1、用户画像和精准化平台系统实践自我介绍 一书作者， 1 号店精准化部门架构团队负责人，长期从事搜索、推荐、大数据平台相关工作，目前主要关注实时计算框架、推荐系统、大数据营销、技术架构。大纲目录平台总体介绍平台总体介绍用户标签画像和标签体系用户标签画像和标签体系基于画像的相关系统和投放基于画像的相关系统和投放实时画像实时画像画像系统的优化和改造画像系统的优化和改造数据 = 算法 = 业务blank.potx推荐广告投放个性化搜索选品BI 报表供应链优化智能定价精准化营销优化购物路径结合其他数据：竞争对手数据 ( 爬虫 ) 、商品信息、用户注册信息机器学习、NLP 等算法推荐产品架构全面深挖用户购物

2、兴趣短期兴趣 转化率长期累积兴趣潜在兴趣高转化率精准定位用户短期兴趣用于首页栏位、站外广告EDM 及 APP 营销投放用户意图引擎情境推荐引擎反向推荐引擎定位特定类目购物情境公历农历的季度、月和周、中西节日、当地气温变化、当地天气、外出、旅游定位复购时间点定位复购时间点覆盖 74 个高复购率类目将用户划分成新客、成长期、衰退期、流失期多个阶段，投放不同的类目及负毛利营销品用户画像引擎长期累积的兴趣图谱1 亿 userID, 5 亿 GUID每个用户的类目、品牌、导购属性兴趣偏好千人千面引擎用户群体兴趣覆盖 8 千万左右用户购买力 level 、同学 (985,文科 )男 / 女、地域、同事、邻

3、居、同行、好友群、辣妈、孕妇、新 / 老客转化率交叉销售精准定位购物兴趣发生的时机CF 推荐引擎拉升销量和用户转化率 拉升交叉销售 GMV交叉销售相似用户兴趣协同过滤算法挖掘相似用户兴趣交叉销售转化率推什么？什么时间推？个性化推荐提升精准化营销效率主题推荐用户行为兴趣根据评论、标题给商品和用户打标签形成场景词形成主题场景聚合 SKU合适的场景 交叉销售购物周期转换率最近热点交叉销售用户场景业务意图算法短期意图 长期画像 协同过滤 关联规则 周期购刚需爆款冲动性爆款主题推荐首页弱目的性闲逛trade cross强目的寻找相关促销或爆款trade in类目 /搜索寻找更适合自己的商品trade i

4、n了解同类人群的购买选择trade in详情页挑选、比较的需求trade in了解同类人群的购买选择trade in经济节约的诉求trade in对相关商品的潜在购买提醒trade cross继续逛页对相关商品的潜在购买提醒trade cross购物车凑单免邮的需求trade up对相关商品的潜在购买提醒trade cross占便宜trade up订单完成页一次购物周期结束，顺便看看有没有其他购物心动点trade cross消息触达对于关注的商品、品牌，了解其有利的动态trade in各种栏位场景适用推荐算法后台系统生成 H5 猜你喜欢天气维度换季、气温、雨雪、雾霾【覆盖全国 2954 个市、

5、县、区】节日维度农历节日：春节、端午、中秋、节气等西历节日：元旦、国庆、父亲节、母亲节大促：双 11 ，双 12 ， 12.21 ，店庆【覆盖全年共 50 种各类节日】地域维度大区：东北、华中、华东、华南等旅游地、城市级别、小区，公司，小区档次，学校类型，公司类型【覆盖全国 378 个地级市或区】时间维度月份、季节、星期画像和产品维度性别，促销敏感，校园、公司、一贵就赔等推荐数据相似相关产品，类目等周期购推荐Right Time 消费周期9洗发水： 70 天大米： 35 天进口牛奶： 28 天花生油： 58 天不同的家庭有不同的消费周期，对每一个家庭的每一个品类的消费周期进行预测，进而指导投放

6、维度分类数据商品维度商品信息表、商家信息表等相似、相关库排行榜、热销等选品中心：比价、 BI 、订单、广告、搜索数据用户维度标签画像：校园、白领、社区用户、性别、丽人 / 辣妈、购买力、宝宝年龄等偏好画像 : 类目、品牌、属性的偏好用户基本信息表、积分表等guid/userid 映射表站外画像意图 :类目用户行为历史：订单，浏览，加车等上下文节日日期维度： 日期、促销活动、月份 .天气日期维度： 日期、城市、季节、换季、舒适度、天气地域维度：城市、省份、行政级别、城市级别、人口规模、用户画像在通用精准化数据中的位置 相关应用数据层产品维度用户维度节日，天气等上下文维度 推荐栏位选品中心促销排期