做者：秦路算法
原文很长，干货不少，为了便于理解，我把文章拆分为了三期微信
今天介绍第三期：用户画像的进阶架构
不一样业务的画像标签体系并不一致，这须要数据和运营目的性的提炼。工具
用户画像通常按业务属性划分多个类别模块。除了常见的人口统计，社会属性外。还有用户消费画像，用户行为画像，用户兴趣画像等。具体的画像得看产品形态，像金融领域，还会有风险画像，包括征信、违约、洗钱、还款能力、保险黑名单等。电商领域会有商品的类目偏好、品类偏好、品牌偏好，不一而足。spa
上图是随手画的的例子，画一个架构不难，可贵是了解每一个标签背后的业务逻辑和落地方式，至于算法，又能单独扯不少文章了。.net
从数据流向和加工看，用户画像包含上下级递进关系。3d
以上文的流失系数举例，它经过建模，其依赖于用户早期的历史行为。而用户早期的历史行为，即10天内的消费金额、消费次数、登陆次数等，自己也是一个标签，它们是经过原始的明细数据得到。code
上图列举了标签加工和计算的过程，很好理解。最上层的策略标签，是针对业务的落地，运营人员经过多个标签的组合造成一个用户群组，方便执行。orm
公司越大，用户画像越复杂。某家主打内容分发的公司进入了全新的视频领域，如今有两款APP，那么用户画像的结构也须要改变。既有内容相关的标签，也有视频相关的标签，二者是并行且关联的。视频
好比A用户在内容标签下是重度使用，而在视频标签下是轻度。好比B用户好久没打开内容APP有流失风险，但在视频APP的使用时长上看很忠诚。如此种种，看的是灵活应用。固然，姓名性别这类人口统计标签，是通用的。
用户画像做为平台级的应用，不少运营策略及工具，都是在其基础上构建的。
基于营销和消费相关的标签，新客、老客、用户的流失和忠诚、用户的消费水平和频率等，都是构成CRM（客户关系管理）的基础，可能你们更习惯叫它用户/会员管理运营平台。
它的做用在于，将数据化的标签，转换成产品运营策略。不一样的标签对应不一样的用户群体，也对应不一样的营销手段。CRM的结构中会包含各种触达用户的经常使用渠道好比短信、邮件、推送等。也包含CMS（内容管理系统），执行人员经过其快速配置活动页、活动通道、优惠券等，靠营销活动拉动数据。
老王的沙拉业务要是作大，那么运营平台就会以图中的结构搭建。老王在CRM中组合标签，新客老客流失客的数据借助BI监控，而后经过CMS系统配置红包啊优惠券啊等等，再经过短或Push触达。
好的用户画像系统，既是数据生态体系，也是业务和运营的生态体系，它是一门复杂的交叉领域。
万千用法，存乎一心。
本文分享自微信公众号 - SQL数据分析（dianwu_dw）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。