类似推荐
编辑推荐
本书从头部公司实践出发，系统讲解用户画像技术和业务。
内容简介
本书是一本从功能模块、技术实现、平台构建、业务应用4个层次由浅入深地讲解用户画像的著作。
作者在某头部互联网公司经历了其用户画像平台从0到1并发展为画像中台的全过程，打下了扎实的技术功底，积累了丰富的业务经验，本书从技术和业务双重维度对整个过程进行了复盘。
章节目录
版权信息
前言
第1章 了解画像平台
1.1 画像基本概念
1.1.1 什么是画像
1.1.2 画像的重要性
1.1.3 画像平台定位
1.2 OLAP介绍
1.2.1 OLAP与OLTP对比
1.2.2 OLAP场景关键特征
1.2.3 OLAP的3种建模类型
1.2.4 OLAP相关技术发展历程
1.3 业界画像平台介绍
1.3.1 神策数据
1.3.2 火山引擎增长分析
1.3.3 GrowingIO
1.3.4 阿里云智能用户增长
1.4 画像平台涉及的岗位
1.4.1 数据工程师
1.4.2 算法工程师
1.4.3 研发工程师
1.4.4 产品经理
1.4.5 运营人员
1.5 本章小结
第2章 画像平台功能与架构
2.1 画像平台主要功能
2.1.1 标签管理
2.1.2 标签服务
2.1.3 分群功能
2.1.4 画像分析
2.2 画像平台技术架构
2.2.1 画像平台常见的技术架构
2.2.2 画像平台技术选型示例
2.2.3 业界画像功能技术选型
2.3 画像平台的3种数据模型
2.4 本章小结
第3章 标签管理
3.1 标签管理整体架构
3.2 标签分类
3.2.1 标签实体及ID类型
3.2.2 标签分类方式
3.3 标签管理功能实现
3.3.1 标签存储
3.3.2 标签生产
3.3.3 标签数据监控
3.3.4 工程实现
3.4 岗位分工介绍
3.5 本章小结
第4章 标签服务
4.1 标签服务整体架构
4.2 标签查询服务
4.2.1 标签查询服务介绍
4.2.2 标签数据灌入缓存
4.2.3 标签数据结构
4.2.4 标签数据处理
4.2.5 工程实现
4.3 标签元数据查询服务
4.3.1 标签元数据查询服务介绍
4.3.2 工程实现
4.4 标签实时预测服务
4.4.1 标签实时预测服务介绍
4.4.2 工程实现
4.5 ID-Mapping
4.6 岗位分工介绍
4.7 本章小结
第5章 分群功能
5.1 分群功能整体架构
5.2 基础数据准备
5.2.1 画像宽表
5.2.2 画像BitMap
5.3 人群创建方式
5.3.1 规则圈选
5.3.2 导入人群
5.3.3 组合人群
5.3.4 行为明细
5.3.5 人群Lookalike
5.3.6 挖掘人群
5.3.7 LBS人群
5.3.8 其他人群圈选
5.3.9 工程实现
5.4 人群数据对外输出
5.5 人群附加功能
5.5.1 人群预估
5.5.2 人群拆分
5.5.3 人群自动更新
5.5.4 人群下载
5.5.5 ID转换
5.6 人群判存服务
5.6.1 Redis方案
5.6.2 BitMap方案
5.6.3 基于规则的判存
5.7 岗位分工介绍
5.8 本章小结
第6章 画像分析
6.1 画像分析整体架构
6.2 人群画像分析
6.2.1 人群分布分析
6.2.2 人群指标分析
6.2.3 人群下钻分析
6.2.4 人群交叉分析
6.2.5 人群对比分析
6.2.6 工程实现
6.3 人群即席分析
6.3.1 分布分析与指标分析
6.3.2 下钻分析与交叉分析
6.3.3 人群画像预览
6.4 行为明细分析
6.4.1 明细统计
6.4.2 用户分析
6.4.3 流程转化
6.4.4 价值分析
6.4.5 工程实现
6.5 单用户分析
6.5.1 用户画像查询
6.5.2 用户关系数据分析
6.5.3 用户涨掉粉分析
6.5.4 用户内容流量分析
6.6 其他常见分析
6.6.1 业务分析看板
6.6.2 地域分析
6.6.3 人群投放分析
6.7 岗位分工介绍
6.8 本章小结
第7章 从0到1构建画像平台
7.1 基础准备
7.1.1 技术组件协作关系
7.1.2 基础环境准备
7.2 大数据环境搭建
7.2.1 Hadoop
7.2.2 Spark
7.2.3 Hive
7.2.4 ZooKeeper
7.2.5 DolphinScheduler
7.2.6 Flink
7.3 存储引擎安装
7.3.1 ClickHouse
7.3.2 Redis
7.3.3 MySQL
7.4 工程框架搭建
7.4.1 服务端工程搭建
7.4.2 前端工程搭建
7.5 运行开源代码
7.6 本章小结
第8章 画像平台应用与业务实践
8.1 画像平台常见应用案例
8.1.1 标签管理应用案例
8.1.2 标签服务应用案例
8.1.3 分群功能应用案例
8.1.4 画像分析应用案例
8.2 用户生命周期中画像的使用
8.2.1 用户生命周期的划分方式
8.2.2 引入期画像的使用
8.2.3 成长期画像的使用
8.2.4 成熟期画像的使用
8.2.5 休眠期画像的使用
8.2.6 流失期画像的使用
8.3 画像平台业务实践
8.3.1 用户增长
8.3.2 用户运营
8.3.3 电商卖货
8.3.4 内容推荐
8.3.5 风险控制
8.3.6 其他业务
8.4 本章小结
第9章 画像平台优化总结
9.1 任务模式
9.1.1 任务定义及执行模式
9.1.2 任务优先级及并发控制
9.1.3 父子任务拆分
9.1.4 任务异常检测与重试
9.1.5 便捷的横向拓展能力
9.2 人群创建优化进阶
9.2.1 人群圈选需求
9.2.2 简单直接的解决思路
9.2.3 将ClickHouse作为缓存
9.2.4 SQL优化
9.3 BitMap在画像平台中的使用方案
9.3.1 BitMap基本原理
9.3.2 BitMap在人群圈选中的使用方案
9.3.3 BitMap在分布分析中的使用方案
9.3.4 BitMap在判存服务中的使用方案
9.4 画像宽表生成优化
9.4.1 多表左连接
9.4.2 分组再合并
9.4.3 增加数据加载层
9.4.4 采用Bucket Join
9.5 ID编码映射方案
9.6 如何构建一个类似神策的平台
9.6.1 神策产品介绍
9.6.2 主要技术模块
9.7 平台技术优化思考
9.8 本章小结
用户画像：平台构建与业务实践是2023年由机械工业出版社出版,作者张型龙。
得书感谢您对《用户画像：平台构建与业务实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
