互联网大数据分析之《用户画像分析》.ppt

用户年龄占比分布16岁—34岁占比合计：91.83%用户画像数据挖掘实例演示对应分析聚类分析用户画像方法

——“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产品品鉴会活动方案汇报人姓名用户画像方法

——“聚类分析”实例演示人群划分瘦高胖高矮瘦矮胖聚类分析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。组间差异概念组内差异内部资料，请勿外传内部资料，请勿外传内部资料，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PART1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用户年龄构成用户年龄分布图二、个体用户定性描述

来源：一次XX2009用户访谈用户画像典型用户个体描述案例0102男，22岁，中专或以下学历，保安，2年工作经验，月收入在2000元以下，知识层次较低，理解表达能力较差。性格内向，不爱说话，但是在网上却很活跃，是个很有代表性的用户。使用XX4年，没有电脑，由于工作性质特殊（用户的职业为保安），所以用户每天使用手机登陆XX及手机XX网来打消无聊的时间，或下班去网吧上网。他的同事大都年龄较大，一般都是把打牌和喝酒作为娱乐活动，这是他所不喜欢的，与他同龄的同事大都喜欢把上网作为娱乐。他对电脑使用较为生疏。认为XX2009看上去不错，如果能把08的功能都加上再稳定些就更好了。与2009相比，更习惯使用2008。访谈发现：1.对于广大低端用户来说，易理解、简单、方便、快捷是他们最需要的，也是他们不用MSN的原因之一；2.用户对XX依赖性很大，这样的用户希望XX的功能更强大，真正实现一站式在线生活。来源：一次XX2009用户访谈用户画像典型用户个体描述女，19岁，高中，学生，理解表达能力较好，性格对陌生人内敛对朋友外向活泼，不喜欢动脑，什么都喜欢方便的，最好只按一下就全部搞定的。使用XX7年，现实的社交圈基本局限在同班同学，但是网上却有很多不认识的好友，喜欢认识不同类型的人。虽然网龄较高但是与很多女孩子一样依然是个电脑白痴女，她喜欢操作越简单越方便越好。访谈过程中她说的最多的一句话就是“我个人比较懒！”，最怕麻烦，MSN就是太麻烦才不用的。对于电脑游戏喜欢互动性好，但是操作简单的，比如劲舞团、大话西游等。单击此处添加小标题访谈发现：1，很多女用户虽然使用电脑多年但是依然是个电脑白痴，对她们来说所有操作如果超过两步就会晕！对于设置性操作她们基本没有使用过，她们只使用初始化设置，希望在修改设置方面更简单！2，该用户的另一个特点就是“懒”，稍微有点麻烦或困难，她们就会懒得做，懒得想，如果有傻瓜式，全自动式操作就很适合她们。单击此处添加小标题三、用户画像数据挖掘数据挖掘——付款用户【对应分析】XX用户【聚类分析】XX用户【聚类分析】特征得到的启发高认同用户低介入用户新进用户XX的核心用户的画像：19-25岁男女丰富使用XX各类业务/VIP业务的TT龄较长的活跃用户定期换装可拉动、改变的用户15-22岁男女TT龄(2-5年)和使用XX历史较短定期换装通过提升品牌满意度，增强其付费使用的信心令这些用户改变(即令其从不付费使用到付费使用)的可能性较低：TT龄长，使用XX历史较长，但仍不付费使用亦较少使用其它XXVIP业务换装频率不固定???用户画像流程PART1用户画像流程研究目的01确定目标用户02用户抽样03数据整理04数据整理统计挖掘05结论展示06*提取用户抽样的几个概念是所要研究的对象的全体。例如，考察XX农场用户体验，目标总体就是所有的XX农场的用户。抽样总体是用于从中抽取样本的总体。总体Population从目标总体（Population，或称为母体）中抽取一部分个体作为样本（Sample），通过观察样本的某一或某些属性，依据所获得的数据对总体的数量特征得出具有一定可靠性的估计判断，从