怎么做一份用户画像？

我们看过不少于10篇关于用户肖像的干货。但我仍然不知道如何制作用户肖像。干货告诉我们用户肖像的价值，用户肖像应该有的数据，用户肖像应该包含的内容。好吧，我已经按照大神们的指示收集了数据。谁能告诉我麻烦！底！这！些！数！据！怎！么！处！理！啊！喂！今天我就来谈谈我曾经手中的用户画像及其每一步的建立步骤吧！当然，我觉得结果很粗糙，因为没有人告诉我每一步该怎么做，但至少应该是粗线的步骤原型。希望大家在收集完整大神的数据建议后，终于知道每一步该怎么办了！别像我一样，太惨了。step1我们还是要说数据源的事情。虽然我一直坚持百度能到的东西基本不废话，但我觉得还是有必要贴这张图的。这张照片不是我的，原作者：郭志金。知识产权仍需保护。你可以百度郭先生关于如何构建用户肖像的文章，找到更详细的讨论。不多说了。上图。这就是郭老师所说的所有相关用户数据都需要准备。嗯，我觉得这些数据对每个人来说都没那么难。所以在收集了它之后，它开始真正处理数据。step2数据收集后的第一步：我不打算清理数据，但我认为有必要提到，许多收集到的数据不能直接使用。数据需要编码分类，异常值需要去除，缺失值需要补充。我在这里使用的分析软件是跟随我五六年的SPSS(用了这么多年还是不是高手)。我假设每个人都完成了这一步。第二步:不知道为什么要做因素分析。直到最近看书才知道，给大家解释一下做因素分析的原因。用户肖像就是把一堆数据分类，分成同一组数据代表的人就是一类。那么聚类需要考虑哪些数据来聚类呢？例如，个人收入和家庭总收入。这是两列数据，最终可能会决定我是屌丝还是白富美。把这两个数据放在一起聚类吗？恐怕不是！不建议将高度相关的数据扔进聚类。为什么？因为高度相关基本上等于相同的数据，你把相同的数据放进去两次，不是为了增加数据在所有数据中的权重！这里的一些专业统计词我就不多解释了，这次真的可以百度了。知道为什么要分析因素，我们来谈谈因素分析的作用。因素分析是先对N个数据进行分类，尤其是同一类数据。我们可以选择一些数据。这种因素分析可以帮助我们将N列数据减少到几列数据。至于如何做因素分析，这里就不废话了。有一位神奇的老师叫吴明隆，他有一本SPSS实操，那里手拉手教学。可以自己查阅。第三步:我们已经将数据N列减少到几个重要的分析。在开始聚类之前，还要做的一件事就是看看这些数据的相关性。一般来说，我们选择中等相关数据。因为原因不能见上一个太相关。不要把它放进去。毕竟，把个人收入数据和隔壁老王的体重数据放在一起是没有用的。如何做相关分析也请看吴老师的宝书。第四步：好的聚类分析，我们终于谈到了我们的主角，聚类分析。我记得当我做这件事的时候，一位老师姐姐建议我再做一次聚类。尽管我不明白她在说什么。但就我现在的理解，让我们来谈谈。首先，SPSS中有三种聚类方法。见图。从上面可以看出，这是SPSS中的3中聚类。我先做两步聚类。为什么？因为两步聚类不需要动脑子。为什么这么说？也就是说，你丢失了一堆数据，你不需要预设你想把它们分成几类。也就是说，你不知道有多少种类型。看看SPSS的大心情。两步聚类可以将数据类型分开，不要将其连续放入类别中。就可以了。你会在聚类后得到这样的结果。上图。酱紫的。具体解释及如何看待。建议去看沈浩博客的聚类分析，百度值得拥有。然后我们可以尝试去除一些重要性很低的变量。这是第一次聚类。然后是第二次聚类，K均值聚类。第一步已经知道了一般的聚类类别。这是我的一类。当K平均值时，需要填写一个聚类数。只需填写两步聚类中的聚类数即可。然后得到K均值聚类的结果。为了使聚类结果更加稳定，我们不断调试删除增加变量的原因。最后，系统聚类。你可以看到一张很酷的图片，然后你可以看看结构。也是为了确定聚类结果的稳定性。自行解决具体操作。第五步:判断分析聚类后，我们是一个态度好、素质好的团队。这取决于你自己的聚类结果是否准确。为了判断聚类的效果，有必要对已经聚类的数据和待验证的数据进行判断和分析。本来想上图，觉得要保护我们公司的数据安全。就放弃了。百度一下贝叶斯的判断，那边有很多效果图。这里只讲步骤。好啦。如果最终结果稳定，验证后效果良好。然后你的用户真的画完了。很多人都在谈论每个标签的权重。就我个人而言，我明白贵公司用户占这些分类的数量更为重要。说得更直接，加权重给每一幅画像这件事，我还不知道该怎么办。如果有牛人用R或者什么统计软件爆我，我真的很认真的说，请收我当徒弟。我真的很想当老师。为了实现我用研究做最好的梦想。