左边一列是用户购买宝贝的参数，第二列是宝贝标题名称
宝贝参数用于提取顾客的固有特征，宝贝标题主要是提取宝贝的特征，具体挖掘下这些数据。
1、属性特征
通过购买的商品类型，判断该顾客的特征概率，主要包括性别、年龄、是否有小孩、消费能力等指标。判断方法可以采用最简单的投票法，例如买过10件女性产品，买过2件男性产品，TA是女性的概率相对较高。（还有更精确的贝叶斯判别，需要建立样本库），这里我们通过比对自建的样本库，对该用户进行属性特征的判别。
女—— 时尚性感——追求潮流——25-30——有孩子——有iPhone——高端消费群体
这大致是该用户的属性特征，或者说，有很大概率是这样的特征。
2、网购商品
分析该用户经常网购的商品类目，80%以上为
服装—— 装饰——鞋——包
按照购买的数量排序。
3、购买动机
对于动机，每个分析方案都有不同的定义，如果你做淘金币，可以分析用户对淘金币商品的偏好程度，例如我们这里，分析得出该用户购买的绝大多数商品标题中，含有“包邮”这个关键词（比例46/201，大约25%）
我们可以认为，该用户对是否包邮比较敏感，包邮可能会使TA购买意向强烈。
4、风格偏好
风格包括款式、面料等等宝贝特征，有效帮助我们总结顾客的需求。例如该用户购买的商品，我们认为，该用户偏好于
韩版—— 欧美风——修身
这类型的风格。
主要是白、黑、蓝，可能该顾客对奢侈品的主流色调有一定喜好。
最后，还有一点比较容易获得的是顾客的身材
鞋码：35-37
衣码：M-L
裤码：26-28
我们可以判断，该用户（女性）身高165左右，体重50kg左右。
以上基本就是顾客画像的技术实现过程。如果顾客数量不多，可以手工完成，大家不妨试下。
谈到优化，目前还没有测试到好的方案，先留个尾巴。
文章TAG：顾客画像 数据挖掘 个性搜索
