《表1 针对用户建立的指标维度说明》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于聚类分析的网络用户画像研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

累计类数据可以表现一个用户在累计对象上的使用程度，是高频用户还是低频用户，有活动的天数累计是多少。单纯的累加无法全面体现用户实际价值的大小，占比类更可以反映一个用户在一些维度上的实际效用，例如支付数/点击数这一从点击到支付的转化率指标可以真实反映了用户的购买意向和购买力。去重的累计可以反映用户浏览或购买的商品在种类数上的分布特性，排除用户在一个商品上大量操作导致的模型估计偏差。在有多个数据反映用户的一个特征时，采用均值方法可以方便统计运算，但均值数据有可能被个别异常数据严重影响。有时，特别在数据规模较小的时候，可能存在差异很大的两个数据反映出用户截然不同的两种特性，这个时候方差数据就可以较好的表示数据的稳定程度。另外时间相关数据包括时间的长短、频率，用户动作所处的时段等等。在原始数据上进行一系列计算，得出以下25个指标维度的新的数据表，见表1，用于接下来的聚类分析。