客戶(hù)畫(huà)像(persona)的概念最早由交互設(shè)計(jì)之父Alan Cooper提出:“Personas are a concrete representation of target users.” 是指真實(shí)客戶(hù)的虛擬代表，是建立在一系列屬性數(shù)據(jù)之上的目標(biāo)客戶(hù)模型。隨著互聯(lián)網(wǎng)的發(fā)展，現(xiàn)在我們說(shuō)的客戶(hù)畫(huà)像又包含了新的內(nèi)涵——通常客戶(hù)畫(huà)像是根據(jù)客戶(hù)人口學(xué)特征、網(wǎng)絡(luò)瀏覽內(nèi)容、網(wǎng)絡(luò)社交活動(dòng)和消費(fèi)行為等信息而抽象出的一個(gè)標(biāo)簽化的客戶(hù)模型。構(gòu)建客戶(hù)畫(huà)像的核心工作，主要是利用存儲(chǔ)在服務(wù)器上的海量日志和數(shù)據(jù)庫(kù)里的大量數(shù)據(jù)進(jìn)行分析和挖掘，給客戶(hù)貼“標(biāo)簽”，而“標(biāo)簽”是能表示客戶(hù)某一維度特征的標(biāo)識(shí)。

客戶(hù)畫(huà)像的作用

提取客戶(hù)畫(huà)像，需要處理海量的日志，花費(fèi)大量時(shí)間和人力。盡管是如此高成本的事情，大部分公司還是希望能給自己的客戶(hù)做一份足夠精準(zhǔn)的客戶(hù)畫(huà)像。

那么客戶(hù)畫(huà)像有什么作用，能幫助我們達(dá)到哪些目標(biāo)呢?

大體上可以總結(jié)為以下幾個(gè)方面：

精準(zhǔn)營(yíng)銷(xiāo)：精準(zhǔn)直郵、短信、App消息推送、個(gè)性化廣告等。

客戶(hù)研究：指導(dǎo)產(chǎn)品優(yōu)化，甚至做到產(chǎn)品功能的私人定制等。

個(gè)性服務(wù)：個(gè)性化推薦、個(gè)性化搜索等。

業(yè)務(wù)決策：排名統(tǒng)計(jì)、地域分析、行業(yè)趨勢(shì)、競(jìng)品分析等。

客戶(hù)畫(huà)像的內(nèi)容

客戶(hù)畫(huà)像包含的內(nèi)容并不完全固定，根據(jù)行業(yè)和產(chǎn)品的不同所關(guān)注的特征也有不同。對(duì)于大部分互聯(lián)網(wǎng)公司，客戶(hù)畫(huà)像都會(huì)包含人口屬性和行為特征。人口屬性主要指客戶(hù)的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業(yè)和職業(yè)等。行為特征主要包含活躍度、忠誠(chéng)度等指標(biāo)。

除了以上較通用的特征，不同類(lèi)型的網(wǎng)站提取的客戶(hù)畫(huà)像各有側(cè)重點(diǎn)。

以?xún)?nèi)容為主的媒體或閱讀類(lèi)網(wǎng)站，還有搜索引擎或通用導(dǎo)航類(lèi)網(wǎng)站，往往會(huì)提取客戶(hù)對(duì)瀏覽內(nèi)容的興趣特征，比如體育類(lèi)、娛樂(lè)類(lèi)、美食類(lèi)、理財(cái)類(lèi)、旅游類(lèi)、房產(chǎn)類(lèi)、汽車(chē)類(lèi)等等。

社交網(wǎng)站的客戶(hù)畫(huà)像，也會(huì)提取客戶(hù)的社交網(wǎng)絡(luò)，從中可以發(fā)現(xiàn)關(guān)系緊密的客戶(hù)群和在社群中起到意見(jiàn)領(lǐng)袖作用的明星節(jié)點(diǎn)。

電商購(gòu)物網(wǎng)站的客戶(hù)畫(huà)像，一般會(huì)提取客戶(hù)的網(wǎng)購(gòu)興趣和消費(fèi)能力等指標(biāo)。網(wǎng)購(gòu)興趣主要指客戶(hù)在網(wǎng)購(gòu)時(shí)的類(lèi)目偏好，比如服飾類(lèi)、箱包類(lèi)、居家類(lèi)、母嬰類(lèi)、洗護(hù)類(lèi)、飲食類(lèi)等。

消費(fèi)能力指客戶(hù)的購(gòu)買(mǎi)力，如果做得足夠細(xì)致，可以把客戶(hù)的實(shí)際消費(fèi)水平和在每個(gè)類(lèi)目的心理消費(fèi)水平區(qū)分開(kāi)，分別建立特征緯度。

另外還可以加上客戶(hù)的環(huán)境屬性，比如當(dāng)前時(shí)間、訪問(wèn)地點(diǎn)LBS特征、當(dāng)?shù)靥鞖狻⒐?jié)假日情況等。

當(dāng)然，對(duì)于特定的網(wǎng)站或App，肯定又有特殊關(guān)注的客戶(hù)緯度，就需要把這些維度做到更加細(xì)化，從而能給客戶(hù)提供更精準(zhǔn)的個(gè)性化服務(wù)和內(nèi)容。

客戶(hù)畫(huà)像的生產(chǎn)

客戶(hù)特征的提取即客戶(hù)畫(huà)像的生產(chǎn)過(guò)程，大致可以分為以下幾步：

客戶(hù)建模，指確定提取的客戶(hù)特征維度，和需要使用到的數(shù)據(jù)源。

數(shù)據(jù)收集，通過(guò)數(shù)據(jù)收集工具，如Flume或自己寫(xiě)的腳本程序，把需要使用的數(shù)據(jù)統(tǒng)一存放到Hadoop集群。

數(shù)據(jù)清理，數(shù)據(jù)清理的過(guò)程通常位于Hadoop集群，也有可能與數(shù)據(jù)收集同時(shí)進(jìn)行，這一步的主要工作，是把收集到各種來(lái)源、雜亂無(wú)章的數(shù)據(jù)進(jìn)行字段提取，得到關(guān)注的目標(biāo)特征。

模型訓(xùn)練，有些特征可能無(wú)法直接從數(shù)據(jù)清理得到，比如客戶(hù)感興趣的內(nèi)容或客戶(hù)的消費(fèi)水平，那么可以通過(guò)收集到的已知特征進(jìn)行學(xué)習(xí)和預(yù)測(cè)。

屬性預(yù)測(cè)，利用訓(xùn)練得到的模型和客戶(hù)的已知特征，預(yù)測(cè)客戶(hù)的未知特征。

數(shù)據(jù)合并，把客戶(hù)通過(guò)各種數(shù)據(jù)源提取的特征進(jìn)行合并，并給出一定的可信度。

數(shù)據(jù)分發(fā)，對(duì)于合并后的結(jié)果數(shù)據(jù)，分發(fā)到精準(zhǔn)營(yíng)銷(xiāo)、個(gè)性化推薦、CRM等各個(gè)平臺(tái)，提供數(shù)據(jù)支持。

http://www.mapvision.com.cn/hyxw/811.html