客户细分怎么写写客户细分的模式和类型？( 二 )

细化了维度，怎么量化？
技术怎么实现？用户如何表现呢？
二、将数据标签化，将用户形象化标签是什么？标签是用来标志你的产品目标、分类、内容的，是给你的目标确定一个关键词，是便于查找和定位的工具。
用户标签从更新频率可以分为：静态标签、动态标签；从开发方式分为：统计类标签、规则类标签、算法类标签（又称：基础标签、模型标签、预测标签）；从标签来源分为：系统自动打的、开发商运营打的、用户自己打的。
用户画像是什么？从上一小节分类模型可以看出，有些模型比较感性，好像可以看到一个真实的人，有些模型比较理性，好像看到的是一堆标签数据。是的，用户画像目前是分两类：User Persona 和 User Profile 。
User Persona 是产品设计、运营人员从用户群体中抽象出来的典型用户；一般来自于用户访谈、用户研究，帮助我们去感性的认识当前的产品所主要服务的用户是一些什么类型的人。
User Profile 是基于用户在产品中的真实数据，产出描述用户的标签的集合，是偏理性的数据表现；一般用于产品具体的产品设计、决策依据、运营营销、风险预测、信用评估、个性化推荐等过程，如第一小节最后呈现的五个维度的表格。
User Persona 和 User Profile是一体两面，具有同一性、统一性，在实际应用中要结合业务及场景相互对照使用。
本节主要总结User Profile的实现方式，产品结构如下：
实施步骤可分三步：
1. 确定画像维度2. 建立数据处理模型用户标签权重 = 行为类型权重 × 时间衰减系数 × 用户行为次数 × TF-IDF计算标签权重
行为类型权重：用户浏览、搜索、收藏、下单、购买等不同行为对用户而言有着不同的重要性，一般而言操作复杂度越高的行为权重越大，该权重值一般由运营人员或数据分析人员主观给出。
时间衰减系数：用户某些行为受时间影响不断减弱，行为时间距现在越远，该行为对用户当前来说的意义越小；这里应用了牛顿冷却定律数学模型，指的是一个较热的物体在一个温度比这个物体低的环境下，这个较热的物体的温度是要降低的，周围的物体温度要上升，最后物体的温度和周围的温度达到平衡，在这个平衡的过程中，较热物体的温度F（t）是随着时间t的增长而呈现指数型衰减，其温度衰减公式为：F（t）=初始温度×exp（-冷却系数×间隔的时间）。
对应在用户标签随时间的影响上，冷却系数相当于标签权重随时间衰减的系数。公式如下：
λ=-ln（dN/dt）/T=-ln（当前值/初始值）/间隔时间
用户行为次数：用户标签权重按周期统计，用户在周期内与该标签产生的行为次数越多，该标签对用户的影响越大。
TF-IDF计算标签权重：标签的重要性随着它在用户中被标记的次数成正比增加，但同时会随着它在标签库中出现的频率成反比下降；w（P , T）表示一个标签T被用于标记用户P的次数。TF（P , T）表示这个标记次数在用户P所有标签中所占的比重，TF越大，标签越重要；相应的IDF（P , T）表示标签T在全部标签中的稀缺程度，即这个标签的出现几率，IDF越大，标签越不重要。
然后根据TF * IDF即可得到该用户该标签的权重值。公式如下：

文章插图
(分母+1是防止分母为0)
举个例子：

文章插图
3. 数据采集，数据处理，生成User Profile分类将业务数据、日志数据、埋点数据、第三方数据带入数据处理模型中，生成User Profile 。

客户细分怎么写 写客户细分的模式和类型？( 二 )

客户细分怎么写写客户细分的模式和类型？( 二 )