扫码加入数据分析学习群

用户画像建设项目流程

第一阶段：目标解读

在建立用户画像前，首先需要明确用户画像服务于企业的对象， 再根据业务方需求，明确未来产品建设目标和用户画像分析之后的预 期效果。 一般而言，用户画像的服务对象包括运营人员和数据分析人员。 不同业务方对用户画像的需求有不同的侧重点，就运营人员来说，他 们需要分析用户的特征、定位用户行为偏好，做商品或内容的个性化 推送以提高点击转化率，所以画像的侧重点就落在了用户个人行为偏 好上；就数据分析人员来说，他们需要分析用户行为特征，做好用户 的流失预警工作，还可根据用户的消费偏好做更有针对性的精准营 销。

第二阶段：任务分解与需求调研

经过第一阶段的需求调研和目标解读，我们已经明确了用户画像 的服务对象与应用场景，接下来需要针对服务对象的需求侧重点，结合产品现有业务体系和“数据字典”规约实体和标签之间的关联关系， 明确分析维度。就后文将要介绍的案例而言，需要从用户属性画像、 用户行为画像、用户偏好画像、用户群体偏好画像等角度去进行业务 建模。

第三阶段：需求场景讨论与明确

在本阶段，数据运营人员需要根据与需求方的沟通结果，输出产 品用户画像需求文档，在该文档中明确画像应用场景、最终开发出的 标签内容与应用方式，并就该文档与需求方反复沟通并确认无误。

第四阶段：应用场景与数据口径确认

经过第三个阶段明确了需求场景与最终实现的标签维度、标签类 型后，数据运营人员需要结合业务与数据仓库中已有的相关表，明确 与各业务场景相关的数据口径。在该阶段中，数据运营方需要输出产 品用户画像开发文档，该文档需要明确应用场景、标签开发的模型、 涉及的数据库与表以及应用实施流程。该文档不需要再与运营方讨 论，只需面向数据运营团队内部就开发实施流程达成一致意见即可。 第五阶段：特征选取与模型数据落表

本阶段中数据分析挖掘人员需要根据前面明确的需求场景进行业 务建模，写好HQL逻辑，将相应的模型逻辑写入临时表中，并抽取数 据校验是否符合业务场景需求。

第六阶段：线下模型数据验收与测试

数据仓库团队的人员将相关数据落表后，设置定时调度任务，定 期增量更新数据。数据运营人员需要验收数仓加工的HQL逻辑是否符 合需求，根据业务需求抽取表中数据查看其是否在合理范围内，如果 发现问题要及时反馈给数据仓库人员调整代码逻辑和行为权重的数 值。

第七阶段：线上模型发布与效果追踪

经过第六阶段，数据通过验收之后，会通过Git进行版本管理，部 署上线。使用Git进行版本管理，上线后通过持续追踪标签应用效果及 业务方反馈，调整优化模型及相关权重配置。