AI驱动的电商「用户模型」:如何确定用户的「购物性别」?

桂林seo半杯酒博客

  我们经常谈论的用户精细化运营,到底是什么?简单来讲,就是将网站的每个用户标签化,制作一个属于他自己的网络身份证。

  然后,运营人员通过身份证来确定活动的投放人群,圈定人群范围,更为精准的用户培养和管理。

  当然,身份证最基本的信息就是姓名、年龄和性别。与现实不同的是,网络上用户填写的资料不一定完全准确,还需要进行进一步的确认和评估。

  下面我来介绍一下具体的识别思路。

  

 

  一、用户画像需要的数据

  用户平时在电商网站的购物行为、浏览行为、搜索行为,以及订单购买情况都会被记录在案,探查其消费能力,兴趣等。数据归类后,一般来讲,可以通过三类数据对用户进行分群和定义。

  

 

  1、用户信息

  社会特征:马克思的人性观把人分为社会属性和自然属性。社会特征主要指的是人在社会上的阶级属性,当然也包括服从性、依赖性或者自觉性等,这是人类发展的必然的基本要求。

  自然特征:也可以说成是人的生物性,通常来讲可以是食欲,物欲或者购买欲,自我保存能力。但不同人会有不同的自然特征,比如学习能力和逻辑思维等。

  兴趣特征:对于电商来讲,主要是对某件商品,某个品牌或者品类的兴趣程度,如加购、浏览、收藏、搜索和下单行为。

  消费特征:消费能力的评估,消费倾向的评估,能够判断用户的消费层级,是高消费力还是低消费力。

  2、商品

  商品属性:基本信息,品类,颜色尺码型号等。

  商品定位:商品层级,是否为高中低端,商品类型倾向于哪类客户,区域或者其他的特征。

  最后通过以上的信息来获取用户信息,判断其具体的画像特征,然后得到类似于酱紫的网络身份证。

  

 

  通常,拿到数据后,我们会将每个环节进行拆解,落实到具体的行动策略上。大体可以根据以下流程进行模型的预估:

  

 

  业务目标:精准投放——针对已有产品,寻找某性别偏好的精准人群进行广告投放。

  技术目标:对用户购物性别识别——男性,女性,中性。

  解决思路:选择一种分类算法,建立spark模型,对模型进行应用。

  线上投放:对得到的数据进行小范围内的测试投放,初期不宜过大扩大投放范围。

  效果分析:对投放的用户进行数据分析,评估数据的准确性。若不够完美,则需要重新建模和测试。

  二、产品如何理解建模过程

  重点来了,虽然能够通过用户的行为、购买和兴趣数据,了解用户的基本信息,但是仍然不清楚如何建模?用什么语言建模?

  其实,购物性别的区分使用的是spark,但是spark也有很多分类,包含逻辑回归,线性支持向量机,朴素贝叶斯模型和决策树。那么,又该如何选择呢?

  其中,决策树的优点较多,主要是其变量处理灵活,不要求相互独立。可处理大维度的数据,不用预先对模型的特征有所了解。对于表达复杂的非线性模式和特征的相互关系,模型相对容易理解和解释。看起来决策树的方法最适合区分性别特征了,所以决定用决策树进行尝试。

  什么是决策树?简单来讲,是通过训练数据来构建一棵用于分类的树,从而对未知数据进行高效分类。可以从下面的图了解决策树的工作原理。

  

 

  构造决策树的步骤为:

  起始阶段,所有历史数据当作一个主节点;

  我们选择某个属性测试条件用于分割节点,以择偶标准模型为例,把长相作为首节点;

  将长相节点分割,以帅和丑作为条件,导致的结果作为其子节点,如分割成牵手和是否公务员;

  对子节点,如牵手和是否公务员,继续执行第2、3步,直到节点满足停止分割的条件。

  通过训练数据来构建一棵用于分类的树,从而对未知数据进行高效分类。

  以上步骤中,能够得出一个结论,在构建决策树的过程中,最重要的是如何找到最好的分割点。决策树值得注意的问题是过拟合问题,整个算法必须解决「如何停止分割」和「如何选择分割」两个关键问题。

  最简单的做法就是设定树的深度或枝叶的最少样本量。但是,过少的样本量又不具有代表性,所以一般情况,可以使用交叉验证的方法。交叉验证就是可以使用一部分数据用于模型的训练,另一部分数据可以用来评估模型的性能。业内常用的划分方法是讲样本进行50/50分,60/40分或者80/20分。

  三、模型确立过程

  在建模前期,首要考虑的事情就是先确定指标,以及对样本的定义。购物性别指的是什么?通过哪些数据来确定购物性别,样本的准确性,如何验证数据的可信度等。

  四、购物性别的定义

  先看下图,具体的逻辑可从图中查看。一般来讲,用户填写的资料不一定真实,我们对他/她的性别数据持怀疑态度,所以,就需要其他数据进行辅助证明其性别。

  订单数据能够真实反映用户的购买心态,预测购买行为,并且能够通过购买商品的所属类别,判断用户的购买倾向,最后得到性别特征类目。不过本文就不展开探讨甄别特征类目的区分方法了。

  

 

  根据数据结果,最终,确认了购物性别的定义。分为:

  购物性别男:N月购买的男性特征类目子下单数> N月购买的女性特征类目子下单数;

  购物性别女:N月购买的男性特征类目子下单数> N月购买的女性特征类目子下单数;

  购物性别中性:未下单男女特征类目。

  N需要具体根据业务场景来定。

  五、建模数据准备过程

  本节是具体的操作过程,模型的实操阶段。一般来讲,不同模型的训练其实大体雷同。从技术上来讲,各家算法大多使用spark,不同点是所运算的模型都是针对于场景来定的。

  

 

  在全部样本中,取80%的数据用于训练模型;

  在全部样本中,取20%的数据用户数据测试。

  这种方式可以更好的根据数据的规模,提高模型的准确性。

  六、模型效果分析

  根据各类参数的评估结果,以及人工经验选定的模型参数,建立模型。值得注意的是,决策树的深度不要过深,以防止过拟合的问题:

  

 

  行业内当前采用数据挖掘、机器学习和推荐系统中的评测指标:准确率(Precision)、召回率(Recall)。准确率是应用最广的数据指标,也很清晰易懂,以男性为例:

  准确率=命中的男性用户数量/所有预测男性数量,一般来讲,准确率可以评估模型的质量,他是很直观的数据评价,但并不是说准确度越高,算法越好。

  召回率=命中的男性用户数量/所有男性数量,反映了被正确判定的正例占总的正例的比重。

  模型建立完后,需根据模型的结果与预期的对比,进行调优。

  七、最后要说的

  购物性别定义对于用户精准营销十分重要,疑难杂症,对症下药,才能出现更好的疗效。