小数据玩转Pyspark(2)

一、客户画像

客户画像应用：精准营销（精准预测、个性化推荐、联合营销）；风险管控（高风险用户识别、异常用户识别、高可疑交易识别）；运营优化（快速决策、产品组合优化、舆情分析、服务升级）；业务创新（批量获客、跨界融合、整合资源与产业升级）

用用户画像的方法圈定我们的用户。行为偏好对客户的特质影响最大。

产品特质要从产品的使用人群去验证。当决策点与客户标签匹配的时候就针对性的营销。渠道的场效应对于行为也有影响，所以需要三方面信息，需要标签、产品知识库、渠道知识库。

用户画像是为了满足对用户需求的探查，

美团用户画像

 二、用户标签体系

银行传统的用户视图

标签级别

 三、用户标签与推荐系统

产品知识与用户标签相配合的精准营销方案

1、推畅销品，基于产品和季节性推荐，不需要算法

2、基于用户和产品购买的推荐，逻辑回归模型

3、基于客户与客户的相似性和产品与产品的相似性，基于网络的推荐，基于好友的推荐、客户分群、通过产品的协同过滤（关联规则）

4、全新产品，基于内容的协同过滤

某银行基于用户细分的精准营销

个性化推荐系统架构

 四、标签开发方法

人口属性在银行是事实标签，但是在其他电商需要模型预测。预测类标签，和我们每个业务相关的标签

用半监督KNN预测人口属性。计算出男性各个维度标签的均值，和女性各个标签的均值，新的用户计算与男女标签的距离。

基于内容的信息提取，通过主题模型归纳出关键字，再在关键字的基础上提取主题和分类。

在定位到具体位置后，可以归纳成商圈

标签的评估，更关心业务的相关性，例如虽然准确率只有50% 但提高了营销响应率提高了。所有主要是根据是实际效果评估。

刚做出来的时候，主要用AB测试的方法。通过这个标签指定营销策略发布出去和不用这个标签，

 四、Spark构造基础类标签