首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    90%的人都做错的用户画像,到底应该怎么做?

    前几天,有个搞运营的小伙伴向我吐槽,熬了几个夜做出来的用户画像被老板说垃圾。不管是市场人员、运营人员还是产品经理,都躲不开“用户画像”,但经常听到伙伴们抱怨,这个词太大了,根本不知道从哪里下手。 老李给大家归纳了一套用户画像学习方法,从理论到实践,教大家怎么做好用户画像。 ◆ 什么是用户画像? 简单来说,用户画像=给用户打标签。举个例子,如果你关注老李的头条,每天看的都是数据分析类的内容,那你就会被打上“数据分析”、“职场”等标签,下次打开头条,给你推荐的就是“如何转行数据分析”、“数据分析必备工具”等文章

    02

    数据持久化层场景实战:业务场景+数据库分区+冷热分离概述

    ◆  冷热分离 本文讲的第一个场景是冷热分离。简单来说,就是将常用的“热”数据和不常使用的“冷”数据分开存储。 本章要考虑的重点是锁的机制、批量处理以及失败重试的数据一致性问题。这部分内容在实际开发中的“陷阱”还是不少的。 首先介绍一下业务场景。 ◆  1.1 业务场景:几千万数据量的工单表如何快速优化 这次项目优化的是一个邮件客服系统。它是一个SaaS(通过网络提供软件服务)系统,但是大客户只有两三家,最主要的客户是一家大型媒体集团。 这个系统的主要功能是这样的:它会对接客户的邮件服务器,自动收取发到几个

    02

    一文搞定MySQL的分区技术、NoSQL、NewSQL、基于MySQL的分表分库

    ◆ 分表分库 上文讲到,查询分离的方案存在三大不足,其中一个就是:当主数据量越来越大时,写操作会越来越缓慢。这个问题该如何解决呢?可以考虑分表分库。 这里先介绍一下真实的业务场景,而后依次介绍拆分存储时如何进行技术选型、分表分库的实现思路是什么,以及分表分库存在哪些不足。 接下来进入业务场景介绍。 ◆ 业务场景:亿级订单数据如何实现快速读写 这次项目的对象是电商系统。该系统中大数据量的实体有两个:用户和订单。每个实体涵盖的数据量见表3-1。 表3-1 数据量 某天,领导召集IT部门人员开会,说:“根据市场

    02

    实时分析需要SQL和复杂查询

    今天的数据驱动型企业不仅需要针对实时数据作出快速响应要,而且还必须执行复杂的查询以解决复杂的业务问题。 例如,客户个性化系统需要将历史数据集与实时数据流结合起来,以便立即向客户提供最相关的产品建议。提供关键任务的实时业务观察能力的运营分析系统也必须如此,例如,在线支付供应商需要监测其全球范围内的交易,以发现可能预示金融欺诈的异常情况。 或者想象一个网上学习平台需要为学区客户和内部客户团队提供关于学生和教师使用情况的最新洞察力。或者是一个市场新闻供应商,需要监测并确保其金融客户在狭窄的窗口内获得准确的、相关的

    01

    人工智能:用众包的方式学习驾驶汽车

    导语:有些驾驶任务对于人类来说简单得不值一提,但对于机器来说很难完成。现在研究人员已经开发出一种新的方法,让人工智能机器通过向人类大众学习驾驶。 今年可谓是人工智能机器日新月异的一年。在人脸识别、物体识别、语言理解等许多我们人类一直以来都占据上风的任务上,人工智能突然开始追赶上甚至超越了人类完成任务的表现。 然而,对于一些繁杂工作的完成情况,人工智能机器仍然落后于人类。这些工作包括相对简单的家务劳动,如熨烫衣物,以及相对高级的任务,如驾驶。不过,智能机器在这些领域的成就进展缓慢,并不是因为它们不能执行这些任

    07
    领券