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。刷榜单

比如店铺想推荐新品的Bra，如果粗糙的全部投放人群或者投放到不准确的人群，那后果可想而知了。

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。谷歌安卓应用商店

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。应用宝连接助手

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：

 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？应用宝下载手机版

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：

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。应用宝下载手机版安卓

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：

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。

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：

模型建立完后，需根据模型的结果与预期的对比，进行调优。

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。

文/十月菌，公众号：趣乐菌（shdwangluobo）。

刷友盟数据已经是业内常见的一种优化数据的方式，很多APP产品要拉投资，要给数据给投资人看，但是用户量却一直上不来，刷友盟数据就成为常见的一种方式。

随着技术的发展，友盟平台也逐渐抵制假量的出现，技术上防止刷量行为，因此很多做模拟数据的工作室做的数据都无法显示，因为他们的数据是假数据，是破解得来的数据，并不是真正的下载量和激活量，友盟数据出不了数据。

安智宝都是真实手机做任务，刷APP下载量和激活量，以达到友盟数据的优化，因此在这个层面上来说，安智宝比市场上的现有刷机服务都要可靠，值得信赖。