最新消息，會員畫像需要從各個不同的數(shù)據(jù)總結(jié)獲得，怎么才能做到全面無死角的會員畫像呢?

因數(shù)據(jù)分析統(tǒng)計分析有其局限性，基于此的會員畫像也不可能做到真正意義上的全面完整。因此，我們只能做到盡可能的全面無死角的會員畫像。

最近有不少朋友留言，讓對會員畫像做個全面的點的講解下。就此，我對《三生三世話CRM》系列課程的第四課“會員分析”中的會員畫像內(nèi)容進行個展開講解。

首先，基于我自己對會員畫像的認知對其做個定義。會員畫像可以認為是基于會員分析的聚類分組后的定性描述的標(biāo)簽化呈現(xiàn)，是對會員多維度屬性展開的更加立體全面的描述歸納。

會員畫像本質(zhì)也是會員分析的一種分析呈現(xiàn)方法。會員分析的目的就是為了清楚的描述展現(xiàn)會員的特征屬性，更好地理解把握會員是我們做分析的終極目標(biāo)。“標(biāo)簽”可以認為是自然語言的一部分，是一個簡單精煉的歸納表現(xiàn)形式。在實際業(yè)務(wù)中，大家都在廣泛的應(yīng)用這一類基于標(biāo)簽的畫像方法，即會員畫像?；跁T畫像的標(biāo)簽方法歸納起來，就是給用戶貼一系列的標(biāo)簽，而“標(biāo)簽”是能表示用戶某一特征屬性的標(biāo)識。

會員畫像是建立在一系列屬性數(shù)據(jù)之上的目標(biāo)用戶模型。會員畫像的基礎(chǔ)信息應(yīng)該是對會員描述的全量信息，通?？梢苑譃闄C器很容易解析的結(jié)構(gòu)化信息和機器很難理解需要結(jié)合知識庫才能夠理解的非結(jié)構(gòu)化信息，這些信息最后以飽含深意的標(biāo)簽的形式表現(xiàn)出來。

會員畫像邏輯

先來說說結(jié)構(gòu)化信息，可以理解成在數(shù)據(jù)庫中結(jié)構(gòu)化存放的信息，歸結(jié)起來包括會員的基礎(chǔ)信息，行為信息，已經(jīng)分析總結(jié)后的特征信息。會員的這些信息要基于時間和空間維度來談才有意義，脫離了時間，空間的數(shù)據(jù)是無意義的。

比如“有錢人”這個標(biāo)簽，100年前的有錢人和現(xiàn)在的有錢人絕不是一個概念，至少有錢程度差異很大了;即使同一時間的當(dāng)下的1萬/月的高薪，在一線城市和三四線城市，在不同的國家，肯定都意味不同的。因此用戶畫像應(yīng)該是多維度的立體的描述體系。

非結(jié)構(gòu)化信息，就是一些零碎的，人類自然語言描述等，目前機器還不能有效的準(zhǔn)確的理解人類的自然語言，因為我們的自然語言很多時候是有歧義的，需要通過上下文才能理解的，而機器需要結(jié)合龐大知識庫的轉(zhuǎn)譯才能夠理解的非結(jié)化信息。

比如一些人類生活總結(jié)出來的概念、行為、習(xí)慣等知識的結(jié)合就能解讀出額外的信息。比會員信息中缺失的性別，會員信息中沒有性別，但我們可以結(jié)合一些業(yè)務(wù)描述語境來判斷，通常姓名中帶有女字旁，與花名相關(guān)的會員，我們可以認為其為女性。又比如用戶訪問過的網(wǎng)站，經(jīng)常訪問一些美妝或女性服飾類網(wǎng)站，是女性的可能性就高;訪問體育軍事類網(wǎng)站，是男性的可能性就高。還有用戶上網(wǎng)的時間段，經(jīng)常深夜上網(wǎng)的用戶男性的可能性就高。把這些特征加入到知識分類器進行訓(xùn)練，也能提高一定的數(shù)據(jù)覆蓋率。當(dāng)然這些知識也要限定在一定的時間空間下，不同的時間空間的知識解讀出來的信息完全是不一樣的。

要想讓機器能夠理解這些知識：

第一個是要有足夠大的規(guī)模，必須覆蓋足夠多的樣本，足夠多的概念;

第二個是語義要足夠豐富，當(dāng)說到各種各樣的關(guān)系的時候，機器必須都能夠理解;

第三個就是數(shù)據(jù)質(zhì)量要足夠精良，能夠按照一定的規(guī)則被聚類被歸納;

第四個就是結(jié)構(gòu)必須足夠友好需要借鑒語義和背景知識來給我們力量。

會員畫像歸根結(jié)底就是對會員屬性分析結(jié)果的描述呈現(xiàn)，終究只是概括性的歸納描述。因此，我們不可能通過會員畫像對會員做到全方位全面的描述，這里的全面只能是相對的。細細糾結(jié)下，會員畫像本身也是有其自身缺陷的。

首先，會員畫像從某種程度講上還是不完整的。

導(dǎo)致這個問題可能有兩個原因，第一個原因就是任何畫像的來源數(shù)據(jù)都是有一定偏差的，一般描述的都是用戶畫像的某一方面，很難有一個非常完整的畫像。還有一個非常重要的原因就是隱私，大家都是有選擇性的提供個人信息，會回避不愿談及自己的，但是很多時候可能了解用戶不愿談及的這個方面的內(nèi)容對于我們做產(chǎn)品，做服務(wù)又是非常重要的。基于這兩個原因，我們對用戶的理解就是一個碎片式的，很難召回完整的目標(biāo)客戶。

其次，會員畫像還有一個問題就是不正確性。

也就是說，我們對用戶畫像的理解很多時候是錯誤的，這導(dǎo)致會出現(xiàn)錯誤的服務(wù)應(yīng)用。導(dǎo)致不正確性的原因有很多，人類社會是在向前發(fā)展，知識也在不斷的演變。因此，供機器學(xué)習(xí)的知識庫永遠也不會有完整全面的時候，總有機器還無法理解知識，就會做出不夠精準(zhǔn)正確的描述。

綜上， 我們理解的會員畫像，通常只是基于存量的歷史數(shù)據(jù)，通過數(shù)據(jù)分析模型，對會員數(shù)據(jù)從屬性特征在時間、空間內(nèi)盡可能地描述歸納。因數(shù)據(jù)分析統(tǒng)計分析有其局限性，基于此的會員畫像也不可能做到真正意義上的全面完整。因此，我們只能做到盡可能的全面無死角的會員畫像。

友數(shù)門店零售系統(tǒng)，幫助企業(yè)打通線上線下讓網(wǎng)店，門店數(shù)據(jù)互聯(lián)互通。