CN111915366B - 一种用户画像构建方法、装置、计算机设备及存储介质 - Google Patents
一种用户画像构建方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111915366B CN111915366B CN202010702530.6A CN202010702530A CN111915366B CN 111915366 B CN111915366 B CN 111915366B CN 202010702530 A CN202010702530 A CN 202010702530A CN 111915366 B CN111915366 B CN 111915366B
- Authority
- CN
- China
- Prior art keywords
- user
- label
- data
- portrait
- portrayed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 25
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000002131 composite material Substances 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000006399 behavior Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000013145 classification model Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000009960 carding Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用户画像构建方法、装置、计算机设备及存储介质，该方法包括：获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。本发明通过针对各个应用场景构建对应的用户画像，能够准确快速识别用户特征，从而为用户提供精准服务，提升用户体验。
Description
技术领域
本发明涉及用户画像技术领域，特别涉及一种用户画像构建方法、装置、计算机设备及存储介质。
背景技术
用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
随着物流行业的飞速发展以及企业逐渐业务数字化，物流***的用户数据越来越庞大。目前在物流行业中，尚无完善的立体画像分析，当前普遍只存在于末端快递员的类型分类，无更全面更深层的画像***。面对庞大的用户数据，如何针对各个应用场景构建对应的用户画像，从而能够准确快速识别用户特征，以及如何对重点客户提供精准服务以提升用户体验等，是目前亟需要解决的。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种用户画像构建方法、装置、计算机设备以及存储介质，以克服现有技术中存在的面对大量用户数据难以准确快速对客户特征进行识别，无法对重点客户提供精准服务导致用户体验无法得到提升等问题。
为解决上述一个或多个技术问题，本发明采用的技术方案是：
第一方面，提供了一种用户画像构建方法，该方法包括如下步骤：
获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；
通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；
根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
进一步的，所述获取待画像用户的用户数据包括：
对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据；
根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据。
进一步的，所述根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像包括：
从所述基础标签以及所述复合标签中匹配获取与所述画像类型对应的目标标签，根据所述目标标签生成所述待画像用户的个体画像。
进一步的，所述方法还包括：
通过预先训练的分类模型、所述基础标签以及所述复合标签对所述个体画像进行分类，生成所述待画像用户对应的群体画像。
进一步的，所述方法还包括：
接收请求端发出的第一查询请求，所述第一查询请求至少包括待匹配标签信息；
查询与所述待匹配标签信息对应的个体画像返回至所述请求端。
进一步的，所述方法还包括：
接收请求端发出的第二查询请求，所述第二查询请求至少包括待匹配个体画像信息：
查询与所述待匹配个体画像信息对应的群体画像返回至所述请求端。
第二方面，提供了一种用户画像构建装置，所述装置包括：
数据获取模块，用于获取待画像用户的用户数据，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；
第一标签模块，用于根据所述用户数据生成所述待画像用户的基础标签；
第二标签模块，用于通过预先训练的标签模型对所述基础标签进行组合计算，获取所述待画像用户的复合标签；
第一画像模块，用于根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
进一步的，所述数据获取模块包括：
数据解析单元，用于对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据；
数据获取单元，用于根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据。
第三方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；
通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；
根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如下步骤：
获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；
通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；
根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
本发明实施例提供的技术方案带来的有益效果是：
本发明实施例提供的用户画像构建方法、装置、计算机设备及存储介质，通过获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像，通过针对各个应用场景构建对应的用户画像，能够准确快速识别用户特征，从而为用户提供精准服务，提升用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的用户画像构建方法的流程图；
图2是根据一示例性实施例示出的用户画像构建装置的结构示意图；
图3是根据一示例性实施例示出的计算机设备的内部结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如背景技术所述，随着企业逐渐业务数字化，用户(或客户等)数据越来越庞大，如何认知庞大的用户数据已经逐渐成为每个大型企业需要面对的问题。目前通常采用的解决方法是为用户构建用户画像，常规方法构建的用户画像通常都是狭义上的用户画像。狭义上的用户画像是指从用户群的角度收集、整理和分析数据，根据用户的基本信息抽象出来的标签化模型。这样构建出的用户画像并不能够支撑各业务环节的不同应用场景。以物流行业为例，应用场景可包括重点客户识别等，采用常规方法构建出的用户画像，难以准确快速对客户特征进行识别，因而无法对重点客户提供精准服务，从而导致用户体验无法得到提升等。
为解决上述问题，本发明实施例中创造性的提出了一种用户画像构建方法，该方法除了根据用户数据为待画像用户生成基础标签外，还利用预先训练的标签模型对基础标签进行组合计算，为待画像用户生成复合标签，最后根据基础标签、复合标签以及待画像用户的画像类型，生成对应待画像用户的个体画像。本发明实施中的用户画像是对事物进行画像，从多个维度对用户进行打标，以物流行业为例，可以从物流公司的网点、外场、产品、线路等方面进行画像。通过数据分析，针对各个应用场景构建对应的用户画像，能够准确快速识别用户特征，从而为用户提供精准服务，提升用户体验。
图1是根据一示例性实施例示出的用户画像构建方法的流程图，参照图1所示，该方法包括如下步骤：
S1：获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据。
具体的，本发明实施例中，通过对用户数据的梳理清洗与分析，***性地建设标签体系。在根据用户数据生成待画像用户的基础标签时，可以采用Hive SQL数据处理技术，对用户数据进行计算处理，生成基础标签。用户数据包括但不限于待画像用户的基础数据和行为数据，其中，基础数据包括但不限于用户个人信息(如地址、电话等)、所处行业、公司职务、经济状况等信息，行为数据为与用户个人行为相关的数据，包括但不限于个人消费数据、社交媒体数据等，这里不再一一赘述。
具体实施时，以物流行业为例，生成的基础标签的维度包括但不限于人口属性及行为属性，其中人口属性包括但不限于用户基本属性(如客户名、客户编码、行业、事业部、大区、营业部、是否特殊行业、公司规模等)、地域属性(如发货地址POI属性、常驻地、省份、城区、城市分级、省份货车保有量、省份快递业务量、省份零担业务量等)，行为属性包括但不限于产品需求属性(如安全敏感性、是否需要次日达、是否需要隔日达、是否购买过增值服务、价格敏感度等)、购买交易属性(如平均客单价、支付工具、是否月结客户、最常发货部门等)、售后服务属性(如破损件数、理赔次数、平均理赔时间间隔、理赔平均处理时长、要求理赔金额、实际理赔金额、破损接受程度等)。
S2：通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签。
具体的，为了使构建出的用户画像能够更清晰的展现用户特征，本发明实施例中，除了为待画像用户生成基础标签外，还对生成的基础标签进行组合计算，为待画像用户生成复合标签。
具体实施时，利用预先准备的训练数据基于机器学习算法训练获取一标签模型，然后利用该标签模型对上述步骤获取到的基础标签进行组合计算，获取对应的复合标签。其中，机器学习算法包括但不限于分类、回归以及聚类等算法。作为一种较优的实施方式，可以采用Python计算库实现复合标签的计算。
复合标签的维度可以根据用户实际需求进行设置，以物流行业为例，复合标签的维度包括但不限于用户生命周期(如新用户、活跃用户、沉默用户、流失用户等)、客户价值(如优质客户、一般客户等)、客户分类(线索、机会、合同、走货等)，这里不再一一赘述。
S3：根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
具体的，在实际生产过程中，各业务环节会对应大量不同业务场景，为了提高生成的画像的精准性，本发明实施例中，会针对不同的场景生成不同的画像，如销售人员画像、潜在客户画像、重点客户画像等。
具体实施时，可以预先为业务场景与画像类型建立映射关系，该对应关系中，每种画像类型至少对应一种业务场景。在生成待画像用户的个体画像时，结合画像类型，为待画像用户打上对应的基础标签以及复合标签。
作为一种较优的实施方式，本发明实施例中，所述获取待画像用户的用户数据包括：
对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据；
根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据。
具体的，在物流行业场景下的用户画像构建过程中，首先从物流***中获取待画像用户的物流信息，对该物流信息进行解析，获取待画像用户的基础数据，如用户名、电话、寄件收件地址等数据。
然后，根据场景需要，从第三方数据源中获取所述待画像用户的行为数据。其中，第三方数据源包括其他不同专业领域的数据库，如包括但不限于APP日志、PC日志、交易数据和第三方数据等。
作为一种较优的实施方式，本发明实施例中，所述根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像包括：
从所述基础标签以及所述复合标签中匹配获取与所述画像类型对应的目标标签，根据所述目标标签生成所述待画像用户的个体画像。
具体的，在实际生产过程中，各业务环节会对应大量不同业务场景，如前文所述，为了提高生成的画像的精准性，本发明实施例中，会针对不同的场景生成不同的画像。具体实施时，预先为业务场景与画像类型建立映射关系，该对应关系中，每种画像类型至少对应一种业务场景。在生成待画像用户的个体画像时，先根据画像类型，从基础标签以及复合标签中筛选对应的业务场景所需要的目标标签，然后为待画像用户打上筛选出的目标标签。
作为一种较优的实施方式，本发明实施例中，所述方法还包括：
通过预先训练的分类模型、所述基础标签以及所述复合标签对所述个体画像进行分类，生成所述待画像用户对应的群体画像。
具体的，为了支撑快速定位目标群体等业务场景，如从大量用户中快速确定潜在客户群体，本发明实施例中，还可以为待画像用户生成群体画像。群体画像同样可以从多个维度(如时间、行业、区域、产品等)展现群体的特征。具体实施时，同样可以利用预先准备的训练数据基于分类算法训练一分类模型，然后利用该分类模型结合基础标签以及复合标签对各个个体画像进行分类，生成对应的群体画像。
作为一种较优的实施方式，本发明实施例中，所述方法还包括：
接收请求端发出的第一查询请求，所述第一查询请求至少包括待匹配标签信息；
查询与所述待匹配标签信息对应的个体画像返回至所述请求端。
具体的，本发明实施例中，生成的用户画像支持通过标签进行查询。在进行用户画像查询时，通过请求端发出的携带有待匹配标签信息的第一查询请求，然后根据该待匹配标签信息查询出对应的个体画像，将该个体画像返回给请求端。其中，返回的个体画像可以从多个标签维度进行展示，并通过颜色直观地展示标签分布情况，方便作业人员或数据研究人员快速了解目标用户的特征，以便为后续决策提供依据。
作为一种较优的实施方式，本发明实施例中，所述方法还包括：
接收请求端发出的第二查询请求，所述第二查询请求至少包括待匹配个体画像信息；
查询与所述待匹配个体画像信息对应的群体画像返回至所述请求端。
具体的，本发明实施例中，还支持通过个体寻找对应的群体。具体实施时，在发出的第二查询请求中携带待匹配个体画像信息，然后查询与该待匹配个体画像信息对应的群体画像返回至请求端。同样的，返回的群体画像可以从多个标签维度进行展示，以帮助作业人员或数据研究人员从多方面直观地把握目标群体的特征，为后续决策提供依据。
采用本发明实施例中提供的用户画像构建方法生成的用户画像(包括个体画像和群体画像)可以应用于多个业务场景，包括但不限于以下：
1、重点客户识别
对于重点客户，通常需要加大服务力度，全程质量监控，以提升客户体验，因此从海量的客户数据中快速精准的识别出重点客户尤为重要。在采用本发明实施例提供的用户画像构建方法，实现了内外部数据源结合，建立基于标签体系的用户画像，并且在生成用户画像后，可以对各个用户画像进行综合分析和判断，识别出符合预设要求的重点客户群体，为该客户群体提供精准服务，改善用户体验，提升满意度。
具体在实施时，可以根据业务部门对于重点客户的定义，建立重点客户用户画像的标签族与评分体系，利用现有大数据平台的数据资源，结合外部数据源，应用用户画像的标签族匹配用户的基础标签、行为标签等，细分用户群体，形成重点用户客群，并持续更新应用最新实时计算(流计算)技术，对于重点用户群的订单予以标记和提醒，并对订单全过程提供质量监控服务，第一时间响应需求，提升满意度，增加粘性。
在从外部数据源获取行为数据时，包括但不限于根据待画像用户的基础数据中的寄件收件地址识别用户所在的区域及建筑物，与地产数据打通后，提供区域信息，丰富用户居住、职业、收入水平等相关标签体系。另外还可以根据实际场景需要，在其他不同专业领域数据库中获得标签信息。
2、销售人员画像
销售人员画像的应用场景及目的：通过提取并分析销售人员已成功开发的客户群体的用户标签，生成该类客户的销售画像，再将这些用户标签回溯给对应的销售人员，帮助他们分配更符合擅长属性的线索、开发更多客户、挽回流失客户或维护现有的高价值客户。
销售人员开发的客户多数都符合相同或类似的特征，通过对这些客户的特征进行分析，利用本发明实施例提供的用户画像构建方法建立客户画像，找出不同销售人员的擅长属性。然后将符合某类销售人员擅长属性的线索推荐给他们，有助于提高销售人员的开发客户效率，并能帮助他们挽回一些流失客户或维护现有的高价值客户。
3、潜在客户画像
潜在客户画像应用场景及目的：通过对潜在客户数据进行标签化描述，建立潜在客户的用户画像。再通过潜在客户用户画像总结已转化为合同客户的用户特征，预测其他潜客转化为合同客户的概率高低，使得业务更有针对性的对客户进行激励与维护。
图2是根据一示例性实施例示出的用户画像构建装置的结构示意图，该装置包括：
数据获取模块，用于获取待画像用户的用户数据，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；
第一标签模块，用于根据所述用户数据生成所述待画像用户的基础标签；
第二标签模块，用于通过预先训练的标签模型对所述基础标签进行组合计算，获取所述待画像用户的复合标签；
第一画像模块，用于根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
作为一种较优的实施方式，本发明实施例中，所述数据获取模块包括：
数据解析单元，用于对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据；
数据获取单元，用于根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据。
作为一种较优的实施方式，本发明实施例中，所述第一画像模块具体用于：
从所述基础标签以及所述复合标签中匹配获取与所述画像类型对应的目标标签，根据所述目标标签生成所述待画像用户的个体画像。
作为一种较优的实施方式，本发明实施例中，所述装置还包括：
第二画像模块，用于通过预先训练的分类模型、所述基础标签以及所述复合标签对所述个体画像进行分类，生成所述待画像用户对应的群体画像。
作为一种较优的实施方式，本发明实施例中，所述装置还包括：
请求接收模块，用于接收请求端发出的第一查询请求，所述第一查询请求至少包括待匹配标签信息；
画像返回模块，用于查询与所述待匹配标签信息对应的个体画像返回至所述请求端。
作为一种较优的实施方式，本发明实施例中，所述请求接收模块还用于：
接收请求端发出的第二查询请求，所述第二查询请求至少包括待匹配个体画像信息；
所述画像返回模块还用于查询与所述待匹配个体画像信息对应的群体画像返回至所述请求端。
图3是根据一示例性实施例示出的计算机设备的内部结构示意图，参照图3所示，该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种执行计划的优化方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
作为一种较优的实施方式，本发明实施例中，计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；
通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；
根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
作为一种较优的实施方式，本发明实施例中，处理器执行计算机程序时还实现以下步骤：
对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据；
根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据。
作为一种较优的实施方式，本发明实施例中，处理器执行计算机程序时还实现以下步骤：
从所述基础标签以及所述复合标签中匹配获取与所述画像类型对应的目标标签，根据所述目标标签生成所述待画像用户的个体画像。
作为一种较优的实施方式，本发明实施例中，处理器执行计算机程序时还实现以下步骤：
通过预先训练的分类模型、所述基础标签以及所述复合标签对所述个体画像进行分类，生成所述待画像用户对应的群体画像。
作为一种较优的实施方式，本发明实施例中，处理器执行计算机程序时还实现以下步骤：
接收请求端发出的第一查询请求，所述第一查询请求至少包括待匹配标签信息；
查询与所述待匹配标签信息对应的个体画像返回至所述请求端。
作为一种较优的实施方式，本发明实施例中，处理器执行计算机程序时还实现以下步骤：
接收请求端发出的第二查询请求，所述第二查询请求至少包括待匹配个体画像信息；
查询与所述待匹配个体画像信息对应的群体画像返回至所述请求端。
本发明实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如下步骤：
获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；
通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；
根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像。
作为一种较优的实施方式，本发明实施例中，所述计算机程序被处理器执行时，还实现如下步骤：
对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据；
根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据。
作为一种较优的实施方式，本发明实施例中，所述计算机程序被处理器执行时，还实现如下步骤：
从所述基础标签以及所述复合标签中匹配获取与所述画像类型对应的目标标签，根据所述目标标签生成所述待画像用户的个体画像。
作为一种较优的实施方式，本发明实施例中，所述计算机程序被处理器执行时，还实现如下步骤：
通过预先训练的分类模型、所述基础标签以及所述复合标签对所述个体画像进行分类，生成所述待画像用户对应的群体画像。
作为一种较优的实施方式，本发明实施例中，所述计算机程序被处理器执行时，还实现如下步骤：
接收请求端发出的第一查询请求，所述第一查询请求至少包括待匹配标签信息；
查询与所述待匹配标签信息对应的个体画像返回至所述请求端。
作为一种较优的实施方式，本发明实施例中，所述计算机程序被处理器执行时，还实现如下步骤：
接收请求端发出的第二查询请求，所述第二查询请求至少包括待匹配个体画像信息；
查询与所述待匹配个体画像信息对应的群体画像返回至所述请求端。
综上所述，本发明实施例提供的技术方案带来的有益效果是：
本发明实施例提供的用户画像构建方法、装置、计算机设备及存储介质，通过获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；通过预先训练的标签模型对所述基础标签进行组合计算，生成所述待画像用户的复合标签；根据所述基础标签、所述复合标签以及所述待画像用户的画像类型，生成对应所述待画像用户的个体画像，通过针对各个应用场景构建对应的用户画像，能够准确快速识别用户特征，从而为用户提供精准服务，提升用户体验。
需要说明的是：上述实施例提供的用户画像构建装置在触发画像业务时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的用户画像构建装置与用户画像构建方法实施例属于同一构思，即该装置是基于该用户画像构建方法的，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种用户画像构建方法，其特征在于，所述方法包括如下步骤：
获取待画像用户的用户数据，根据所述用户数据生成所述待画像用户的基础标签，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；所述获取待画像用户的用户数据包括，对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据，根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据；
通过预先准备的训练数据基于机器学习算法训练获取标签模型，利用所述标签模型对获取到的所述基础标签进行组合计算，生成所述待画像用户的复合标签，所述机器学习算法包括分类、回归、聚类和Python计算库；
从所述基础标签以及所述复合标签中匹配获取与所述待画像用户的画像类型对应的目标标签，根据所述目标标签生成所述待画像用户的个体画像；
通过预先训练的分类模型、所述基础标签以及所述复合标签对所述个体画像进行分类，生成所述待画像用户对应的群体画像；
接收请求端发出的第二查询请求，所述第二查询请求至少包括待匹配个体画像信息，查询与所述待匹配个体画像信息对应的群体画像返回至所述请求端。
2.根据权利要求1所述的用户画像构建方法，其特征在于，所述方法还包括：
接收请求端发出的第一查询请求，所述第一查询请求至少包括待匹配标签信息；
查询与所述待匹配标签信息对应的个体画像返回至所述请求端。
3.一种用户画像构建装置，其特征在于，所述装置包括：
数据获取模块，用于获取待画像用户的用户数据，其中，所述用户数据至少包括待画像用户的基础数据和行为数据；所述数据获取模块包括数据解析单元和数据获取单元，所述数据解析单元用于对待画像用户在物流***中的物流信息进行解析，获取所述待画像用户的基础数据，所述数据获取单元用于根据所述基础数据从第三方数据源中获取所述待画像用户的行为数据；
第一标签模块，用于根据所述用户数据生成所述待画像用户的基础标签；
第二标签模块，用于通过预先准备的训练数据基于机器学习算法训练获取标签模型，利用所述标签模型对获取到的所述基础标签进行组合计算，获取所述待画像用户的复合标签，所述机器学习算法包括分类、回归、聚类和Python计算库；
第一画像模块，用于从所述基础标签以及所述复合标签中匹配获取与所述待画像用户的画像类型对应的目标标签，根据所述目标标签生成所述待画像用户的个体画像；
第二画像模块，用于通过预先训练的分类模型、所述基础标签以及所述复合标签对所述个体画像进行分类，生成所述待画像用户对应的群体画像。
4.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1或2所述方法的步骤。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1或2所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010702530.6A CN111915366B (zh) | 2020-07-20 | 2020-07-20 | 一种用户画像构建方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010702530.6A CN111915366B (zh) | 2020-07-20 | 2020-07-20 | 一种用户画像构建方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111915366A CN111915366A (zh) | 2020-11-10 |
| CN111915366B true CN111915366B (zh) | 2024-01-12 |
Family
ID=73280665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010702530.6A Active CN111915366B (zh) | 2020-07-20 | 2020-07-20 | 一种用户画像构建方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111915366B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112508685A (zh) * | 2020-12-08 | 2021-03-16 | 苏州方正璞华信息技术有限公司 | 一种基于企业征信信息的打标签方法及*** |
| CN112465565B (zh) * | 2020-12-11 | 2023-09-26 | 加和（北京）信息科技有限公司 | 一种基于机器学习的用户画像预测的方法及装置 |
| CN113064904B (zh) * | 2021-04-29 | 2022-04-08 | 济南慧天云海信息技术有限公司 | 一种基于数据自学习的画像构建方法 |
| CN113190731A (zh) * | 2021-05-31 | 2021-07-30 | 国家电网有限公司大数据中心 | 一种标签构建方法、装置、设备和存储介质 |
| CN113807809A (zh) * | 2021-08-24 | 2021-12-17 | 姚玲 | 一种基于机器学习技术构建审计用户画像的方法 |
| CN114021175B (zh) * | 2021-11-19 | 2022-08-02 | 深圳市电子商务安全证书管理有限公司 | 用户画像的配置方法、装置、计算机设备及介质 |
| CN115357767B (zh) * | 2022-08-23 | 2023-12-19 | 晋商消费金融股份有限公司 | 一种用户标签画像方法和*** |
| CN116383029B (zh) * | 2023-06-06 | 2024-04-26 | 和元达信息科技有限公司 | 一种基于小程序的用户行为标签生成方法和装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106599022A (zh) * | 2016-11-01 | 2017-04-26 | 中山大学 | 基于用户访问数据的用户画像形成方法 |
| WO2017173773A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京百度网讯科技有限公司 | 信息搜索方法和装置 |
| CN107633022A (zh) * | 2017-08-24 | 2018-01-26 | 深圳市睿策者科技有限公司 | 人员画像分析方法、装置及存储介质 |
| CN108133393A (zh) * | 2017-12-28 | 2018-06-08 | 新智数字科技有限公司 | 数据处理方法及*** |
| CN109101652A (zh) * | 2018-08-27 | 2018-12-28 | 宜人恒业科技发展（北京）有限公司 | 一种标签创建和管理*** |
| CN109934619A (zh) * | 2019-02-13 | 2019-06-25 | 北京三快在线科技有限公司 | 用户画像标签建模方法、装置、电子设备及可读存储介质 |
| CN110321694A (zh) * | 2019-05-22 | 2019-10-11 | 中国平安人寿保险股份有限公司 | 基于标签更新***的操作权限分配方法及相关设备 |
| CN111145006A (zh) * | 2019-12-26 | 2020-05-12 | 南京三百云信息科技有限公司 | 基于用户画像的汽车金融反欺诈模型训练方法和装置 |
| CN111309936A (zh) * | 2019-12-27 | 2020-06-19 | 上海大学 | 一种电影用户画像的构建方法 |
-
2020
- 2020-07-20 CN CN202010702530.6A patent/CN111915366B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017173773A1 (zh) * | 2016-04-07 | 2017-10-12 | 北京百度网讯科技有限公司 | 信息搜索方法和装置 |
| CN106599022A (zh) * | 2016-11-01 | 2017-04-26 | 中山大学 | 基于用户访问数据的用户画像形成方法 |
| CN107633022A (zh) * | 2017-08-24 | 2018-01-26 | 深圳市睿策者科技有限公司 | 人员画像分析方法、装置及存储介质 |
| CN108133393A (zh) * | 2017-12-28 | 2018-06-08 | 新智数字科技有限公司 | 数据处理方法及*** |
| CN109101652A (zh) * | 2018-08-27 | 2018-12-28 | 宜人恒业科技发展（北京）有限公司 | 一种标签创建和管理*** |
| CN109934619A (zh) * | 2019-02-13 | 2019-06-25 | 北京三快在线科技有限公司 | 用户画像标签建模方法、装置、电子设备及可读存储介质 |
| CN110321694A (zh) * | 2019-05-22 | 2019-10-11 | 中国平安人寿保险股份有限公司 | 基于标签更新***的操作权限分配方法及相关设备 |
| CN111145006A (zh) * | 2019-12-26 | 2020-05-12 | 南京三百云信息科技有限公司 | 基于用户画像的汽车金融反欺诈模型训练方法和装置 |
| CN111309936A (zh) * | 2019-12-27 | 2020-06-19 | 上海大学 | 一种电影用户画像的构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111915366A (zh) | 2020-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111915366B (zh) | 一种用户画像构建方法、装置、计算机设备及存储介质 | |
| CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
| CN111062750A (zh) | 用户画像标签建模和分析方法、装置、设备及存储介质 | |
| CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
| CN112925973B (zh) | 数据处理方法和装置 | |
| CN112686717B (zh) | 一种广告召回的数据处理方法及*** | |
| CN109783731B (zh) | 一种定制信息推送方法及*** | |
| WO2021129531A1 (zh) | 一种资源分配方法、装置、设备、存储介质及计算机程序 | |
| CN110471945A (zh) | 活跃数据的处理方法、***、计算机设备和存储介质 | |
| CN115860315A (zh) | 企业客户关系管理***及数据处理方法 | |
| CN110147286B (zh) | 一种基于消息队列的定制信息发送方法、装置、***和记录介质 | |
| CN111222923B (zh) | 一种判断潜在客户的方法及装置、电子设备和存储介质 | |
| CN115062676B (zh) | 数据处理方法、装置及计算机可读存储介质 | |
| CN115146653B (zh) | 对话剧本构建方法、装置、设备及存储介质 | |
| WO2019196502A1 (zh) | 营销活动质量评估方法、服务器及计算机可读存储介质 | |
| CN115187330A (zh) | 基于用户标签的产品推荐方法、装置、设备和介质 | |
| CN114153860A (zh) | 业务数据管理方法及装置、电子设备、存储介质 | |
| CN111382343B (zh) | 一种标签体系生成方法及装置 | |
| CN110929144A (zh) | 一种业务数据管理方法、***和可读存储介质 | |
| CN113743838A (zh) | 目标用户识别方法、装置、计算机设备和存储介质 | |
| CN111400375A (zh) | 一种基于财务业务数据商机挖掘方法及装置 | |
| US20140143019A1 (en) | Managing modeled audience extension information | |
| US20240202754A1 (en) | Method for identifying prospects based on a prospect model | |
| CN115718825B (zh) | 一种时长标签的确定方法、装置及电子设备 | |
| CN115510324B (zh) | 一种标签体系的确定方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |