为实现精准营销用户行为数据该怎样建模？ 爱开淘 七月 9, 2019 业务发展 2 评论 1065 围观 （1）用户行为数据记录的系统成本大吗？ （2）怎样整合全站的用户行为做精准化营销？ （3）怎样不断调整模型提高精准化营销的成功率?
评论 ( 2 )
Q：用户行为数据记录的系统成本大吗？
A：随着DT（data technology）时代的到来，每天都在产生海量的用户行为数据。有人形容当今的商业世界，如同一个漂浮在数据海洋上的巨轮，各大互联网公司也都乐此不疲的投入很大的人力物力在大数据里淘金，传统企业也在考虑转型投入大数据的怀抱。虽然数据的采集和存储等仍然存在一定的系统成本，但是相对数据带来的商机和价值，这部分成本已微不足道。
用户行为数据的上报有多种方式：
1） web页面的JavaScript采集
2） 移动app的sdk采集
3） 服务器端的log采集
4） RMDB数据的自动同步
海量数据的分布式存储、处理、挖掘和分析也有一套完整并且成熟的解决方案。由于很多技术都是开源的，极大地方便了开发者进行部署、开发和后期运维工作，下面是hadoop生态圈。
随着工程技术的迅猛发展，用户行为数据的上报和存储只需要投入很少的人力、财力成本。
—————————————————我是分割线———————————————————–
Q：怎样整合全站的用户行为做精准化营销？
用户画像的构建要从多维度分析，包括一般的人口统计学信息（如年龄、性别、地域等），更多的是是来自于对用户行为数据的深入挖掘分析，如偏好的标签、类别、品牌、物品。借助分类、聚类等数据挖掘方法对用户群体进行细分，如属于高价值用户还是普通用户。同样需要综合多渠道数据使用机器学习方法预测用户未来的历史行为，如预测用户最感兴趣的物品、预测用户流失等。用户画像的刻画和具体业务是强相关的，从吸引新用户、提高用户的粘性和转化、防止用户流失等各个阶段都需要多个维度进行衡量。
A：营销的精准主要依靠对用户行为的深入分析和挖掘，把握用户的兴趣偏好和个性化需求，从而“投其所好”。全站用户的行为数据千变万化，每个人每一次的点击都在表达着自己独特的信息诉求，也在从多方面“暗示”自己与众不同的独特用户画像。最终精准营销归结为对用户画像的精确刻画。
全站用户行为数据各种各样，一般包括注册、登录、浏览、点击、交易、收藏、搜索、评论、打分等。这些数据需要能保证彼此打通，也就是需要将一个人的多种行为数据能归结到一起。
经过对数据的深入挖掘分析，形成精确的用户画像，投其所好的展示相关物品，从而达到“千人千面”增加用户停留时长和提高企业运营业绩的效果。从精细的用户行为分析出发，利用数据驱动产品和运行，为管理者的决策提供强有力的数据支撑。
—————————————————我是分割线———————————————————–
Q：怎样不断调整模型提高精准化营销的成功率？
A：模型调优和实际的业务指标是直接相关的，如ctr、收入、用户停留时长、流失率、留存率等。一方面是分析bad case，找到目前模型处理不了的情况，优化模型后处理的逻辑。其次，对现有模型进行优化，包括优化特征抽取方法、增加训练样本、尝试不同比例的训练和测试数据集、优化模型参数等。最后，可以尝试多种不同的模型，最后进行多模型融合，整体调优。模型效果指标的评估可以使用线下评估和线上分流测试的方法。
实际业务当中，数据建模的过程也是复杂多变的，除了效果的提升，还需要考虑性能、高并发、快速响应等多个方面。
前公司做无线端用户运营。非技术人员。略谈题主的第二个问题。
举实际工作例子，产品的同事基于优化app的push系统，需要业务侧提供完整的用户精细化营销策略。可从业务的角度，要给出能够固化在系统中的营销策略，就push系统来讲，需要前期根据各种用户行为筛选并手工提数、手工发放push、总结已读率转化率等，然后再不断迭代优化精细化push策略。最终才可以确定放进系统业务方案。这绝不是短期内能实现的。而且，这还仅仅是app的push系统，所以，要针对全站的用户行为做完整的精细化营销，那就是一个产品跟业务不断PK又得长期协作的漫长过程。
ps：前公司为app日活为千万级的电商公司。