网易的大数据生态系统规模庞大，产品线丰富，涵盖了用户在文娱、电商、教育等多个领域的活动，并且APP活跃度很高，积累了大量用户行为数据。通过集团的数据资产构建全域用户画像，旨在服务于内部众多业务场景，同时也在探索外部商业化解决方案。接下来，我将分享一下网易在大数据用户画像方面的实际应用经验。

01 网易生态数据介绍

网易数据总览

网易数据总量巨大，每天有上亿活跃账号，能够触及广泛用户群体。服务场景多样，产品线覆盖游戏、教育、电商、泛娱乐等领域。优质用户平均标签覆盖率超过70%，提供包括参与者、流量域、位置域、关系域等多种主题域解决方案，可以封装用户画像的通用模块。

网易产品线丰富

网易的产品线非常丰富，涵盖了用户在娱乐、电商购物、教育、新闻资讯等多个维度的行为数据，APP活跃度高，覆盖用户群体广泛。项目团队的目标是通过集团数据资产构建全域用户画像，已经应用于网易生态圈内的许多业务场景，并探索产品化和方法论，服务于生态圈外的合作机构，进行商业化操作。

全链路数据中台产品矩阵

全链路数据中台产品矩阵包括底层日志等数据源层、数据平台加工层、标签的离线或实时加工、挖掘算法及监控，以及上层业务应用（如智能分析、增长运营、推荐搜索等）。网易易数产品矩阵为用户画像提供了关键支持，特别是数据标准体系和数据管理平台，确保用户画像的质量和实施效果。

02 用户画像中心分类

网易数据架构

网易的整体数据架构与各个业务部门合作，共同建立了公共数据中心，以数据仓库为基础进行架构。中间层为用户画像中心，包括基础标签（如性别、年龄）、行为标签（如活跃度）、兴趣偏好及预测标签等。关系库主要是ID映射，目前有许多方案和处理方案，如多账号归一，用于后续业务数据分析。

网易用户画像构建流程

用户画像构建流程依托于网易易数中台，构建完整的业务数据仓库体系，融合多方业务数据源。经过多年探索，已经形成了完整的用户画像体系，从数据层面到产品层面逐步完善，提供标签管理、监控、报表、算法、开发及权限管理等功能，应用于各业务产品体系。

网易用户标签

目前总标签数超过1000个，不包括单一业务行为数据。标签分类包括基础标签（如性别、年龄、教育背景、生活习惯、地理位置、职业状况、经济状况、设备信息、会员信息等）、行为标签（如地域、广告、搜索、全域、播放、点击、回复、关注、收藏、购买等）和偏好标签（如出行购物、手机数码、家装家居、教育公益、文化娱乐、新闻资讯、金融理财、游戏竞技、动漫影视、明星艺人等）。预测标签包括通过算法生成的标签，如是否出行、是否购车等。

ID映射

ID映射主要用于识别用户的唯一性，主要采用两种手段：一是通过工程层面打通，如SDK埋点，优点是准确性较高，但存在一人多机的问题；二是通过数据层面打通，采用规则和算法结合的方法，优点是可以较好地解决一人多机问题。此次分享主要指数据层面打通。

地域主题域

地域主题域可以挖掘用户的需求信息，包括是否有车、是否经常去4S店等。通过WIFI、设备等信息获取亲戚、同事等关系，根据作息规律进行统计。此外，地域主题域还用于反欺诈领域，针对黄牛等用户群进行修正地域参数信息，规避系统检测。

用户画像管理与存储

用户画像管理与存储在网易大数据中经历了多次迭代，包括后期字符串的拼接、手工标签命名、明文关联维表，现在采用JsonArray格式进行标签类型管理，这种做法存在冗余问题，正在尝试新的设计方案。

质量校验与保障体系

网易标签包含真实的用户数据及特征用户数据，利用无监督算法模型预测姓名、年龄、是否有车、是否有房等信息，通过有监督学习提升数据质量。主要包括使用实名认证数据、强特征用户数据、外部数据等，以提高数据质量。

03 网易用户画像实战案例

运用场景丰富

网易用户画像可以精准定位用户，覆盖广泛的业务场景，包括市场营销、推荐搜索、增长运营、广告投放、智能风控等。重点讲解了营销反欺诈案例，通过用户画像及其特征，结合知识图谱、IP黑名单、异常设备等数据信息，提升风险用户识别率。

用户画像案例

通过覆盖用户出行、娱乐、设备、购买、地址等维度数据，基于基础标签、行为标签及预测标签等标签，应用于多个业务场景中。用户画像可以帮助了解用户的偏好、购买偏好等信息。

实时全链路推荐案例

网易用户数据服务采用了实时方案，打通各个业务场景的数据孤岛信息，实时融合用户的数据资产，深度洞察分析用户属性信息，支撑各个业务间数据打通和服务，实现了“采集+计算+调用”的实时全链路体系。例如，在新客户冷启动阶段，应用用户画像能力，将离线特征放入HBase中进行实时计算，多业务场景交叉，全链路支撑各业务数据打通和服务，为业务方提供二次服务。

总结

网易数据用户画像中台显著提高了数据生产效率，逐步沉淀方法论和产品，赋能内部众多业务场景，并探索外部商业化解决方案。