客戶畫像(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)客戶模型。隨著互聯(lián)網(wǎng)的發(fā)展，現(xiàn)在我們說的客戶畫像又包含了新的內(nèi)涵——通常客戶畫像是根據(jù)客戶人口學(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)簽化的客戶模型。構(gòu)建客戶畫像的核心工作，主要是利用存儲(chǔ)在服務(wù)器上的海量日志和數(shù)據(jù)庫里的大量數(shù)據(jù)進(jìn)行分析和挖掘，給客戶貼“標(biāo)簽”，而“標(biāo)簽”是能表示客戶某一維度特征的標(biāo)識(shí)。
客戶畫像的作用
提取客戶畫像，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做一份足夠精準(zhǔn)的客戶畫像。
那么客戶畫像有什么作用，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：精準(zhǔn)直郵、短信、App消息推送、個(gè)性化廣告等。
客戶研究：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。
客戶畫像的內(nèi)容
客戶畫像包含的內(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，客戶畫像都會(huì)包含人口屬性和行為特征。人口屬性主要指客戶的年齡、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、忠誠度等指標(biāo)。
除了以上較通用的特征，不同類型的網(wǎng)站提取的客戶畫像各有側(cè)重點(diǎn)。
以內(nèi)容為主的媒體或閱讀類網(wǎng)站，還有搜索引擎或通用導(dǎo)航類網(wǎng)站，往往會(huì)提取客戶對(duì)瀏覽內(nèi)容的興趣特征，比如體育類、娛樂類、美食類、理財(cái)類、旅游類、房產(chǎn)類、汽車類等等。
社交網(wǎng)站的客戶畫像，也會(huì)提取客戶的社交網(wǎng)絡(luò)，從中可以發(fā)現(xiàn)關(guān)系緊密的客戶群和在社群中起到意見領(lǐng)袖作用的明星節(jié)點(diǎn)。
電商購物網(wǎng)站的客戶畫像，一般會(huì)提取客戶的網(wǎng)購興趣和消費(fèi)能力等指標(biāo)。網(wǎng)購興趣主要指客戶在網(wǎng)購時(shí)的類目偏好，比如服飾類、箱包類、居家類、母嬰類、洗護(hù)類、飲食類等。
消費(fèi)能力指客戶的購買力，如果做得足夠細(xì)致，可以把客戶的實(shí)際消費(fèi)水平和在每個(gè)類目的心理消費(fèi)水平區(qū)分開，分別建立特征緯度。
另外還可以加上客戶的環(huán)境屬性，比如當(dāng)前時(shí)間、訪問地點(diǎn)LBS特征、當(dāng)?shù)靥鞖�、�?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)注的客戶緯度，就需要把這些維度做到更加細(xì)化，從而能給客戶提供更精準(zhǔn)的個(gè)性化服務(wù)和內(nèi)容。
客戶畫像的生產(chǎn)
客戶特征的提取即客戶畫像的生產(chǎn)過程，大致可以分為以下幾步：
客戶建模，指確定提取的客戶特征維度，和需要使用到的數(shù)據(jù)源。
數(shù)據(jù)收集，通過數(shù)據(jù)收集工具，如Flume或自己寫的腳本程序，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，是把收集到各種來源、雜亂無章的數(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，有些特征可能無法直接從數(shù)據(jù)清理得到，比如客戶感興趣的內(nèi)容或客戶的消費(fèi)水平，那么可以通過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的已知特征，預(yù)測(cè)客戶的未知特征。
數(shù)據(jù)合并，把客戶通過各種數(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、個(gè)性化推薦、CRM等各個(gè)平臺(tái)，提供數(shù)據(jù)支持。
