龄的同事大都喜欢把上网作为娱乐。他对电脑使用较为生疏。认为XX2009看上去不错，如果能把08的功能都加上再稳定些就更好了。与2009相比，更习惯使用2008。访谈发现：1.对于广大低端用户来说，易理解、简单、方便、快捷是他们最需要的，也是他们不用MSN的原因之一；2.用户对XX依赖性很大，这样的用户希望XX的功能更强大，真正实现一站式在线生活。典型用户个体描述案例来源：一次一次XX2009 用用户访谈用用户画像画像 典型用户个体描述女，19岁，高中，学生，理解表达能力较好，性格对陌生人内敛对朋友外向活泼，不喜欢动脑，什么都喜欢方便的，最好只按一下就全部搞定的。使用XX7年，现实的社交圈基本局限在同班同学，但是网上却有很多不认识的好友，喜欢认识不同类型的人。虽然网龄较高但是与很多女孩子一样依然是个电脑白痴女，她喜欢操作越简单越方便越好。访谈过程中她说的最多的一句话就是“我个人比较懒！”，最怕麻烦，MSN就是太麻烦才不用的。对于电脑游戏喜欢互动性好，但是操作简单的，比如劲舞团、大话西游等。访谈发现：1，很多女用户虽然使用电脑多年但是依然是个电脑白痴，对她们来说所有操作如果超过两步就会晕！对于设置性操作她们基本没有使用过，她们只使用初始化设置，希望在修改设置方面更简单！2，该用户的另一个特点就是“懒”，稍微有点麻烦或困难，她们就会懒得做，懒得想，如果有傻瓜式，全自动式操作就很适合她们。来源：一次一次XX2009 用用户访谈用用户画像画像三、用户画像数据挖掘数据挖掘付款用户【对应分析】XX用户【聚类分析】XX用户【聚类分析】特征得到的启发高认同用户低介入用户新进用户XX的核心用户的画像：19-25岁男女丰富使用XX各类业务/VIP业务的TT龄较长的活跃用户定期换装可拉动、改变的用户15-22岁男女TT龄(2-5年)和使用XX历史较短定期换装通过提升品牌满意度，增强其付费使用的信心令这些用户改变(即令其从不付费使用到付费使用)的可能性较低：TT龄长，使用XX历史较长，但仍不付费使用亦较少使用其它XXVIP业务换装频率不固定用户画像流程用户画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20抽样的几个概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抽样效度与信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的话我不止一次给我的市场调研课学生说过，你们利用人人网之类做问卷调查基本是无效的，当个作业也就算了。你们心里要明白，所谓物以类聚人以群分，利用社交网络的link做出来的问卷，没有随机性可言。包括你在msn、XX之类上传问卷给朋友请他们帮忙。缺乏随机性的样本，那就没有代表性。就好像小区的人，无法代表全体市民，你的朋友，无法代表全体学生。摘自：魏武辉的BLOGhttp:/ 10女性526472 90学生676563 22非学生333537 78工作252628 61其他职业899 1714岁以下151418-15-18岁454138 219-22岁272623 2323-25岁81111 2326-30岁356 1331岁以上244 5有网购AA经验273335 100无网购AA经验736765-无网购736765-网购50元以下655 950-100元101314 24100-200元71011 24200元以上455 5喜欢XX会买实物252937 31不会喜欢XX会买实物363121 15说不清喜欢XX会买实物394041 18加权个案对应分析过程对应分析定义行范围（用户类别）对应分析定义列范围（用户特征）对应分析结果图减少用户特征用户画像方法“聚类分析”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1000连续变量首选方法数据检查样本选择：年龄：1731（24+13，24-13）笔数：116金额：1900SPSS两步聚类分析47AA聚类分析结果年龄成交笔数成交金额均值标准差均值标准差均值标准差聚类123.424.7732.121.312104.69 76.87226.4712.2326.842.340412.18 308.48323.524.7741.731.04797.1273.01组合23.916.5272.672.254147.06 176.03用户画像在工作中的实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;KM平台，中国微博用户市场图谱：2013年微博用户将突破2亿http:/ UCD大社区：http:/ ExcelHome:http:/图研所：http:/