一文看懂用戶(hù)畫(huà)像標簽體(ti)系（包括維度、懂用度應用場(chǎng)景）

互聯(lián)網(wǎng)相關(guān)企業(yè)在建立用戶(hù)畫(huà)像時(shí)一般??除了基于用戶(hù)維度（userid）建立一套用戶(hù)標簽體系外，戶(hù)畫(huà)還會(huì )基于用戶(hù)使用設備維度（cookieid）建(jian)立相應的像標系包標簽體系。

基于cookieid維度的簽體標簽應用也很容易理解，當用戶(hù)沒(méi)有登錄賬戶(hù)而訪(fǎng)問(wèn)設備時(shí)，用場(chǎng)也可以基于用戶(hù)在設備上的懂用度行為???對該設備推送相關(guān)的廣告、產(chǎn)品和服務(wù)。戶(hù)畫(huà)

建立的像標系包用戶(hù)標簽按標簽類(lèi)型可以分為統計類(lèi)、規則類(lèi)和機器學(xué)習挖掘類(lèi)，簽體相關(guān)內容在《手把手教你做用戶(hù)畫(huà)像：3種標簽類(lèi)型、用場(chǎng)8大系統模塊》中有詳細介紹。懂用度從建立的戶(hù)畫(huà)標簽維度來(lái)看，可以將其分為用戶(hù)(′ω｀)屬??性類(lèi)、像標系包用戶(hù)行為類(lèi)、簽體用戶(hù)消費類(lèi)和風(fēng)險控制類(lèi)等常見(jiàn)(jian)類(lèi)型。用場(chǎng)

01 用戶(hù)屬??性維(′?｀)度

1. 常見(jiàn)用戶(hù)屬性

用戶(hù)屬性是刻畫(huà)用戶(hù)的基礎。常見(jiàn)用戶(hù)屬性指標包括：用戶(hù)的年齡、性??別、安裝時(shí)間、注冊狀態(tài)、城市、省份、活躍登錄地、歷史購買(mǎi)狀態(tài)、歷史購買(mǎi)金額等。

用戶(hù)屬性維度的標簽建成后可以提供客服電話(huà)服務(wù)，為運營(yíng)人員了解用戶(hù)基本情況提供幫助。

用戶(hù)屬性標簽包含統計類(lèi)、規則類(lèi)、機器學(xué)習挖掘類(lèi)等類(lèi)型。本節主要介紹常見(jiàn)用戶(hù)屬性標簽主要包括的維度。表2-1給出了常用的用戶(hù)屬性維度標簽(′▽?zhuān)?)。

表2-1 用戶(hù)屬性維度標簽示例

表2-1對于相同的一級??標簽類(lèi)型，需要判斷多個(gè)(ge)標簽之間的關(guān)系為互斥關(guān)系還是非互斥關(guān)系。例如，在判斷性別時(shí)，用戶(hù)性別為男的情況下就不能同時(shí)為女，所以標簽之間為互斥關(guān)系；在判斷用(╬?益?)戶(hù)是否在黑名單內時(shí)，??用戶(hù)既可能在短信黑名單中，也可能同時(shí)在郵件黑名單中，所以這種就為非互斥關(guān)系。

對于根據數值進(jìn)行統計、分類(lèi)的標簽開(kāi)發(fā)相對容易。例如，用戶(hù)的(′▽?zhuān)?“性別”“年齡”“城市”“歷史購買(mǎi)金額”等確定性的標簽。

2. 用戶(hù)性別

用戶(hù)性別可細分為自然性別和購物性別兩種??。

自然性別是指用戶(hù)的實(shí)際性別，一般可通過(guò)??用戶(hù)注冊信息、填寫(xiě)調查問(wèn)卷表單等途徑獲得。該標簽只(zhi)需要從相應的表中抽取數據即可，加工起來(lái)較為方便。

用戶(hù)購物性別是指用戶(hù)購買(mǎi)物品時(shí)的性別取向。例如，一位實(shí)際性別為(wei)男性的用戶(hù)，可能經(jīng)?常給妻子購買(mǎi)女性的衣物、包等商品，那么這位用戶(hù)的購物性別則是女性。

02 用戶(hù)行為維度

用戶(hù)行為是另一種刻畫(huà)用戶(hù)的常見(jiàn)維度，通過(guò)用戶(hù)行為可以挖掘其偏好和特征。常見(jiàn)用戶(hù)行為維度指標（見(jiàn)表2-2）包括：用戶(hù)訂單相關(guān)行為、下單/訪(fǎng)問(wèn)行為、用戶(hù)近30天行為類(lèi)型指標、用戶(hù)高頻活躍時(shí)間段、用戶(hù)購買(mǎi)品類(lèi)、點(diǎn)擊偏好、營(yíng)銷(xiāo)敏感度等相關(guān)行為。

表2-2 用戶(hù)行??為維度標簽示例

03 用戶(hù)消費維度

對于用戶(hù)消費維度指標體系的建設，可從用(yong)戶(hù)瀏覽、加購、下單(′?ω?`)、收藏、搜索商品對應的品類(lèi)入手，品類(lèi)越細越精確，給用戶(hù)推薦或營(yíng)銷(xiāo)商品的準確性越高。如圖2-1所示，根據用戶(hù)相關(guān)行為對應商品品類(lèi)建設指標體系，本案例精確到商品三級品類(lèi)。

▲圖2-1 用戶(hù)消費維度指標梳理

表2-3為用戶(hù)消費維度的標簽設計。

表(′?_?`)2-3 用戶(hù)消費(′?ω?`)維度標簽示例┐(′?｀)┌

這里通??過(guò)一個(gè)場(chǎng)景來(lái)介紹構建用戶(hù)消費維度的標簽的應用。

某女裝大促活動(dòng)??期間，渠道運營(yíng)人員需要篩選出??(chu)平臺上的優(yōu)質(zhì)用戶(hù)，并通過(guò)短信、郵件、Push等渠道進(jìn)行營(yíng)銷(xiāo)，可以通過(guò)圈選“瀏覽”“收藏”“加購”“購買(mǎi)”“搜索”與該女裝相關(guān)品類(lèi)的標(biao)簽來(lái)篩選出可能對該女裝感興趣的潛在用戶(hù)，進(jìn)一步組合其他標簽（如“性別”“消費金額”“活躍度”等）篩選出對應的高質(zhì)量用戶(hù)群，推送到對應渠道。

因此將商品品類(lèi)抽象成標簽后，可通過(guò)品類(lèi)+行(xing)為的組合應用方式找到目標潛在用戶(hù)人群。

04 風(fēng)險控制維度

互聯(lián)網(wǎng)企業(yè)的用戶(hù)可能會(huì )遇到薅羊毛、惡意刷單、借貸欺詐等行為的用戶(hù)，為了防止這類(lèi)用戶(hù)給平臺帶來(lái)?yè)p失和風(fēng)險，互聯(lián)網(wǎng)公司需要在風(fēng)險控制維度構建起相關(guān)的指標體系，有效監控平臺的??不良用戶(hù)。

結合公司業(yè)務(wù)方向，例如可從賬號風(fēng)險、(′_｀)設備風(fēng)險、借??貸風(fēng)險等(deng)維度入手構建風(fēng)控維度標(biao)簽體系。下面詳細介紹一些常見(jiàn)的風(fēng)險控制維度的標簽示例，如表2-4所示。

表2-4 風(fēng)險控制維度標簽示例

05 社交屬性維度

社交屬性用于了解用戶(hù)的家庭成員、社交關(guān)系、社交偏好、社交活躍程度等方面，通過(guò)這些信息可以更好地為(wei)用戶(hù)提供個(gè)性化服務(wù)。表2-5是常用的社交屬性維度標簽示例。

表2-5 社交屬性維度標簽示例

如圖2-2所示，結合我所在城市、經(jīng)?；钴S地段及近期收藏的電腦相關(guān)文章，在微信朋友圈給我推送了相(xiang)關(guān)電腦營(yíng)銷(xiāo)的廣告。如圖2-3所示，基于我的星座和年齡段信息，推送符合我某些特征的婚慶攝影廣告。

▲圖2-2 朋友圈信息流廣告 – 基于位置（截圖自微信）

▲圖2-3 朋友圈信息流廣告 – 基于星座（截圖自微信）

06 其他常見(jiàn)標簽劃分方式

▲圖2-4 畫(huà)像標簽應用場(chǎng)景劃分

從業(yè)務(wù)場(chǎng)景的角??度出發(fā)，可以將用戶(hù)標簽體系歸為用(′?ω?`)戶(hù)屬性、用戶(hù)行為、營(yíng)銷(xiāo)場(chǎng)景、地域細分、偏好細分、用戶(hù)分層等ヾ(′▽?zhuān)??維度。每??個(gè)維度可細分出二級標簽、三級標簽等。

用戶(hù)屬性：包??(′▽?zhuān)?)括用戶(hù)的年齡、性別、設備型號、安裝/注冊狀態(tài)、職業(yè)等刻畫(huà)用戶(hù)靜態(tài)特征的屬性。用戶(hù)行為：包括用戶(hù)的消費行為、購買(mǎi)后行為、近N日的訪(fǎng)問(wèn)、收藏、下單、購買(mǎi)、售后等相關(guān)行為。偏好細分：用戶(hù)對于商品品類(lèi)、商品價(jià)格段、各營(yíng)銷(xiāo)渠道、購買(mǎi)的偏好類(lèi)型、不同營(yíng)銷(xiāo)方式等方面的偏好特征；風(fēng)險控制：對用戶(hù)從征信風(fēng)險、使用設備的風(fēng)險、在平臺消費過(guò)程中產(chǎn)生的問(wèn)題等維度考量其風(fēng)險程度；業(yè)務(wù)專(zhuān)用：應用在各種業(yè)務(wù)上的標簽，如A/B測試標簽、Push系統標簽等；營(yíng)銷(xiāo)場(chǎng)景：以場(chǎng)景化進(jìn)行分類(lèi)，根據業(yè)務(wù)??需要構建一系列營(yíng)銷(xiāo)場(chǎng)景，激發(fā)用戶(hù)的潛在需求，如差異化客服、場(chǎng)景用戶(hù)、再營(yíng)銷(xiāo)用戶(hù)等；地域細分：標識用戶(hù)的常住城市、居住商圈、工作商圈等信息，應用在基于用戶(hù)地理位置進(jìn)行推薦的場(chǎng)景中；用戶(hù)分層：對用戶(hù)按生命周期、RFM、消費水平類(lèi)型、活躍度類(lèi)型等進(jìn)行分層劃分。

關(guān)于作者：趙宏田，資深大數據技術(shù)專(zhuān)家，先后在中國地質(zhì)大學(xué)（武漢）和武漢大學(xué)獲得工學(xué)和經(jīng)濟學(xué)雙學(xué)士學(xué)位。在大數據、數據分析和數據化運營(yíng)領(lǐng)域有多年的實(shí)踐經(jīng)驗，擅長(cháng)Hadoop、Spark等大數據技術(shù)，以(′；ω；`)及業(yè)務(wù)數據分析、數據??倉庫開(kāi)發(fā)、爬蟲(chóng)、用戶(hù)畫(huà)像系統搭建等。

延伸閱讀《??用戶(hù)畫(huà)像：方法論與工程化解決方案》

推薦語(yǔ)：資深大數據專(zhuān)家多個(gè)億級規模用戶(hù)畫(huà)像系統的經(jīng)驗總結，技術(shù)、產(chǎn)品、運營(yíng)3個(gè)維度講解從0到1構建用戶(hù)畫(huà)像系統的技術(shù)和方法論。