用户画像：平台构建与业务实践K299---小16开8.5品，书体下角有点水印，有少许几页有读者划痕，2023年1版1印

图书标准信息

• 作者 张型龙 著
• 出版社 机械工业出版社
• 出版时间 2023-08
• 版次 1
• ISBN 9787111731849
• 定价 109.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 320页
• 字数 434千字

【内容简介】

内容简介这是一本从功能模块、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。具体来讲，本书主要包含如下内容：（1）画像的作用、业界主流的4种商用画像平台的核心功能和实现逻辑；（2）画像平台的主要功能、画像平台的技术架构与技术选型、画像平台的数据模型；（3）画像平台4大功能模块：标签管理、标签服务、分群功能、画像分析的实现方案；（4）从0到1搭建用户画像平台，包括环境搭建和前、后端工程框架搭建；（5）画像平台在用户的不同生命周期阶段和各种业务场景中如何为业务赋能；（6）画像平台的优化和最佳实践。书中有200+设计图和原型图，可以帮助读者更加直观地了解平台的实现原理及功能形态。20+真实应用案例，技术方案和案例均来自真实的项目。本书提供可运行的代码，能帮助读者快速搭建并部署用户画像平台。

【作者简介】

作者是大数据技术专家，在大数据、数据分析、数据化运营方面积累了丰富的经验。作者有多个亿级规模的用户画像系统的构建经验。

【目录】

目　　录

前　言

第1章　了解画像平台　1

1.1　画像基本概念　1

1.1.1　什么是画像　1

1.1.2　画像的重要性　2

1.1.3　画像平台定位　3

1.2　OLAP介绍　3

1.2.1　OLAP与OLTP对比　3

1.2.2　OLAP场景关键特征　4

1.2.3　OLAP的3种建模类型　5

1.2.4　OLAP相关技术发展历程　5

1.3　业界画像平台介绍　6

1.3.1　神策数据　7

1.3.2　火山引擎增长分析　10

1.3.3　GrowingIO　13

1.3.4　阿里云智能用户增长　16

1.4　画像平台涉及的岗位　18

1.4.1　数据工程师　18

1.4.2　算法工程师　18

1.4.3　研发工程师　18

1.4.4　产品经理　19

1.4.5　运营人员　19

1.5　本章小结　19

第2章　画像平台功能与架构　20

2.1　画像平台主要功能　20

2.1.1　标签管理　20

2.1.2　标签服务　24

2.1.3　分群功能　25

2.1.4　画像分析　28

2.2　画像平台技术架构　32

2.2.1　画像平台常见的技术架构　32

2.2.2　画像平台技术选型示例　33

2.2.3　业界画像功能技术选型　35

2.3　画像平台的3种数据模型　36

2.4　本章小结　38

第3章　标签管理　40

3.1　标签管理整体架构　40

3.2　标签分类　43

3.2.1　标签实体及ID类型　43

3.2.2　标签分类方式　44

3.3　标签管理功能实现　48

3.3.1　标签存储　48

3.3.2　标签生产　55

3.3.3　标签数据监控　67

3.3.4　工程实现　69

3.4　岗位分工介绍　70

3.5　本章小结　72

第4章　标签服务　73

4.1　标签服务整体架构　73

4.2　标签查询服务　74

4.2.1　标签查询服务介绍　74

4.2.2　标签数据灌入缓存　76

4.2.3　标签数据结构　79

4.2.4　标签数据处理　81

4.2.5　工程实现　83

4.3　标签元数据查询服务　85

4.3.1　标签元数据查询服务介绍　85

4.3.2　工程实现　87

4.4　标签实时预测服务　89

4.4.1　标签实时预测服务介绍　89

4.4.2　工程实现　90

4.5　ID-Mapping　93

4.6　岗位分工介绍　97

4.7　本章小结　98

第5章　分群功能　99

5.1　分群功能整体架构　99

5.2　基础数据准备　101

5.2.1　画像宽表　101

5.2.2　画像BitMap　108

5.3　人群创建方式　111

5.3.1　规则圈选　112

5.3.2　导入人群　119

5.3.3　组合人群　121

5.3.4　行为明细　123

5.3.5　人群Lookalike　125

5.3.6　挖掘人群　126

5.3.7　LBS人群　127

5.3.8　其他人群圈选　128

5.3.9　工程实现　131

5.4　人群数据对外输出　137

5.5　人群附加功能　138

5.5.1　人群预估　138

5.5.2　人群拆分　140

5.5.3　人群自动更新　141

5.5.4　人群下载　142

5.5.5　ID转换　143

5.6　人群判存服务　144

5.6.1　Redis方案　144

5.6.2　BitMap方案　147

5.6.3　基于规则的判存　149

5.7　岗位分工介绍　150

5.8　本章小结　152

第6章　画像分析　153

6.1　画像分析整体架构　153

6.2　人群画像分析　155

6.2.1　人群分布分析　155

6.2.2　人群指标分析　156

6.2.3　人群下钻分析　157

6.2.4　人群交叉分析　158

6.2.5　人群对比分析　158

6.2.6　工程实现　159

6.3　人群即席分析　165

6.3.1　分布分析与指标分析　166

6.3.2　下钻分析与交叉分析　167

6.3.3　人群画像预览　168

6.4　行为明细分析　169

6.4.1　明细统计　171

6.4.2　用户分析　173

6.4.3　流程转化　176

6.4.4　价值分析　179

6.4.5　工程实现　181

6.5　单用户分析　183

6.5.1　用户画像查询　184

6.5.2　用户关系数据分析　185

6.5.3　用户涨掉粉分析　190

6.5.4　用户内容流量分析　192

6.6　其他常见分析　193

6.6.1　业务分析看板　193

6.6.2　地域分析　195

6.6.3　人群投放分析　197

6.7　岗位分工介绍　199

6.8　本章小结　200

第7章　从0到1构建画像平台　201

7.1　基础准备　201

7.1.1　技术组件协作关系　201

7.1.2　基础环境准备　203

7.2　大数据环境搭建　206

7.2.1　Hadoop　207

7.2.2　Spark　210

7.2.3　Hive　212

7.2.4　ZooKeeper　215

7.2.5　DolphinScheduler　216

7.2.6　Flink　217

7.3　存储引擎安装　219

7.3.1　ClickHouse　219

7.3.2　Redis　221

7.3.3　MySQL　222

7.4　工程框架搭建　223

7.4.1　服务端工程搭建　223

7.4.2　前端工程搭建　237

7.5　运行开源代码　238

7.6　本章小结　240

第8章　画像平台应用与业务实践　241

8.1　画像平台常见应用案