互联网大数据分析之《用户画像分析》.pptVIP

用户画像方法 ——“对应分析”实例演示 对应分析数据格式整理 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 连续变量 首选方法 数据检查 样本选择： 年龄：—— （ ， ） 笔数：—— 金额：—— 两步聚类分析 * 聚类分析结果 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; 平台，中国微博用户市场图谱：年微博用户将突破亿 可以看看的几个网站 统计专业网站： 大社区： 中文官方网站： 淘宝用户体验设计： : 图研所： 内部资料， 请勿外传 用户画像分析专题分享 内部资料， 请勿外传 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