热线电话:13121318867

登录
首页大数据时代CDA教材知识点 | 用户标签与用户画像(考点73-74)
CDA教材知识点 | 用户标签与用户画像(考点73-74)
2026-11-17
收藏

核心资源推荐

考点73:用户分群的发展历程与用户画像入门

掌握用户分群发展阶段、5W1H拆解用户画像、四种用户细分方法,是用户画像落地的基础。

1. 用户分群的发展历程

  • 20世纪50年代前:初级细分,仅按基本属性(社会地位、性别等)划分
  • 20世纪50年代:分群作为市场策略,等同于产品差异化
  • 20世纪60年代:加入个人观点、心理活动等影响行为的因素
  • 20世纪80年代:引入统计学,分群模型比全量用户模型更精准
  • 20世纪90年代:融入大数据、人口普查,重视用户行为与价值分析
  • 21世纪:数据驱动行为分群,支撑CRM决策,多数据用于分群模型

2. 用5W1H快速入手用户画像

核心目的:回答“用户是谁、特征是什么、习惯如何、如何触达”,辅助精准营销

  • Why(何因):定位问题人群(低转化、流失、高风险人群)
  • What(何事):匹配产品与用户特征(如高端产品对应高收入人群)
  • Where(何地):挖掘用户渠道偏好,按渠道画像捕获适配人群
  • When(何时):分析行为集中时段、停留时长,结合标签精准触达
  • Who(何人):圈选目标人群,缩小营销范围,节约成本
  • How(何法):按群体偏好设计触达方式(短视频、线下、电话、商圈广告等)

3. 用户细分的四种方法

  • 层级细分

    • 定义:按用户价值分4-6层,分配营销资源
    • 优点:数据需求低、易理解;缺点:难以设计个性化产品/服务
  • 用户分群细分

    • 定义:多维度(资产、属性、行为)划分需求群体
    • 优点:群体有共同需求,可按生命周期管理;缺点:分群模糊,不指导资源分配
  • 双重细分

    • 定义:层级细分+分群细分结合(先按价值定资源,再按偏好细分)
    • 优点:精准度高;缺点:数据要求高、操作复杂
  • 先进细分

    • 定义:海量结构化+非结构化数据,支持1对1定制
    • 优点:定位极精准;缺点:算法复杂,业务人员不易理解

考点74:用SQL和Excel实现用户画像

实操重点,掌握数据集结构、SQL数据处理步骤、Excel可视化方法,贴合教材KDD99银行数据集案例。

1. 实操核心思路

  • 研究问题:不同类型信用卡持卡客户在持卡前的特征
  • 取数规则:按时态标签取数(静态→时点→时期)

2. 案例数据集(KDD99银行数据)

共8张表,明确主键、外键关系(E-R图指导多表连接),核心表如下:

  • 账户表(Account):账户静态信息
  • 客户信息表(Client):客户特征信息
  • 权限分配表(Disposition):客户与账户的关系
  • 交易表(Transactions):账户交易流水
  • 信用卡表(Credit Card):信用卡信息(主表)

3. SQL数据处理步骤

步骤1:获取性别与发卡年龄(生成表var1)

create table kdd99.var1 as
select a.*,c.sex,datediff(a.issued,c.birth_date)/365 as age
from kdd99.kdd99_card a
left join kdd99.kdd99_disp b on a.disp_id=b.disp_id
left join kdd99.kdd99_clients c on b.client_id=c.client_id;

步骤2:获取开卡前最后交易间隔与余额(生成表var2)

  • 先取开卡前交易数据(var2_1),再关联最大交易日期取最后一笔

步骤3:获取一年内交易统计(生成表var3)

  • 统计指标:交易笔数、总入账、总出账、出账比率、出入账比

步骤4:合并生成最终宽表(Creditcard)

create table kdd99.Creditcard as
select a.*,b.last_days,b.balance,
       c.trans_count,c.trans_in_amount,
       c.trans_out_amount,c.out_ratio,c.out_in_ratio
from kdd99.var1 a
left join kdd99.var2 b on a.card_id=b.card_id
left join kdd99.var3 c on a.card_id=c.card_id
order by a.card_id;

4. Excel用户画像可视化

  • 柱状图:信用卡类型数量(普通卡发行量最多)
  • 盒须图:年龄分布(金卡/普通卡年龄接近,青年卡偏低)
  • 柱形图:性别×卡类型分布(金卡男性占比更高)
  • 盒须图:交易次数(三类卡交易次数相近)
  • 盒须图:账户余额(金卡>普通卡>青年卡)

本章小结

本章围绕用户标签体系与用户画像构建展开,核心是掌握标签的三大分类维度、用户分群方法,以及用SQL+Excel实现用户画像的实操步骤。需重点理解标签与时态的匹配逻辑、模型标签的分类应用,以及5W1H拆解用户画像的思路,这些是精准营销、用户运营、风险防控的必备技能,也是商业数据分析师的核心能力之一。

看到这里,无论你是想入行数据分析的新手,还是已经走在 CDA 认证备考路上的同学,不必等整块的学习时间,用好日常零碎时间,跟着下面的计划现在就能开始。

时间段 任务章节 手册对应考点 核心目标
10月14日-10月17日 第一章 数据分析思维
第二章 数据分析方法
1-26 掌握数据分析思维内涵、基础范式及6种分析方法,掌握数据分析方法体系与典型应用,完成第一章、第二章练习题
10月18日-10月21日 第三章 商业数据分析框架
第四章 战略数据分析
27-51 理解商业数据分析框架及各视角分析逻辑,熟练掌握战略数据分析步骤与报告呈现方法,完成第三章、第四章练习题
10月22日-10月27日 第五章 业务数据分析
第六章 描述性统计分析
52-62 精通业务数据分析全流程及问题解决思路,掌握变量度量、统计量及参数估计方法,完成第五章、第六章练习题
10月28日-11月6日 第七章 指标体系构建方法
第八章 SQL语言基础与MySQL
63-70 学会指标体系构建方法与场景应用,熟练运用SQL进行数据查询、连接与汇总操作,完成第七章、第八章练习题
11月7日-11月10日 第九章 用户标签体系与用户画像
第十章 简单时间序列分析方法
71-79 掌握用户标签体系搭建与用户画像制作,理解时间序列分析原理并完成预测案例,完成第九章、第十章练习题
11月11日-11月14日 第十一章 数据治理
第十二章 数据模型与数据建模第
十三章 指标体系管理
80-103 明晰数据治理驱动因素、体系及开展方法,掌握数据模型与数据建模逻辑,掌握指标体系管理逻辑,完成第十一章、第十二章、第十三章练习题
11月15日-11月25日 全教材系统复习 -- 系统复习各模块重点,完成模拟测试与错题复盘

上一篇:CDA教材知识点 | 用户标签与用户画像(考点73-74)

CDA教材知识点合集(持续更新中)

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考,也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校,累计已有10万+在读~ !

免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0

数据分析师资讯
更多

OK
客服在线
立即咨询
客服在线
立即咨询