実装可能なユーザーポートレートを構築するにはどうすればよいでしょうか?

ユーザーポートレートとは、ユーザーの基本属性、ユーザーの好み、生活習慣、ユーザーの行動などの情報から抽象化されたラベル付けされたユーザーモデルを指します。各ラベルとラベルの重みは、ユーザーの好みを表すベクトルです。ユーザーは、複数の好みベクトル (ラベル) の合計として理解できます。 – とあるウェブサイトの理解しがたい説明

人間の言葉を話しましょう！ ！ ！ユーザー ポートレートは、インターネット上に残したさまざまなデータに基づいています。これらのデータは、ユーザーの承諾の有無にかかわらず処理され、ユーザーの興味や好みを表すラベルのグループが生成されます。これがユーザー ポートレートです。

そこで次の質問です。ユーザーポートレートの使用シナリオは何ですか?

1. ユーザーグループ化操作

グループ操作は、ユーザー ポートレートで最もよく使用されるシナリオです。ユーザー ポートレート ラベルをフィルタリングすることで、さまざまなユーザー グループを選別できます。プラットフォームは、プッシュ ウィンドウまたはポップアップ ウィンドウを通じて構成でき、さまざまなユーザー グループに対して洗練された操作を実装できます。

たとえば、過去 30 日間の購入金額が 500 を超え、アクティブ日数が 10 日を超え、最後のアクティブ間隔が 5 日以内であるユーザーを、高額支払いの潜在的ユーザー グループとして定義し、これらの高潜在的ユーザーに対して洗練された操作を実行できます。

2. 自動リーチ

階層化がどんどん細かくなるにつれて、ユーザー グループの粒度はどんどん小さくなり、最終的には個人と同じくらい小さくなります。各個人にメッセージをプッシュまたはポップアップしていますが、運用効率はまだ低すぎます。ユーザーのポートレートに基づいた自動アウトリーチが機能します。たとえば、前のステップで作成した高額支払いの潜在的ユーザー グループには、App Push を通じて 200 元以上の購入に対して 40 元割引となるクーポンを送信します。

3. パーソナライズされた推奨事項

ユーザーのポートレートに基づいて推奨システム、検索エンジン、広告システムを構築することで、コンバージョン率を効果的に向上させることができます。まず、ユーザー ポートレートのユーザー設定テーブル ストレージ テーブルを見てみましょう (ユーザー ポートレートにはこのようなタグが多数ありますが、これについては後で詳しく説明します)。

ラベル 1、2、3 の製品を購入すると、通常、購入完了ページでクロスセルのシナリオが表示されます。ユーザー嗜好テーブルのラベルと重み、およびユーザーの類似性または製品の類似性に基づく協調フィルタリング アルゴリズムを使用して、ユーザーが好む可能性のある他の製品を推奨します。

4. ユーザー統計と業界調査

ユーザーを属性や行動特性に応じて分類した後、異なる特性下での使用状況や分布に関する統計を収集し、異なるユーザー ポートレート グループの分布特性と傾向を分析します。

さらに、ユーザーポートレート分析は、人々の消費習慣、消費嗜好分析、さまざまな地域における製品カテゴリーの消費差異分析など、業界の動向を理解するためにも使用できます。たとえば、ジャック・マーが、この場所の人々が何を買いたいのかを伝えるために、いくつかのラベルを使うのをよく耳にします。なぜ買うのが好きなのですか?その場所の人々はどんなモデルを購入するのでしょうか?

大学を卒業したばかりの頃、私はインターネット企業でデータオペレーターとして働き始めました。ある日、上司から突然、APPユーザーのポートレートレポートを作成するという仕事が与えられました。当時、私は少し混乱していました。まず、ユーザー ポートレートに出会ったことがなかったので、その概念が私にはよく分かりませんでした。次に、リーダーからタスクを受け取った後、ユーザー ポートレートを作成しなければならないことだけは分かっていましたが、このユーザー ポートレートが何に使用されるのか全く分かりませんでした。

このような状況で、私はさまざまな資料を参考にし、クラスメートや友人に尋ね、さらに高度な描画ツールも見つけ、ついに課題を完了し、会社から認められました。しかし、ユーザー ポートレートが企業にどのような価値をもたらし、運用上の意思決定にどのような役割を果たしたかは明らかではありません。これは、実際には、群衆に従って、やるからやるという典型的なケースです。

このようなメンツを立てるためのプロジェクトは非常に一般的です。自分の会社の状況を見て、どの状況が自分に当てはまるか調べることができます。誰もがユーザー ポートレートについて話しているから、多くのリーダーもユーザー ポートレートを要求し始めました。他の人は持っているので、それなしではやっていけません。しかし、ユーザー ポートレートがどのような問題を解決しようとしているのかが明確ではないため、当然、実装の可能性はなく、価値を生み出すことなどできません。

したがって、この問題を解決するには、最初に明確に考える必要があります。ユーザー ポートレートは本当に必要なのでしょうか?これら 3 つの質問について考えるだけで答えが得られます。

1. ビジネスにおいてユーザーポートレートを活用できるシナリオはありますか?たとえば、ユーザーの階層化、インテリジェントなリーチ、パーソナライズされた推奨事項などです。

2. 使用シナリオがある場合、ユーザーポートレートを通じて実装する必要がありますか?ユーザープロファイリング自体は非常に大規模なプロジェクトであり、非常に時間と労力がかかります。他に代替ソリューションはありますか?

3. これを行わなければならない場合、ユーザーにラベルを付けて階層化した後、対応する製品サービスや運用計画はありますか?階層化後の対応するアクションがなければ、ユーザー ポートレートのクローズド ループを実装することは依然として困難です。

上記の問題を十分に検討せずに、ただ盲目的にユーザー ポートレートを作成すると、そのユーザー ポートレートはビジネスからかけ離れ、実用的な価値がなく、内容もないため、ビジネス部門から「大きくて役に立たない」チキン リブ製品として嘲笑される可能性が高くなります。

したがって、ユーザーポートレートプラットフォームを企画する際には、目的とシナリオ感覚を持たなければなりません。実際のアプリケーション価値に注意を払わずに、表面的な作業だけを行うことはできません。

ここで強調する必要があるのは、ユーザー ポートレートを持っているからといって、ビジネスを推進して改善できるわけではないということです。ユーザーポートレートを構築する必要があるのは、ビジネスを推進し、改善するためだけです。原因と結果を逆にすると間違いを犯しやすくなります。

上記の問題を十分に検討していない場合は、開発を開始しないでください。上記の問題を十分に検討した上で開発を行う場合は、慎重に計画を立て、ユーザー ポートレートを価値あるものにする方法を検討する必要があります。

ユーザーポートレートを作成することを決定したので、次に考えるべきことは、どのようにビジネスを実装するかということです。どうすれば価値を創造できるのでしょうか?

最初にユーザーポートレートを作成し始めたとき、ビジネス部門は首を横に振り、「ユーザーポートレートに基づいて、性別、年齢、地域、嗜好、消費習慣など、ユーザーを詳細かつ深く理解する必要があります。そうしないと、洗練された決定を下すことができません」と言いました。その後、データ部門は数か月間懸命に作業し、30,000 個のユーザー タグを追加しました。彼らはリーダーたちに誇らしげに報告しました。「ユーザー ポートレートのビッグ データの構築で大きな進歩を遂げました。」

そして、最初のプロジェクト報告会議で、データ部門は誇らしげにこう言いました。

ユーザーの男女比は 6:4 です。30% が中国南部、25% が中国東部、50% が製品 A を購入しています。などなど…

事業部は呆れた顔をした。

私はそれを知っていた！私たちのユーザーはみんなこんな感じです！それでどうする？これをやる意味は何ですか? …

もちろん、もっと悪いものもあります。

つまり、彼らに「忠実なユーザー」というラベルを貼り、ビジネス側は「ああ、彼らはとても忠実なので、私たちは何もしません」と言うのです。その結果、彼は翌月何も購入せず、ログインもしませんでした！あなたは自分自身を「製品Aの愛好家」と称し、営業側は製品Aを宣伝したのに、あなたはそれを買わなかった！ビジネス側は怒って決着をつけに来た。「このユーザーポートレートはまったく正確ではありません！」

その結果、プロジェクトは完全に棚上げされました。いったい何が問題なのでしょうか?あなたはビジネスのニーズをまったく理解していません。ビジネス側は、シンプルにスパイシーで酸っぱいポテトシュレッドを食べたいのに、あなたは彼らにブッダジャンプを作る 108 のプロセスについて話しています。あるいは、ビジネスのニーズを理解していても、それを正しくラベル付けしていません。私が欲しいのはスパイシーで酸っぱいポテトシュレッドであって、ピーマンのポテトシュレッドではありません...

したがって、ユーザーポートレートを実装するには、次の手順が特に重要です。

1. ビジネス要件を明確にする

ユーザーポートレートを計画するときは、目的とコンテキストの感覚が必要です。実際のアプリケーションの価値に注意を払わずに、表面的な作業だけを行うことはできません。もう一度強調しておきますが、ユーザー ポートレートを持っているからといって、ビジネスを推進し、改善できるわけではありません。代わりに、ビジネス上の需要がある場合にのみ、ユーザー ポートレートを構築する必要があります。

最初のステップは最も重要なステップでもあります。ビジネスニーズが何であるかを把握する必要があります。解決すべき問題は何ですか?

たとえば、コンテンツベースのコミュニティは、近い将来に知識支払いモジュールを立ち上げ、このモデルを商業的な収益化に使用する準備をしています。ユーザーポートレートを通じて特定の人々に特定のコンテンツを推奨し、それによって有料収益化を促進したいと考えています。これに基づいて、ビジネス目標と解決すべき問題は次のように整理できます。

2. タグの選択

どのタグを選択すればよいですか?なぜこれらのラベルが選ばれたのでしょうか?他のタグではダメですか?ラベルの選択に関する誤解は何ですか?

基本的なユーザー属性のラベルや、さまざまなユーザー行動のラベルがあることは誰もが知っています。この大きなフレームワーク内で、ラベル システムを継続的に細分化し、改善する必要があります。しかし、なぜこれらのラベルを選択するのでしょうか? たとえば、ユーザーの購入行動ラベルでは、なぜ新規ユーザーまたは既存ユーザーのラベルを選択するのでしょうか?当店では、まだ購入していない新規ユーザーに赤い封筒を配布して購入を誘導するため、新規ユーザーと既存ユーザーを区別する必要があります。古いユーザーの場合、最新の購入時間、購入頻度、取引金額をラベルとして選択するのはなぜですか? RFM を使用すると、ユーザーの価値を階層化し、洗練された操作を実行できるためです。

ラベルシステムの構築の具体的な手順については第 3 部で紹介しますので、ここでは詳しく説明しません。

3. 異なるプロファイルを持つユーザー向けの運用戦略を策定する

異なるラベルによってユーザーは異なるユーザー グループに分類されますが、異なるユーザー グループを対象とした運用戦略を策定することによってのみ、ユーザー ポートレートを実装して価値あるものにすることができます。

たとえば、RFM モデルでは、ユーザー取引額 M のしきい値を決定し、それを高と低に分割する方法が明確でない学生もいます。学生の中には、1,000 元を使うのが高いのか、それとも 10,000 元を使うのが高いのかという疑問に悩んでいる人がいます。なぜ逆のことを考えないのでしょうか?しきい値が 1000 または 2000 に設定されている場合、対応する戦略は何ですか?対応する戦略がないのに、物事を高低に分ける意味は何でしょうか?この時、製品や運営の同僚に聞いてみると、価格に敏感な低単価ユーザーを促進するために、運営側では1,000元以上の購入に対して200元の割引活動を行っていることがわかります。購買力が強いスポンサーには、2,000元以上の購入に対して専用のカスタマイズされたダイヤモンド会員カードがあり、超VIP待遇を受けることができます。エンドを念頭に置いて始めると、この時点でユーザーポートレートを実装する方が簡単ではないでしょうか？

さまざまなユーザー プロファイルのビジネス ニーズと戦略を特定したので、ユーザー プロファイルの作成を開始できます。

ネットワークの構築は、主にラベルシステムの構築とラベルの重みの計算に分かれており、簡単に言えば、どのラベルを使用してユーザーを表すか、ユーザーが各ラベルをどの程度好むかということです。

1. ラベルシステムの構築

ユーザーのポートレートを理解する最も直接的な方法は、ポートレート情報にラベルを付けることです。情報ラベリングは、情報技術を利用するユーザーの全体像を描写するためにユーザーポートレートシステムで使用される方法であり、ユーザーポートレートシステムにおける最も重要なリンクの 1 つでもあります。豊富なタグを構築し、関連するタグ データを取得することで、ユーザーの興味や好みを特徴付け、理解することができます。

1) ラベルシステムの構築方法

タグ付けシステムを構築するには、主に 2 つのアプローチがあります。

方法 1: 構造の体系的な構築 (一般的に使用される)。ラベルカテゴリとディメンションを分割することで、ユーザーの完全なディメンションを記述する観点からディメンションシステムが構築されます。この分割方法は構造が明確で論理が強く、あらゆる情報次元を網羅的に整理できるが、実際のデータに制限があるため実装が難しい。

方法 2: シーン効果を構築します。人口ターゲティングの実際のニーズと組み合わせて、さまざまな業界分野やプラットフォームでのユーザーの行動記録を通じて、ユーザーの心理的なニーズと傾向が説明されます。この方法は目的が非常に明確で、比較的正確な群衆ターゲティングが可能です。実際のアプリケーション シナリオと簡単に統合でき、特定のビジネス目標に到達できます。実際のデータとうまく組み合わせることができますが、ラベルは消費傾向やエンターテイメントのホットスポットなどの変化に応じて変動します。

2) ラベル寸法のデザインアイデア

ラベルの寸法設計は、明確で直感的であるだけでなく、複数の製品操作要件と商用化の要件を考慮しながら、複数のシナリオベースの使用要件を考慮する必要があります。

ラベルデザインには、ビジネス側の計画を理解した上で、ラベルの使用法を先見的に設計する必要があります。

ポートレート データのソースには通常、ユーザー調査、ユーザー行動データの取得、クライアント/サーバー データ コンテンツ レポート、サードパーティ データ プラットフォーム、基本データ、クロールされたサードパーティ データが含まれます。

ps: ここでは、次の 2 つの側面に特に注意する必要があります。

ラベルの粒度: 粒度が粗すぎると、運用上の使用やプロモーションに役立ちません。ビジネス自体から逸脱しやすく、行動データを過度に精製し、情報の損失につながります。粒度が細かすぎると、ラベルのカバレッジが低くなり、連動した運用上のビジネスプロモーションにつながります。

ラベルデータ：ラベルデータの取得は、その実際の使用価値に直接関係しており、利用可能なデータの範囲内で実行する必要があります。データソースを拡張することは難しく、通常はデータの実現可能性統計を優先する必要があります。

3) ラベルシステムの基本的枠組み

異なる業種のポートレートラベルシステムは同じではないため、個別に改良する必要があります。比較的簡単な方法があります。まず一般的なポートレート タグを見つけて、実際のシナリオとニーズに基づいてビジネス ポートレート タグを追加します。このようにして得られたラベル システムは比較的完全なものとなり、ビジネスの変化に合わせて調整および最適化することができます。

一般的な肖像ラベルシステム（参考）：

ビジネスポートレートラベルシステム（参考として電子商取引会社を例に挙げます）：

上記のフレームワークに従ってユーザーポートレート情報をラベル付けすると、実際のニーズに基づいて関連性の高いユーザーポートレートデータをより適切に取得できます。ただし、製品ユーザーポートレートの分析にはすべてのラベルデータを使用する必要はなく、ラベルシステムが完成すればするほど実装が難しくなることに注意してください。さらに、ユーザー特性をいかに正確に記述するかということが、より大きな難しさとなります。ユーザー特性の記述がより正確である場合にのみ、得られるユーザーポートレートがより明確になり、実際の申請プロセスでより役立つからです。そのため、ユーザーのラベルの重みをいかに正確に計算するかが最優先事項となります。

2. ラベルの重みの計算

さまざまなタグに対するユーザーの好みは重みによって反映されます。重みが高いほど、そのタグに対するユーザーの好みが強くなり、その逆も同様です。さらに、この重みは時間の経過とともに変化し、ラベルの重みの計算は主に TF-IDF アルゴリズムによって行われます。

1) TF-IDFアルゴリズムのアイデア

ユーザー タグの重みは、ユーザーにとってのタグの重要度 (TF-IDF の重み) と、ビジネスの観点から見たユーザーにとってのタグの重要度 (ビジネスの重み) によって決まります。

つまり、ユーザー タグの重み = ビジネス ウェイト * TF-IDF ウェイトです。

TF-IDF の重みは TF-IDF によって計算され、ビジネスの重みはタグ上のユーザーの行動によって決定されます。

つまり、ビジネス重み = 行動タイプの重み * 行動回数 * 時間減衰

2) シンプルな理解

ユーザーにとってのタグの重要性は、さまざまな動作を通じて表現されます。動作が異なれば難易度も異なります。たとえば、電子商取引ユーザーの場合、動作の難易度は、支払い>収集と購入>共有>閲覧>クリックです。異なる行動には異なる重みがあります。行動が難しいほど、その行動は好きになり、重みも高くなります。同様に、行動を実行する回数が増えるほど、その行動は好きになります。

このユーザーにとってタグが珍しいほど、そのタグは好まれます。好まれ度は時間の経過とともに徐々に低下します。タグの重みはこの式を使用して計算されます。

3) 行動タイプの重み

閲覧、クリック、検索、収集、共有、注文、購入など、ユーザーのさまざまな行動は、ユーザーにとってそれぞれ異なる重要性を持っています。一般的に、基本的な行動の重みは、ビジネス経験に基づいて、または階層分析法を使用して定義されます。

4) 行動の数

ここでの動作の数は、各動作の発生回数を示します。

5) 時間減衰

時間の減衰とは、ユーザーの行動が時間の経過とともに徐々に弱まり、ユーザーの好みが徐々に弱まることを意味します。時間減衰に関連する関数を構築するときは、ニュートンの冷却の法則の数学的モデルを適用できます。

ニュートンの冷却の法則: 高温物体の温度 F(t) は時間 t の増加とともに指数関数的に低下します。温度低下の式は次のとおりです。

F(t)=T*exp(-α*t)です。 T: 初期温度 α: 減衰定数（冷却係数とも呼ばれる）は、一般的に回帰式で計算できる自己定義値です。 t: 時間間隔

冷却係数を計算するには？

冷却係数は自己定義値であり、通常は回帰によって計算できます。たとえば、初期の好みが 1 に設定され、1 日後の好みが 0.85 の場合、0.85 = 1 * exp (-α * 1) となり、α = 0.16 が得られ、これがラベルの冷却係数になります。

ここでは、Python 言語を使用してこの冷却曲線をシミュレートします。

numpyをnpとしてインポート matplotlib.pyplotをpltとしてインポート matht = np.arange(0,100)

plt.plot(t,1*np.ma.exp(-0.16*t))

plt.title('好みの冷却傾向')

plt.ylabel('設定')

plt.xlabel('時間 (日数)')

plt.show()

6) 例を挙げてみましょう

ユーザー「Xiaomei」の場合、ラベル「口紅」の重み計算: 以前に冷却係数 α = 0.16 を定義し、ビジネス経験または階層分析方法に基づいて、動作タイプの重みを次のように想定します: クリック (0.1)、参照 (0.2)、共有 (0.5)、お気に入りに追加 (0.6)、支払い (0.9)。

シャオメイの毎日の行動チャート:

2021-05-01:

2021-05-02:

2021-05-03:

タグ「口紅」のユーザー「Xiaomei」の毎日の体重:

2021-05-01: 2*0.1+2*0.2+3*0.6+1*0.5+1*0.9=3.8

2021-05-02: 3.8 * exp (-α * 1) + 1 * 0.1 + 1 * 0.2 + 2 * 0.6 + 1 * 0.5 + 0 = 5.06

2021-05-03: 5.067718*exp(-α*1)= 4.32

これにより計算が明確になります。

ユーザーポートレートは、最初に形成された後、そのまま運用担当者やビジネス担当者に引き渡して直接使用することはできません。また、ユーザーポートレートの精度を評価し、引き渡し後にユーザーポートレートを継続的に反復して、より正確なユーザーポートレートを取得する必要があります。

主な評価方法は、ロジック検証、A/B テスト、ユーザー フィードバックの 3 つです。

論理的検証：クロス検証とも呼ばれます。完全なユーザーポートレートラベリングシステムでは、いくつかのラベルには相関関係があることがよくあります。たとえば、ユーザーの累積オンライン時間が長いほど、注文量は通常高くなります。たとえば、3C製品を購入するユーザーグループでは、男性ユーザーの数は通常、女性ユーザーの数より多くなります。また、企業がサードパーティの代理店からデータを購入した場合、クロス検証にも使用できます。

A/B テスト: グレースケール テストとも呼ばれます。前述のロイヤルティを例にとると、コントロール グループと実験グループのトラフィックが同じであることを確認します。実験グループのユーザーに対しては、ロイヤルティを向上させる運用戦略 (プロモーション活動、ポイント報酬など) を実行します。実験グループのユーザーのロイヤルティがコントロール グループのユーザーと比較して向上した場合、ユーザー ポートレートがより正確であると考えられます。

ユーザーの再訪問: ユーザー ポートレート システムなどの最も単純な評価方法では、100,000 人のユーザーをロイヤルティの低いユーザーと定義します。この時点で、その中から 1,000 人がランダムに選択され、再訪問のためにカスタマー サービスに引き渡されます。フォローアップの結果に基づいて、ユーザー ポートレートの結果が正確かどうかを判断できます。また、フォローアップの結果に対してテキスト マイニングを実行してワード クラウドを形成し、否定的な単語の割合を表示することもできます。

この記事は非常に長いので、最後に要約をしなければなりません。ユーザーポートレートの構築方法を単純に説明する他の記事とは異なり、この記事では、ユーザーポートレートとは何かを体系的かつ包括的に分析します。それをする必要はありますか？どうやってやるんですか？ステップごとに説明します: ユーザー ポートレートとは何ですか? → ユーザーポートレートはどのようなシナリオで使用されますか? → ユーザーポートレートは本当に必要ですか? → ユーザーポートレートはどのように実装できますか? → 実現可能なユーザー ポートレートを構築するための手順 → ユーザー ポートレートの有効性の評価と反復。

ユーザーのポートレートを作成するときに、なぜという質問をもっと多くできるようになるといいと思います。何かを行う理由を知ることは、それをどのように行うかを知ることよりもはるかに重要です。この方法でのみ、実用的で価値のあるユーザー ポートレートを作成できます。

以上がデータ分析の考え方 - ユーザーポートレート部分の内容です。データ分析の考え方に関する記事は継続的に更新されています。お楽しみに。良いと思ったら、ぜひシェアしてください〜