<返回更多

网易大数据用户画像实践

2020-09-09    
加入收藏

网易大数据生态数量级巨大,且产品线丰富,覆盖用户娱乐、电商、教育等领域,并且App活跃度高,积累了多维度的用户行为数据。通过集团数据资产构建全域用户画像,旨在服务于域内众多业务场景,同时也在探索外部商业化方案。今天借此机会,同大家分享下网易在大数据用户画像中的实战应用经验。

今天的介绍会围绕下面三点展开:

01

网易生态数据介绍

整个用户画像实践经验,都依赖于网易易数中台,所以首先给大家介绍下网易生态数据情况。

1. 网易数据总览

网易大数据用户画像实践

 

网易数据总览特征如下:

2. 网易产品线丰富

网易大数据用户画像实践

 

网易产品线丰富,覆盖从用户娱乐、电商购物、教育、新闻资讯等各个维度用户行为数据,APP活跃度高,涵盖用户群广。项目组整体目标是通过集团数据资产构建全域资产用户画像,已应用于网易生态圈内众多业务场景,同时探索产品化及方法论,服务于生态圈外部合作机构,进行商业化操作。

3. 全链路数据中台产品矩阵

网易大数据用户画像实践

 

全链路数据中台产品矩阵,包括底层日志等数据源层,数据平台加工层,整体标签的离线或实时加工、挖掘算法及监控,以及上层业务应用,如智能分析、增长运营、推荐搜索等一系列业务层应用,组成了网易数据中台产品矩阵。网易易数产品矩阵,为网易用户画像起着极为关键的支撑作用,尤其是数据标准体系、数据治理平台等模块,很好的承载着用户画像落地和质量保障。

02

用户画像中心分类

首先介绍下杭研用户画像整体数据架构及落地情况,主要分为三部分:其一为基础的用户画像,基础标签 ( 如性别、年龄 )、行为统计 ( 如活跃 )、兴趣偏好及预测等标签;其二为关系库部分,即IDMapping;其三为主题域部分,即对地域、社交、搜索关键词等相关方面的工作。

1. 网易数据架构

网易大数据用户画像实践

 

网易整体数据架构底层与各个业务方进行数据交换合作,共同建立公共数据中心,以数仓为蓝本进行架构。

中间层为用户画像中心:

顶层的应用场景包括增长运营、推荐搜索、广告变现、营销系统、用户反欺诈及内容运营等方面,对业务方提供全方位的服务,不局限于单一应用场景。还有数据规范和数据管理部分,作为数据标准化,沉淀经验方法论。

2. 网易用户画像构建流程

网易大数据用户画像实践

 

用户画像整体构建流程依托于网易易数中台,搭建起完整的业务数仓体系,融合多方业务数据源。经过多年的探索实践,已经形成完整的用户画像体系,从数据层面到产品层面,逐渐打磨,提供标签管理、监控、报表、算法、开发及权限管理,融合在各业务产品体系。诸如关系图谱形成API的接口服务输出各业务方;数据服务包括人群圈选、人群分析等运用于市场及运营团队;特征库方面描述了用户向量化的特征相比标签粒度更为细腻,适用于算法团队迭代开发。在此基础上沉淀了多种数据应用,包括增长运营、广告DMP、智能风控等方面。

3. 网易用户标签

网易大数据用户画像实践

 

目前整体总标签数达1000+,其中不包含单一业务行为数据。标签分类如下:

另外,标签的枚举值也相当重要,业务分析过程中很容易出现枚举值的偏差,不符合实际业务逻辑。除此之外还包括标签间的冲突,例如年龄15岁,学历却是博士或者有小孩,策略类标签是标签领域较为有挑战性的地方。

网易大数据用户画像实践

 

用户标签案例:性别。主要包括三种方案,其一为标签传播,根据用户在各个业务场景,例如母婴商品点击行为标签等进行item标记,构建User-Item的兴趣网络进行Graph Embedding,最后进行分类预测用户的性别;其二为利用NLP算法对用户的昵称进行语义分析;其三为利用业务属性自行填写的内容进行判断,此处需要对数据质量进行过滤,排除诸如出生为1990-01-01的参数异常值信息。基于上述的三类算法特征结果集进行模型的融合,然后对用户的性别进行预测,同时判断该用户性别的准确率,大部分准确率在0.6+以上可以应用于实际业务场景中。当然除了常见的算法融合,还包括数据融合、特征融合等等。其中需要突破的地方包括特征的稀疏性,因为IDMapping打通后的数据覆盖率仅20%左右,这个严重影响了模型的整体效果。

4. IDMapping

网易大数据用户画像实践

 

IDMapping主要指用户设备的打通,用于识别用户的唯一性,现今采用的手段有两种,其一通过工程层面打通,如SDK埋点,优点是准确率较高,缺点是还会存在一人多机等现象,导致了不能够较好地完整描述一个用户画像;其二指数据层面打通,通过ID关系网,采用规则和算法结合的方法,进行同人识别,优点是很好解决一人多机现象,缺点是准确率难以评估。本次分享,主要指数据层面打通。

网易大数据用户画像实践

 

IDMapping整体的思路及方案,具体要结合各种账户、设备之间的关系对,以及设备使用规律等用户数据,利用规则过滤+数据挖掘算法 ( 连通图划分及社区发现 ) 判断账号是否属于同人。在IDMapping过程中,常遇到的问题及对应解决方案如下:

网易大数据用户画像实践

 

IDMapping的存储方式包括两个ID类型 ( 关系对 )、最近采集时间、最早采集时间、采集源数据、采集源列表、采集的频次和周期。其中共线关系的部分增加了时间衰减系数,同步递减应用于结果,同时也增加了某些参数的权重部分用于提高业务的可选性和高可性。

5. 地域主题域

网易大数据用户画像实践

 

地域主题域可以挖掘用户的需求信息,包括是否有车,是否经常去4S店,通过WIFI、设备等信息获取亲戚、同事等关系,通过IP可以捕获学校的学生信息,根据作息规律进行统计。当然除此之外,地域主题域还用于反欺诈领域,针对黄牛等用户群进行修改地域参数信息,规避系统检测。

6. 用户画像管理与存储

网易大数据用户画像实践

 

用户画像管理与存储在网易大数据经历了多次迭代,包括前期字符串的拼接、手工标签命名、明文关联维表,再到现在利用JsonArray格式进行标签类型管理,这种有个比较大的缺点,就是存在冗余严重,正在尝试新的方案设计

7. 质量校验与保障体系

网易大数据用户画像实践

 

网易标签包含真实的用户数据及特征用户数据,利用无监督的算法模型预测姓名、年龄、有车、有房等,利用有监督进行提升数据质量,提升标签的整体效果。主要包括三方面的工作:

除此之外,还包括利用一些常见的算法,例如交叉验证准确率和召回率,线上ABTest、算法离线验证、运营活动验证、真实数据验证等等方案。

网易大数据用户画像实践

 

质量保障标签管理方法论,包括以下四点:

03

网易用户画像实战案例

最后和大家介绍下网易用户画像实战案例。

1. 应用场景丰富

网易大数据用户画像实践

 

网易用户的多元化数据,能够精准定位用户,覆盖范围广,包括但不限于以下业务目标场景:

这里重点讲解下营销反欺诈薅羊毛案例,此类用户资源池有限,通过频繁地切换IP、WIFI等设备信息,规避风险。利用用户画像及其特征,切入智能风控,能够提升6%的风险用户识别率,同时结合知识图谱、IP黑名单、异常设备等方面的数据信息,能够较好地扩大数据价值。

2. 用户画像案例

网易大数据用户画像实践

 

通过覆盖用户出行、娱乐、设备、购买、地址等维度数据,基于基础标签、事实标签以及预测标签等标签,应用于上述提及的多个业务场景中。通过用户画像,可以知道用户偏好,购买相关等偏好信息。

3. 实时全链路推荐案例

网易大数据用户画像实践

 

网易用户数据服务实时方案,打通各个业务场景的数据孤岛信息,实时融合用户的数据资产,深度洞察分析用户属性信息,支撑各个业务间数据打通和服务,实现了"采集+计算+调用"的实时全链路体系。例如,在冷启动新客阶段,利用用户画像能力,将离线特征放进HBase中进行实时计算,在多业务场景进行交叉,全链路支撑各业务数据打通和服务,为业务方提供二次服务。另外,利用实时用户画像结合知识图谱捕获用户行为轨迹,避免用户流失后造成的无购买、点击等行为,进行二次触达,增加业务转化效率。

4. 总结

网易大数据用户画像实践

 

网易数据用户画像中台显著提高了数据生产力,逐步沉淀方法论和产品,赋能域内众多业务场景,探索外部商业化解决方案。

作者:张长江 网易 大数据技术专家

声明:本站部分内容来自互联网,如有版权侵犯或其他问题请与我们联系,我们将立即删除或处理。
▍最近更新
更多资讯 >>>