当前课程知识点：大数据技术与应用 > 赵楠：商业思维与大数据技术在美团旅行业务中的结合 > 美团旅行业务的用户画像构建 > 美团旅行业务的用户画像构建
首先第一个就是这个用户画像
用户画像这个事儿
其实也不是一个很新的事情的
因为我觉得现在基本上
大家各个行业各个公司
其实都在做这种用户画像的
一些研究
在我们看来其实很多
可能做得相对比较简单的是说
更多的只是给用户打了一些标签
对吧 他的年龄职业收入
这个消费能力等等
这样一些标签
但是实际上在我们理解来说
其实一个用户的画像
至少包括两部分
一个是它基本的一些属性
所谓基本的属性
就是他的性别年龄
这样一些人口属性
还有就是他的职业
还有他的这种收入消费能力等等
这样的一些这种相对
我们认为是相对静态的一些
这种属性
除此之外其实很重要一点
还是一些行为属性
其实从一个用户
他来到美团点评这个平台
无论是从他搜索浏览购买
还是评论
这个所有的这些行为
其实我们都能够了解到
那么基于这些行为
其实这里面蕴含了巨大的价值
那么我们如果把这些行为
再去细分的话其实大概分两类
一类是这种结果行为
就是以这种交易为导向的
这种平台
那么这种结果的行为会比较多
比如说他买了什么样的商品
花了多少钱 对吧
等等这样一些行为
那这个呢
这个很多人大家已经开始用
这样一些这个行为数据
来去进行这个画像
但是除此以外呢
其实还有一些
也非常的有价值
就是用户的这种搜索浏览
这样的一些行为
其实这些行为里面
其实也蕴含着这种巨大的价值
所以在接下来呢
其实我会针对这两类事情
就是结果行为和这个过程行为
我都会去展开去讲说
我们怎么去运用这样的
这种用户画像
那么在整个这个用户画像里面
我们还是延续了一个
就是整个比较经典的一个
RFM的这样一种
经典的这种用户的这个模型
这个先给简单给大家解释一下
这个RFM这个模型
RFM里面的这个R指的是什么呢
这个R是这个Recency
就是最后一次的消费的时间
这个衡量的是什么
衡量的是一个人的
这种活跃的这种情况
就是大家可以想象
如果一个用户是最近一个月
购买过的
那么他一定比最近一次消费
是一年前的消费的用户
相对来说会更加活跃对吧
所以这个是衡量用户
是否活跃 是否会流失的
这么一个指标
第二个是Frequency
就是消费的频率
也就是他的这种消费频次
这个大家也好理解
那么第三个是这个Monetary
也就是这个消费的金额
就是他到底会在这个消费中
会花多少的钱
那这个是对整个企业
对平台来说的这个直接的
这种收入的贡献
那么基本上基于这样三个维度
其实我们看左边这张立方体吧
我们可以把所有的用户
其实就可以分成很多类
那这些类里面
我们就能知道说
哪些是重要的客户
哪些是一般的用户
哪些是待发展的用户
哪些是需要去挽留的用户等等
那么基于RFM这个模型
我们其实也在做了一些
这个适当的这种变化
就形成了我们在实际业务中
应用的一个
叫做用户生命周期的
生命周期价值的一个模型LTV
LTV 表示的是 lifetime value的
这么一个缩写
那这个图什么意思呢
给大家解释一下
我们先看一下这个纵轴
纵轴从上到下
是用户活跃衰退流失
和这个死亡
这里是一个打引号的死亡
就只是说他在这个平台上
是不活跃的
然后这表示的是什么
这表示的是用户的一个
这个活跃的情况
那我们当然所有的用户
是越活跃越好对吧
那么我们再看这个横轴
横轴是按照用户的这个
生命周期的价值
我们分为初级用户成长用户
和成熟用户
那这是根据用户的这个
他的消费的频次
以及这个消费的金额
我们来考虑他整个消费的价值
所以这个和前面的RFM
其实是对应的
大家可以考虑说
其实纵轴其实就是RFM里面的R
然后横轴其实是
我把这个RFM里面的
F和M两个维度把它综合起来
来考虑
那这个模型我们怎么用呢
我们可以看一下
就是从短期的目标来看
我们是希望说平台上的用户
都能够越活跃越好
所以我们从短期的目标来说
希望所有的用户
能够从上往下迁移
这是我们的一个目标
但是从长期来看
我们是希望这个用户
在他整个的这个生命周期里面
他能够对这个
就是平台贡献的这种价值
会越来越大
当然也就是希望
他能够长期的留存到这个平台上
所以的话我们希望更多的用户
能够从初级用户成长
变为这个成熟的用户
所以这个其实最终我们的目标
就是希望我们所有的用户
都能走向这张图的右上角
这个大家很好理解
所以那这样的话就引申出来
我们整个在针对
每一类用户
其实我们要去做相应的一些动作
就是首先有一张图之后
我们可以把所有平台上的用户
去进行分门别类的
归到这张图里面
比如说我整个
这个所有的用户分到这张图里面
每一部分有多少的用户
这个我就能够先把它分清楚
分清楚之后
我就会针对不同的用户的群体
去进行这个相应的运营
比如说对于第一类
就是我们这个里面
箭头的第一块
那这个是什么呢
就是这是我们的
这种成熟活跃的用户
那么这类用户
我们要做的事情是什么
我们是希望我们要这个
避免他们流失掉
就是避免他们衰退
所以这个就是我的一个
运用的一个目标
那么对于这个第二和第三的
这两块呢
这是我的初级用户和成长用户
那我希望我更多的初级用户
所谓初级用户
可能就是只在我这个平台上
购买过一次的
只有过一次这个消费体验
那我当然希望这个人
能够更多的在这个平台上去体验
这样的话他可能会更加的认同
这样一个平台
所以我们更多的希望说
这个用户从一转二 二转三
那么从成长到成熟是指
这个用户可能之前
他在平台上的这个
消费的是一个
比如说从消费金额来看
我们觉得他其实
还有这种提升的空间
所以我们也会引导用户说
其实你可以通过这个
更高的性价比
可能多付出一部分的这种钱
但是你能够获得更好的
一种服务和产品的体验
所以这是从这个二转三的
这样的一个方式
那么同时这个四跟五就是
我们怎么去避免
我们的用户衰退
和避免我们的用户的流失
那么第六个就是
我们的这种成熟的活跃用户
那这部分用户
我们要把他们能留住
我们不要让这部分用户流失掉
所以这个是我们一个
就是最基本的
对我们用户的一个分类和思考
那么在这里面
其实就提到了一个问题就是
我们怎么去把我的用户界定
所谓的什么叫活跃
什么叫衰退和什么叫流失
这个怎么来去定义
这里面我们可以看一下
我们把我们的这种
购买的用户的购买人次
和相应的这个购买的间隔
做了这样一张这个图
我们也做了一条
这个累计的曲线
我们可以看到说有95%的用户
他们活跃在145天之内
去进行复购
那么99%的用户
会在252天之内去进行复购
所以由这个的话
我们就可以去做这样一个定义
我们认为说这个
在145天之内复购的
我们认为是活跃用户 对吧
在252天之内的是这个衰退
那么252天之外的
我们认为就这些用户
就有很高的流失风险了
这是一个 这个比较简单的
对这个用户的一个分类
-完整讲座
--完整讲座
-李国杰：面向大数据的数据科学--课后习题
-数据思维方式的改变
-数据的假设与采集
--数据的假设与采集
-数据的准备
--数据的准备
-数据的分析
--数据的分析
-数据的解释与验证
--数据的解释与验证
-吴甘沙：大数据分析师的卓越之道——课后习题
-个人介绍
--个人介绍
-硅谷热门公司
--硅谷热门公司
-大数据简介
--大数据简介
-大数据平台系统
--大数据平台系统
-工业实践
--工业实践
-结尾
--结尾
-董飞：硅谷公司的大数据实战分析--课后习题
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-数据库系统实现变革
-负载融合
--负载融合
-数据系统架构成本
--数据系统架构成本
-杨光信：数据系统架构——课后习题
-什么是可视化
--什么是可视化
-网络可视化
--网络可视化
-大数据带来的新挑战
-大数据网络可视化的若干案例
-时磊：大数据网络可视化—— 课后习题
-网络安全概述
--网络安全概述
-大数据安全分析平台
-大数据安全应用
--大数据安全应用
-大数据平台安全
--大数据平台安全
-彭元：网络安全与大数据——课后习题
-人工智能系统的本质功能模型
-隐性智慧，显性智慧
-人工智能：能与不能
-人工智能的技术现状
-机制主义人工智能模型
-信息转换和智能创生定律
-人工智能与大数据
--人工智能与大数据
-钟义信：“人工智能与大数据”的创新研究——课后习题
-什么是机器智能
--什么是机器智能
-大数据的重要性及特点
-大数据中的因果关系与关键技术
-大数据与机器智能
--大数据与机器智能
-大数据思维
--大数据思维
-讲座问答环节
--讲座问答环节
-吴军：数据为王和机器智能的时代——课后习题
-大数据概述
--大数据概述
-大数据相关新趋势
--大数据相关新趋势
-大数据技术创新1
--大数据技术创新1
-大数据技术创新2
--大数据技术创新2
-大数据技术创新3
--大数据技术创新3
-大数据商业价值和前景
-大数据机遇和挑战
--大数据机遇和挑战
-苏中：从大数据到认知计算——课后习题
-金融大数据概述
--金融大数据概述
-用户个人信息分类
--用户个人信息分类
-金融大数据法律框架
-实际案例和业界实践
-核心风险点
--核心风险点
-王新锐：金融大数据的法律实践——课后习题
-互联网与商业化
--互联网与商业化
-大数据与计算广告
--大数据与计算广告
-计算广告介绍
--计算广告介绍
-数据交易
--数据交易
-刘鹏：互联网变现与计算广告——课后习题
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华：区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌：个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1：用户属性识别
-案例2：自然人识别
-案例3：WOI与社交关系识别
-陆祁：用户行为大数据——课后习题
-内容智能生态——数据、算法、应用
-大数据在内容分析的应用
-IP价值评估系统
--IP价值评估系统
-爱奇艺的剧本评估
--爱奇艺的剧本评估
-爱奇艺的智能评分
--爱奇艺的智能评分
-阳任科：大数据与AI的内容分析——课后习题
-外卖行业及场景简介
-餐饮及外卖行业大数据应用框架
-案例分析：智能营销场景的用户画像
-案例分析：智能助手场景的菜品画像
-王栋：美团外卖的大数据应用——课后习题
-旅行业务的特点
--旅行业务的特点
-美团旅行业务的用户画像构建
-用户画像的应用案例
-住宿需求预测问题
--住宿需求预测问题
-营销补贴策略建模
--营销补贴策略建模
-赵楠：商业思维与大数据技术在美团旅行业务中的结合——课后习题
-互联网金融背景介绍
-互联网金融科技
--互联网金融科技
-数据智能的三个案例
-技术展望
--技术展望
-陈彧：美团点评金融服务的大数据与人工智能——课后习题
-数据的进化历程
--数据的进化历程
-阿里DMP平台介绍
-核心技术及案例
--核心技术及案例
-数据应用
--数据应用
-毛波：阿里全息大数据构建与应用——课后习题
-在线营销
--在线营销
-竞价机制
--竞价机制
-数据价值
--数据价值
-韩定一：在线营销中的竞价机制与数据价值——课后习题
-竞价排名搜索
--竞价排名搜索
-主要技术问题
--主要技术问题
-点击率预测概述
--点击率预测概述
-点击率预测实践
--点击率预测实践
-龚笔宏：大数据在工业界中的经典案例分享——课后习题
-即时配送业务的背景及挑战
-案例1：订单分配策略
-案例2：供需平衡策略
-未来展望
--未来展望
-郝井华：即时配送中的人工智能——课后习题
-什么是数据驱动营销
-LTV留存分析
--LTV留存分析
-RFM会员体系
--RFM会员体系
-消费者微群画像
--消费者微群画像
-渠道倾向性分析及行业竞争分析
-机器学习潜客挖掘模型
-- 机器学习潜客挖掘模型
-陈辉：数据驱动营销——课后习题
-金融大数据时代
--金融大数据时代
-大数据客观信用
--大数据客观信用
-我国的金融环境
--我国的金融环境
-客观信用的实践
--客观信用的实践
-应用案例与成果
--应用案例与成果
-艾小缤：大数据评价体系在金融、征信领域的创新——课后习题
-外部链接
--外部链接
