内容简介

本书从技术维度系统讲解了用户画像的方法论和一些常见的工程化解决方案。

全书共分为9个章节。

第一章 用户画像基础：讲述用户画像的一些基础概念、数据仓库架构、整个项目开发的流程、以及画像相关的表结构设计；

第二章 数据指标体系：从用户属性、用户行为、用户消费、风险控制等四个维度详细罗列了常用到的用户标签，这些标签基本涵盖了大部分场景一半以上的标签需求。同时介绍了标签的规范化命名方式；

第三章 标签数据存储：讲了为什么使用Hive、MySQL、hbase等数据库对标签数据进行存储，以及存储实现方式；

第四章 标签数据开发：本章是全书的重点章节，讲述了统计类标签、规则类标签、挖掘类标签、流式计算类标签的开发。以及用户特征库、人群计算、标签权重计算、打通数据服务层等方面的开发。；

第五章 开发性能调优：主要包括数据倾斜调优、开发中间表、读取小文件处理、redis缓存热数据等数据性能优化方面；

第六章 作业流程调度：数据的ETL调度是数据开发中的重要内容，本章主要讲了如何使用当下热门的开源调度工具Airflow进行数据的调度及场景调度异常的排查工作；

第七章 用户画像产品化：开发画像后的标签数据，如果只是“躺在”数据仓库中，并不能发挥更大的业务价值。只有将画像数据产品化后才能更方便业务方的使用。本章主要讲述了产品端的用户画像是什么样子？如何帮助业务人员进行分析，提供服务的；

第八章 用户画像应用：用户画像的应用包括用户分析、商品分析、流量分析、push、短信、邮件等营销以及站内的个性化推荐等应用场景；

第九章 实践案例详解：前面的八个章节主要从工程化开发的角度讲了如何从0到1搭建起用户画像系统及其应用场景，本章从完整的工业实践应用角度，通过两个实践案例帮助读者更好地理解画像系统是如何切入到应用场景中帮助提升工作效率、提高ROI的

作品目录

前言
第1章　用户画像基础1
1.1　用户画像是什么1
1.1.1　画像简介1
1.1.2　标签类型3
1.2　数据架构4
1.3　主要覆盖模块5
1.4　开发阶段流程7
1.4.1　开发上线流程7
1.4.2　各阶段关键产出9
1.5　画像应用的落地10
1.6　某用户画像案例11
1.6.1　案例背景介绍11
1.6.2　相关元数据12
1.6.3　画像表结构设计16
1.7　定性类画像21
1.8　本章小结22
第2章　数据指标体系23
2.1　用户属性维度23
2.1.1　常见用户属性23
2.1.2　用户性别26
2.2　用户行为维度27
2.3　用户消费维度27
2.4　风险控制维度29
2.5　社交属性维度30
2.6　其他常见标签划分方式31
2.7　标签命名方式33
2.8　本章小结34
第3章　标签数据存储35
3.1　Hive存储35
3.1.1　Hive数据仓库35
3.1.2　分区存储37
3.1.3　标签汇聚39
3.1.4　ID-MAP41
3.2　MySQL存储45
3.2.1　元数据管理45
3.2.2　监控预警数据47
3.2.3　结果集存储47
3.3　HBase存储50
3.3.1　HBase简介50
3.3.2　应用场景52
3.3.3　工程化案例52
3.4　Elasticsearch存储59
3.4.1　Elasticsearch简介59
3.4.2　应用场景60
3.4.3　工程化案例64
3.5　本章小结67
第4章　标签数据开发69
4.1　统计类标签开发69
4.1.1　近30日购买行为标签案例70
4.1.2　最近来访标签案例73
4.2　规则类标签开发74
4.2.1　用户价值类标签案例75
4.2.2　用户活跃度标签案例79
4.3　挖掘类标签开发84
4.3.1　案例背景84
4.3.2　特征选取及开发85
4.3.3　文本分词处理86
4.3.4　数据结构处理89
4.3.5　文本TF-IDF权重90
4.3.6　朴素贝叶斯分类92
4.4　流式计算标签开发95
4.4.1　流式标签建模框架95
4.4.2　Kafka简介96
4.4.3　Spark Streaming集成Kafka97
4.4.4　标签开发及工程化99
4.5　用户特征库开发104
4.5.1　特征库规划105
4.5.2　数据开发107
4.5.3　其他特征库规划111
4.6　标签权重计算112
4.6.1　TF-IDF词空间向量112
4.6.2　时间衰减系数114
4.6.3　标签权重配置115
4.7　标签相似度计算116
4.7.1　案例场景116
4.7.2　数据开发118
4.8　组合标签计算122
4.8.1　应用场景122
4.8.2　数据计算123
4.9　数据服务层开发124
4.9.1　推送至营销系统125
4.9.2　接口调用服务127
4.10　GraphX图计算用户129
4.10.1　图计算理论及应用场景129
4.10.2　数据开发案例132
4.11　本章小结135
第5章　开发性能调优137
5.1　数据倾斜调优137
5.2　合并小文件141
5.3　缓存中间数据143
5.4　开发中间表144
5.5　本章小结145
第6章　作业流程调度146
6.1　crontab命令调度146
6.2　Airflow工作平台148
6.2.1　基础概念149
6.2.2　Airflow服务构成150
6.2.3　Airflow安装151
6.2.4　主要模块功能151
6.2.5　工作流调度155
6.2.6　脚本实例155
6.2.7　常用命令行158
6.2.8　工程化调度方案158
6.3　数据监控预警161
6.3.1　标签监控预警161
6.3.2　服务层预警162
6.4　ETL异常排查164
6.5　本章小结166
第7章　用户画像产品化167
7.1　即时查询167
7.2　标签视图与标签查询169
7.3　元数据管理171
7.4　用户分群功能173
7.5　人群分析功能175
7.6　本章小结177
第8章　用户画像应用178
8.1　经营分析178
8.1.1　商品分析178
8.1.2　用户分析179
8.1.3　渠道分析180
8.1.4　漏斗分析185
8.1.5　客服话术186
8.1.6　人群特征分析186
8.2　精准营销187
8.2.1　短信/邮件营销187
8.2.2　效果分析188
8.3　个性化推荐与服务189
8.4　本章小结190
第9章　实践案例详解191
9.1　风控反欺诈预警191
9.1.1　应用背景191
9.1.2　用户画像切入点192
9.2　A/B人群效果测试193
9.2.1　案例背景194
9.2.2　用户画像切入点194
9.2.3　效果分析195
9.3　用户生命周期划分与营销195
9.3.1　生命周期划分196
9.3.2　不同阶段的用户触达策略201
9.3.3　画像在生命周期中的应用204
9.3.4　应用案例206
9.4　高价值用户实时营销209
9.4.1　项目应用背景209
9.4.2　用户画像切入点209
9.4.3　HBase应用场景小结209
9.5　短信营销用户211
9.5.1　案例背景211
9.5.2　画像切入及其应用效果211
9.6　Session行为分析应用213
9.6.1　关于用户行为分析213
9.6.2　案例背景218
9.6.3　特征构建219
9.6.4　分析方法与结论221
9.7　人群效果监测报表搭建228
9.7.1　案例背景228
9.7.2　逻辑梳理228
9.7.3　自动报表邮件237
9.8　基于用户特征库筛选目标人群239
9.8.1　案例背景239
9.8.2　应用方式及效果240
9.9　本章小结241
附录　某产品用户画像项目规划文档242
· · · · · ·

作者简介

赵宏田，资深大数据技术专家，先后在中国地质大学（武汉）和武汉大学获得工学和经济学双学士学位。在大数据、数据分析和数据化运营领域有多年的实践经验，擅长Hadoop、Spark等大数据技术，以及业务数据分析、数据仓库开发、爬虫、用户画像系统搭建等。开源项目的贡献者，知乎专栏作者，撰写了大量专业文章，广受好评。著有畅销书《数据化运营：系统方法与实践案例》。

精彩摘录

方案二：引入随机数数据按照类型groupby时，会将相同的太ey所需的数据拉取到一个节点进行聚合而当某组数据量过大时，会出现其他组已经计算完成而当前任务未完成的情。可以考虑加人随机数，将原来的一组key强制拆分为多组进行聚合。下面通过一个案例介绍。现需要统计用户的订单量，执行如下代码selecttluseridfrom（selectuser-lfromdim。user_info_fact#用户维度表wheredatadate="20190101anduserstatusid=ljoin（selectuser-id，count（*）asorder_numfromdwdworder_fact#订单表wheresiteidin（600，900）andorder-status_idin（1，2，3）ont1。userid=t2user-id用户维度表中有2000条数据，订单表有10亿条数据，任务在未优化前执行了1个小时也没有跑出结果，判断可能是出现了数据倾斜。订单表中某些key值数量较多，在groupby的过程中拉取到一个task上执行时，会出现其他task执行完毕，等待该task执行的情况。这里可以将原本相同的key通过添加随机前缀的方式变成多个key，这样将原本被个task处理的key分散到多个task上先做一次聚合，然后去掉前缀再进行一次聚合得到最终结果。过程如图5-4所示。

——引自章节：5.1　数据倾斜调优137