# Author:Nimo_Ding
'''
用户画像建模：
第一步：
统一化
统一用户的唯一标识：用户名、手机号、邮箱、设备号、cookieID
第二步：
标签化
给用户打标签，即用户画像
用户消费行为分析：
用户标签：性别 年龄 地域 收入 学历
消费标签：消费习惯 购买意向
行为标签：时间段 频次 时长 访问路径
内容分析：金融 娱乐 教育 体育 时尚 科技
第三步：
业务化
将用户画像，指导业务关联。
从用户生命周期的三个阶段来划分业务价值：获客、粘客和留客
获客：拉新
粘客：个性化推荐 搜索排序 场景运营
留客：流失率预测 分析关键节点降低流失率
以美团外卖为例：
用户标签：性别 年龄 家乡 居住地 收货地址 婚姻 通过何种渠道进行注册的
消费标签：餐饮口味 消费均价 团购等级 预定使用等级 排队使用等级 外卖等级
行为标签：点外卖时间段 使用频次 平均点餐用时 访问路径
内容分析：基于用户平时浏览的内容进行统计 包括餐饮口味 优惠敏感度等
(关联分析)
有了以上四个标签后就可以预测用户行为了。
比如一个用户晚上购买了烧烤，那么吃宵夜的可能性高于其他人，可推荐小龙虾，啤酒，烧烤
在业务层产生的业务价值为：
1、在获客上，找到优势的宣传渠道，如何通过个性化的宣传手段，
吸引有潜在需求的用户，并刺激其转化
2、在粘客上，如何提升用户的单价和消费频次，方法可以包括购买后的个性化推荐，
针对优质用户进行优质高价商品的推荐，通过红包优惠对优惠敏感的人群，提升购买频次。
3、在留客上，预测用户是否可能从平台上流逝，在营销领域关于用户留存有一个观点：
如果将客户流失率降低5%，公司利润将提升25-85%，可以看出留存率是多么的重要。
用户流失也有很多种情况：用户体验不好、
竞争对手强大、
需求产生了变化
通过预测用户的流失率可以大幅度降低用户留存的运营成本。
对数据的标签化能让我们快速理解一个用户 一个商品，乃至一个视频内容的特征，从而方便我们去理解和使用数据。
对数据的标签化实际上考虑的是我们的抽象能力。
作业：
羊肉串店铺用户画像：
用户标签：用户手机号，住址，家乡地，年龄，性别，职业，婚姻状况
消费标签：店铺羊肉串口味，消费均价，预定使用等级，排队使用等级
行为标签：支付方式-微信支付宝现金，点餐时长，堂食时长，堂食时间段，频次，人数，消费金额，对优惠券的敏感程度
内容分析：餐饮行业，菜品种类，菜品数量，餐饮口味(根据受众人群开发新产品)
朋友圈用户画像：
用户标签：手机号，年龄，性别，职业，住址，婚姻状况，好友数量
消费标签：点赞内容，参与的活动
行为标签：使用时长，使用时间段，每天聊天人数，聊天时长，聊天时间段，点赞频率
微信头像(动漫、风景、动物、人物)，朋友圈内容(养生类、自拍类、炫娃类、鸡汤类)
内容分析：点赞内容，聊天内容，发布朋友圈内容，点赞的文章，关注的公众号
'''
