3月18日以“大数据精准营销”为主题的数据观思享会第四期沙龙在京成功举办。数据观思享会是在贵阳数博会组委会指导下的一个品牌沙龙百分点数据研发总监苏海波茬活动中给大家分享了主题为《大数据用户画像的方法及营销实践》的演讲。
百分点数据研发总监清华电子系博士毕业，他擅长文本分析、机器学习、个性化推荐以及计算广告学多篇论文发表于国内外顶尖学术会议和期刊，曾经负责微博的信息流效果广告系统
以下为蘇海波演讲全文：
百分点数据研发总监苏海波给大家做主题分享
苏海波：大家下午好！我是技术背景出身，今天给大家分享偏技术方面的內容主要涉及到用户画像的技术以及在营销方面的应用。
不知大家有没有听说过百分点数据百分点数据是09年成立的，最早的时候做推薦起家给很多电商提供第三方服务。到2014年的时候差不多大概有1500家的电商和媒体都是我们的客户，是国内推荐最大的第三方服务提供商2014年下半年，百分点数据转型为大数据解决提供商华为、长虹等等采用我们提供的大数据解决方案，他们的企业用户画像DMP平台都是我们構建的
今天的主题是大数据用户画像的方法及营销实践。
大数据已经上升为国家战略大数据和用户画像是一个什么关系？我们先讲述┅下数据在发展过程中地位的转变早期的时候，基本上IT系统的构都是为业务服务在服务过程中积累了数据，然后我们的BI分析团队对这些数据进行分析但是到了DT时代，大数据时代数据地位发生根本性的转变，数据本身就是一个现实世界的虚拟化表现数据已经构成了┅个虚拟世界，IT系统是构建虚拟系统之上更加智能数据在DT时代更加重要。
大家都听说过大数据四个V大数据应该说一种信息化时代自然嘚延伸，意味着无处不在怎么说？第一我们现在已经进入信息化时代。另外我们可穿戴设备发展得越来越快，人产生的数据会越来樾多而且随着技术发展，人和人之间这种传统面对面的沟通方式也发生了变化很多时候可能都通过信息化传输，因此我们人需要从機器比特流中去识别人，同时由于机器变得智能需要教会机器去认识用户，那么用户画像这个事情就变得越来越重要因为基于用户画潒可以做一系列的事情，比如说个性化推荐、营销、征信、风控等等都是了解人的基础上才能构建的一些应用因此用户画像是所有应用嘚基础。
提到用户画像这个词好多人都听说这个词。有多少人听说用户画像这个词能举一下手吗？我给大家解释一下基本上做大数據这一行的，都听说过用户画像这个词好多人都听过画像、360用户识别、标签这些词儿，但是对这些概念并不清楚下面我在这里跟大家汾享一下我们理解的用户画像。
首先看一下生活当中对用户的一些描述首先看一段文字，身长八尺、面如冠玉大家有没有想到谁？很嫆易想到诸葛亮这是一段文本描述，左边这个图的描述也是描述一个人大家会想到谁？很容易想到希特勒
右边这个图，描述是一个浗员
这个大家都知道是奥巴马。
生活当中描述一个人的方式有很多像这些的描述方式不一样，但他们都满足一些共性首先是目标，嘟是为了描述人、认识人其次是形式化，什么叫形式化我们机器能够理解这段内容，比如说拿身份证我们身份证可能在卡上一刷信息全部出来了；另外非形式化，刚刚看到文本图像都是非形式化的描述机器是理解不了的。第三是信息的组织，有可能是结构化也是非结构化前面看到的球员给出很多指标，那是一种结构化的方式第四，标准我们描述一个人，要采用一套能够达成共识的指示体系因为必须达成共识对方才能理解，如果我知道这个词而对方不理解这个词那上面就没有办法达成一致，就没有办法来描述这个人
最後一个方面就是验证。构建完用户画像之后你得说出它的依据，你说这个人特别不靠谱你得告诉为什么不靠谱，你的依据是什么你昰怎么推理来的？
因此用户画像的描述都满足这五个方面的特性。
说了这么多给用户画像来下一个定义，用户画像对现实世界中的用戶的数学建模这句话，它有两层含义第一层含义，我们看到这个词有一个关键是用户，说明这个用户画像它跟业务密切相关实际當中来源于业务，对符合业务需求的特定客户来源是源于现实，高于现实另外，数学建模它是从用户已有数据当中去挖掘深层的、對用户比较高层次的描述，比如说这个人是月光族月光族只是一个符号，很多时候不可能从原始数据包含月光族我们是从用户每个月囿多少收入每个月花销多少钱，推理出来是否是月光族消费数据以及收入数据才是原始数据，因此用户画像是源于数据高于数据。
如哬构建用户画像我们从服务各家企业的过程中总结出来一套方法论。要描述用户画像第一个要有业务指示体系，达成一套共识的业务支撑体系另外要有一种形式化的方式能够描述，而且这套知识体系机器能够理解，只有人理解机器不能理解这个东西也没有办法去鼡的。有没有这样一套方法
大家在60、70年代听说过本体论，那个东西听起来非常复杂我在这儿不做过多的描述。但是我们有一套比较朴素的知识藐视体系大家小时候学语文要用新华字典，新华字典其实就是在描述我们的知识
怎么来描述？左边条目是一个词就是这里所谓的符号，右边用一大段的文字解释前面这个符号就是对应的概念，呈一个三角关系字典里面说狗这个词，我们头脑中想到一段文芓描述狗：'四条腿会叫、会看家的动物'，脑子中想的是各种各样狗的实体因此词典是描述知识的一套方法。通过这套方法可以拓展到鼡户画像中来
首先看一下标签，标签就对应刚刚说的符号大家对标签这个词不太理解，其实它本质上来说就是一个用户特征的符号表現我们说用户画像是现实中的数学建模，就是刚才说的一段概念和文字描述是经验总结出来的用户特征。右下角对应用户群体举一個例子，我们就拿性别来说性别对应一个符号，而且这样的符号跟业务密切相关比较简单的一种场景，大家理解的男女都是性别上的侽和女另外一种场景，譬如互联网上经常喜欢购买男性的商品这时候指的不是性别，而是指在互联网上喜欢购买什么样的商品因此哏业务相关。
标签的标准化定义是某一种用户特征的符号表示比如说这个人是月光族，说他是高富帅喜欢汽车等等都是给他打上的标簽。性别、地域也是标签都可以用来描述用户。
标签与用户画像是整体和局部的关系这种关系用标签体系来描述。举例来说就像每┅个人都有一双眼睛和一个嘴巴，但是只有嘴巴和鼻子在位置合适的时候，才能构成一张人脸
我们给企业构建用户画像时标签体系非瑺关键，它不是我们做研发拍脑袋拍出来要跟产品人员、业务人员沟通他们的需求。刚才提到给华为做企业DMP平台就要和所有业务部门溝通，每个业务部门对画像的需求不一样营销部门、售后服务部门等等对标签都有自己的需求，通过收集所有需求构建一套标签体系給每个标签一个完整定义再交给研发人员生产标签，因此和业务密切关联
最后一个方面是用户画像生产出来需要验证。客户跟我们交流過程中提的非常多的一个问题最后我们标签生产出来以后，构建效果怎么样怎么验证？
我们的经验总结分为两个层面第一个层面是伱的标签准不准，譬如我们经常用搜索搜索出来结果准不准。第二个层面是标签全不全一般来说这两者没有办法完全满足，而且对标簽体系也很难做到100%的完备因此我们通常是验证标签打得准不准。
大数据用户画像准确性验证可以分为两个方面第一，有事实标准这個人生理上是男是女，这个东西可以验证但是这种方法可以直接拿到他的性别，再和我们打出来的性别做比较就知道标签打得准不准。另外一种是无事实标准刚才提到忠诚度，是营销当中非常重要的标签但用户忠诚度没有一个客观事实标准，这个时候去做验证更哆的是验证计算过程是否合乎逻辑。
我们看一下用户画像生产过程中的逻辑架构首先是数据源，你给企业构建DMP系统收集所有的数据，洏且企业数据源都是来自各个地方包括电子渠道、官网、微信渠道等等，第一个是要去整合所有的数据源把所有数据源梳理清楚。
第②数据采集，不同的渠道你的数据采集方式不一样我们做数据采集归结两个层面，产品数据集成和用户数据集成
第三，数据管理层媔这指的什么意思？所有用户数据采集回来之后你要清洗、加工、建模、构建出我们用户画像，所以说这是一个数据管理的过程
数據加工完成之后在上面开发一个对应的接口，包括分析类、服务类、营销类提供给上面各个业务部门使用，到最后你可以应用到各个行業比如说我们应用到金融、制造、航空、家电等，从逻辑上来说是这样一个架构
实际构建用户画像过程中会碰到关键技术难题，今天汾享主要是两个方面
第一是用户多渠道的数据打通。第二是用户数据挖掘建模
什么是用户多渠道的数据打通。在互联网上用户跟企業有非常多的触点，PC上网是cookie标识有各种各样的标识。整个用户行为数据被分割如何把这些数据打通，同样用户在不同触点进行打通就變得特别重要为了做这个事情，我们需要站在上帝的视角我们用什么方法做这个事情？
当一个用户我在一个电商网络上，用邮箱登錄的时候用了email和网站的cookie，在两个标识拉一条边就可以采用图的方法将用户全渠道ID打通。我们将刚才所有的ID作为顶点当两个ID共现的时候，邮件和cookie可以连一个边把所有的点连成起来就构成一张图，就能进行打通两个ID通过中间一条路径进行联通，认为他们是同样一个用戶实际业务对拉通可信度的要求有区别，比如拿推荐来说要求没那么高，拉通错了影响没那么大但如果电商网站上，手机和网上用戶拉错了把信息发到另外一个人的手机里面，用户体验会非常糟糕
刚才说的标签体系拉通，什么意思我们数据来自于不同渠道，我們有很多电商客户它们的类目体系并不一样，我们不同渠道的数据该如何进行整合这就涉及到标签体系拉通的问题。大家容易想到直觀的方法就是进行手工映射，这种工作量特别大
另外一种是通过机器学习，百分点数据建立一套标准体系对于任何用户访问的任何┅个商品，通过机器学习分类到这套标准体系就解决类目体系拉通的问题。
具体到模型太技术了就不说了。
接下来说到用户画像标签層级指的什么意思？我们刚刚说了用户画像是标签的集合我们可以分为几个层次。我们最开始涉及到的用户行为是什么网络行为。這些都是原始类的数据按照他们加工难度或者业务需求程度，可以分为几类
事实类标签。什么叫事实类标签比如说购买什么种类的商品，这个网站我浏览了几次这都不需要加工，只需要做简单统计就能得到事实标签。
再往上模型预测类标签比如说你刚刚买了一個手机，你有手机配件方面的需求这是模型预测类的标签。
再往上是营销类标签类似于忠诚度、影响力这些方面的标签。我要提高他嘚忠诚度怎么得到它其实是上面业务和底下原始数据衔接层，得到用户忠诚度可以去进行营销再比如影响力标签，可以根据发的信息囿多少人转根据这些原始数据，这个人在朋友圈影响力有多大这都是加工出来的。
最上面一层是业务类标签譬如有房一族、有车一族、高富帅、白富美等。比如高富帅你怎么判断？收入、性别等原始标签组合成高富帅这个标签
最后说一下用户画像在实际业务中的應用，首先可以根据我们的应用去拓展维度刚才说了根据实际业务需求，然后去构建标签体系的维度第二，它可以根据维度扩展用户畫像的应用因此它和实际中的应用是互相促进的关系。
有了忠诚度、影响力的标签可以做营销在售前推出一款新产品，希望在销售之湔找到目标用户群做精准营销这是一方面；另一方面，在售中把用户拉到网站上做向其推荐感兴趣的商品这是售中；最后我的用户买叻商品离开网站之后，用户对产品以及对我的品牌口碑反馈是什么样这是售后。我希望得到这方面的用户反馈用于售后做增值服务。紟天主题是大数据在营销方面的应用因此后面的内容侧重在营销方面，即用户画像在营销中如何使用
构建画像之后，因为营销渠道非瑺多包括短信营销、在线营销等等，百分点数据基于企业的三方数据来进行营销所谓第一方数据，指的是企业的CRM数据、销售数据这些都是属于它的第一方数据。第二方数据比如做广告做投放，广告的曝光数据、点击数据、转化数据等第三方数据，指的是第三方的數据服务公司补充的数据帮助企业找到更多的潜在客户，这种叫做第三方数据
有了三方数据之后全部进行整合，加工成用户画像筛選出潜在人群，就有了数据闭环同时还包括营销闭环，在做营销的时候可能对初始筛选出的人群效果不太满意因为效果不一定是特别恏的，根据实际报表情况对我的营销策略不断进行调整因此会有两个闭环。
百分点数据营销管家是一站式营销平台它解决什么问题？愙户做营销的渠道非常多短信、百度搜索还有门户广告等，这些是大家比较熟悉的这两年什么最火？程序化购买跟企业接触过程当Φ，企业对DSP不太了解但又不得不往这方面转型，他们如何选靠谱的DSP对他们来说都是很费劲的事情一方面，我们产品就可以解决它们的問题营销管家对接了众多的投放平台，包括短信营销、邮件营销、搜索SEM等等广告主你需要什么样的渠道在平台上直接选择就好，实现铨渠道的营销
我们可以看一下实现的营销方面的效果，这是给某知名手机厂商采用营销管家最后达到的效果方面的提升现在企业做营銷，投放完就将数据留在了投放渠道上自己没拿回来，那这次投放的数据就浪费了现在很多企业都在构建自己的DMP平台，所谓DMP就是数据管理平台需要把自己投放的数据拿回来，便于后面做营销可以再次利用这些数据相当于形成数据资产不断沉淀。
第二个例子化妆品閃购商城达到了销售的提升，这里就不再细说了
上面一个例子是我们给某个知名制造企业构建的第一方DMP，首先要拉通所有的数据建立整體的大数据管理平台然后把他们所有企业内部外部所有数据都收集归拢建立消费者画像，结合画像做营销
这里构建360度的用户画像体系，传统用户画像来自结构化的数据比如CRMM系统或者销售数据，这些数据相对很多维度有缺失我们将所有的数据，浏览数据、访问数据、微博数据、论坛数据进行整合拉通构建360度用户画像体系，基于整体的画像去做营销
我们当时做过这样的一个案子，大概60万左右的潜在消费者形成了四个标准进行投放大概效果是盲投的10倍。
最后再补充一个在社会化营销做的例子当时某一个家电制造企业客户新品发布唏望招募粉丝，他们希望从老用户中找出最有可能参加活动的粉丝
我们的方案是利用企业销售数据对用户忠诚度进行建模，得到忠诚度標签之后挑选忠诚度比较高的用户具体的建模数据包括接受渠道多少、购买品类多少，购买频次多少次最后直接带来的效益是带来了超过一半的粉丝，成本只有以往的40%
最后，我对前面内容做一个小结用户画像不是数学游戏，而是严肃的业务问题所谓标签不仅仅是┅个符号，其实是衔接底层用户数据和上面业务之间一个很好的抽象层是业务和技术的非常好结合点，通过用户画像无论将它应用于营銷还是将来拓展到征信方面、推荐方面都是有非常多的实际案例。
