互联网大数据分析之《用户画像分析》.pptVIP

内部参考 用户画像方法 ——“对应分析”实例演示 对应分析数据格式整理 特征 只看过 只关注XX 关注实物未购买 购买并付款 男性 48 36 28 10 女性 52 64 72 90 学生 67 65 63 22 非学生 33 35 37 78 工作 25 26 28 61 其他职业 8 9 9 17 14岁以下 15 14 18 - 15-18岁 45 41 38 2 19-22岁 27 26 23 23 23-25岁 8 11 11 23 26-30岁 3 5 6 13 31岁以上 2 4 4 5 有网购AA经验 27 33 35 100 无网购AA经验 73 67 65 - 无网购 73 67 65 - 网购50元以下 6 5 5 9 50-100元 10 13 14 24 100-200元 7 10 11 24 200元以上 4 5 5 5 喜欢XX会买实物 25 29 37 31 不会喜欢XX会买实物 36 31 21 15 说不清喜欢XX会买实物 39 40 41 18 加权个案 对应分析过程 对应分析——定义行范围（用户类别） 对应分析——定义列范围（用户特征） 对应分析结果图 减少用户特征 用户画像方法 ——“聚类分析”实例演示 人群划分 矮 胖 胖 高 矮 瘦 瘦 高 聚类分析 组内差异 组间差异 概念 根据数据本身结构特征对数据进行分类的方法——聚类分析，通过聚类分析，可以把数据分成若干个类别，使得类别内部的差异尽可能的小，类别外部差异尽可能大。 聚类分析的种类 层次聚类法 非层次聚类法 K-均值聚类法 二阶聚类法 样本量1000 连续变量 首选方法 数据检查 样本选择： 年龄：17——31 （ 24+13 ， 24-13） 笔数：1——16 金额：1——900 SPSS 两步聚类分析 AA聚类分析结果 　 　 年龄 成交笔数 成交金额 　 　 均值 标准差 均值 标准差 均值 标准差 聚类 1 23.42 4.773 2.12 1.312 104.69 76.87 2 26.47 12.232 6.84 2.340 412.18 308.48 3 23.52 4.774 1.73 1.047 97.12 73.01 组合 23.91 6.527 2.67 2.254 147.06 176.03 用户画像在工作中的实际应用 抽样依据 用户拉新 用户挽留 产品定位 产品优化 来源; KM平台，中国微博用户市场图谱：2013年微博用户将突破2亿 /group/693/article_view/56793 可以看看的几个网站 统计专业网站： UCD大社区： / Alexa中文官方网站：/ 淘宝用户体验设计： Excel Home: 图研所：/ BAIDU.com 人群—— XX.com人群—— GOOGLE人群—— 内部资料， 请勿外传 用户画像分析专题分享 统计学基础 集中量：求和、平均数、中位数、众数、 差异量：全距、标准差、方差、最小值、最大值、标准误 分布：正态分布、峰度系数、偏度系数、正偏态、负偏态、高狭峰、低阔峰、离散变量、连续变量 目 录 用户画像研究概述 用户画像研究流程 用户画像方法与案例演示 用户画像概述 用户画像概述 数据挖掘 典型个体定性描述 群体定量分类统计 一、群体用户定量描述统计 群体定量分类统计——各类用户性别构成 群体定量分类统计——各类XX用户年龄构成 群体定量分类统计——各类XX用户年龄构成 年 龄 0-10岁 11-15岁 16-18岁 19-22岁 23-25岁 26-30岁 31-40岁 40岁 CC频道 4% 4% 5% 20% 22% 24% 16% 6% XX频道 6% 4% 5% 19% 19% 23% 17% 8% AA成交 1% 1% 5% 30% 27% 2