用戶畫像標籤體系

用戶畫像的核心在於給用戶 “打標籤”，每一個標籤通常是人爲規定的特徵標識，用高度精煉的特徵描述一類人，例如年齡、性別、興趣偏好等，不同的標籤通過結構化的數據體系整合，就可與組合出不同的用戶畫像。

梳理標籤體系是實現用戶畫像過程中最基礎、也是最核心的工作，後續的建模、數據倉庫搭建都會依賴於標籤體系。

爲什麼需要梳理標籤體系，因爲不同的企業做用戶畫像有不同的戰略目的，廣告公司做用戶畫像是爲精準廣告服務，電商做用戶畫像是爲用戶購買更多商品，內容平臺做用戶畫像是推薦用戶更感興趣的內容提升流量再變現，金融行業做用戶畫像是爲了尋找到目標客戶的同時做好風險的控制。

所以第一步，我們要結合所在的行業，業務去分析我們用戶畫像的目的。這其實就是戰略，我們要通過戰略去指引我們最終的方向。

對於電商企業來說，可能最重要的兩個問題就是：

現有用戶 - 我的現存用戶是誰？爲什麼買我的產品？他們有什麼偏好？哪些用戶價值最高？

而對於金融企業，還要加上一條：

電商類標籤體系

可以看到電商類的標籤體系，更關注用戶的屬性，行爲等等信息。那麼我們需要的數據也就來源於用戶可提供的基本信息，以及用戶的行爲信息，這些我們可以通過埋點獲取，而用戶的訂單情況也是非常的重要的標籤。

金融類標籤體系

對於金融行業，最明顯的區別是增加了用戶的價值和用戶風險的信息。這些信息在用戶申請貸款時一般都可以提供，還有很多信息需要通過徵信獲取。

最終，不管是電商還是金融或者其他領域，我們都可以通過數據對用戶進行畫像，最終建立標籤體系，影響我們的業務，最終實現戰略目的。

下面我們來具體看一下如何一步步的分析建立整體標籤體系。

標籤的維度與類型

在我們建立用戶標籤時，首先要明確基於哪種維度去建立標籤。

一般除了基於用戶維度（userid）建立用戶標籤體系外，還有基於設備維度（cookieid）建立相應的標籤體系，當用戶沒有登錄設備時，就需要這個維度。當然這兩個維度還可以進行關聯。

而兩者的關聯就是需要 ID-Mapping 算法來解決，這也是一個非常複雜的算法。更多的時候我們還是以用戶的唯一標識來建立用戶畫像。

而標籤也分爲很多種類型，這裏參照常見的分類方式，

從對用戶打標籤的方式來看，一般分爲三種類型：1、基於統計類的標籤；2、基於規則類的標籤、3、基於挖掘類的標籤。下面我們介紹這三種類型標籤的區別：

• 統計類標籤：這類標籤是最爲基礎也最爲常見的標籤類型，例如對於某個用戶來說，他的性別、年齡、城市、星座、近 7 日活躍時長、近 7 日活躍天數、近 7 日活躍次數等字段可以從用戶註冊數據、用戶訪問、消費類數據中統計得出。該類標籤構成了用戶畫像的基礎；

• 規則類標籤：該類標籤基於用戶行爲及確定的規則產生。例如對平臺上 “消費活躍” 用戶這一口徑的定義爲近 30 天交易次數>=2。在實際開發畫像的過程中，由於運營人員對業務更爲熟悉、而數據人員對數據的結構、分佈、特徵更爲熟悉，因此規則類標籤的規則確定由運營人員和數據人員共同協商確定；

• 機器學習挖掘類標籤：該類標籤通過數據挖掘產生，應用在對用戶的某些屬性或某些行爲進行預測判斷。例如根據一個用戶的行爲習慣判斷該用戶是男性還是女性，根據一個用戶的消費習慣判斷其對某商品的偏好程度。該類標籤需要通過算法挖掘產生。

標籤的類型是對標籤的一個區分，方便我們瞭解標籤是在數據處理的哪個階段產生的，也更方便我們管理。

標籤分級分類

把標籤分成不同的層級和類別，一是方便管理數千個標籤，讓散亂的標籤體系化；二是維度並不孤立，標籤之間互有關聯；三可以爲標籤建模提供標籤子集。

梳理某類別的子分類時，儘可能的遵循 MECE 原則（相互獨立、完全窮盡），尤其是一些有關用戶分類的，要能覆蓋所有用戶，但又不交叉。比如：用戶活躍度的劃分爲核心用戶、活躍用戶、新用戶、老用戶、流失用戶，用戶消費能力分爲超強、強、中、弱，這樣按照給定的規則每個用戶都有分到不同的組裏。

標籤命名

標籤的命名也是爲了我們可以對標籤進行統一的管理，也更好識別出是什麼標籤。

這是一種非常好的命名方式，解釋如下：

標籤主題：用於刻畫屬於那種類型的標籤，如用戶屬性、用戶行爲、用戶消費、風險控制等多種類型，可用 A、B、C、D 等 字母表示各標籤主題； 標籤類型：標籤類型可劃爲分類型和統計型這兩種類型，其中分類型用於刻畫用戶屬於哪種類型，如是男是女、是否是會員、 是否已流失等標籤，統計型標籤用於刻畫統計用戶的某些行爲次數，如歷史購買金額、優惠券使用次數、近 30 日登陸次數等 標籤，這類標籤都需要對應一個用戶相應行爲的權重次數； 開發方式：開發方式可分爲統計型開發和算法型開發兩大開發方式。其中統計型開發可直接從數據倉庫中各主題表建模加工 而成，算法型開發需要對數據做機器學習的算法處理得到相應的標籤； 是否互斥標籤：對應同一級類目下（如一級標籤、二級標籤），各標籤之間的關係是否爲互斥，可將標籤劃分爲互斥關係和 非互斥關係。例如對於男、女標籤就是互斥關係，同一個用戶不是被打上男性標籤就是女性標籤，對於高活躍、中活躍、低 活躍標籤也是互斥關係； 用戶維度：用於刻畫該標籤是打在用戶唯一標識（userid）上，還是打在用戶使用的設備（cookieid）上。可用 U、C 等字 母分別標識 userid 和 cookieid 維度。

最終形成得標籤示例：

對於用戶是男是女這個標籤，標籤主題是用戶屬性，標籤類型屬於分類型，開發方式爲統計型，爲互斥關係，用戶 維度爲 userid。這樣給男性用戶打上標籤 “A111U001_001”，女性用戶打上標籤 “A111U001_002”，其中 “A111U”爲上面介紹的命名方式，“001”爲一級標籤的 id，後面對於用戶屬性維度的其他一級標籤可用 “002”、 “003” 等方式追加命名，“_”後面的 “001” 和“002”爲該一級標籤下的標籤明細，如果是劃分高、中、低活躍 用戶的，對應一級標籤下的明細可劃分爲“001”、“002”、“003”。

標籤存儲與管理

Hive 與 Druid 數倉存儲標籤計算結果集

因爲數據非常大，所以跑標籤出來的結果必須要通過 hive 和 druid 數倉引擎來完成。

在數據倉庫的建模過程中，主要是事實表和維度表的開發。

事實表依據業務來開發，描述業務的過程，可以理解爲我們對原始數據做 ETL 整理後業務事實。

而維度表就是我們最終形成的用戶維度，維度表是實時變化的，逐漸的建立起用戶的畫像。

比如用戶維度標籤：

首先我們根據之前討論的用戶指標體系，將用戶按照人口，行爲，消費等等建立相關中間表，注意表的命名。

第一張人口屬性表：

同樣的，其他的也按這種方式進行存儲，這種屬性類的計算很容易篩選出來。

然後，我們將用戶的標籤查詢出來，彙總到用戶身上：

最終用戶的標籤就形成了

當然，對於複雜的規則和算法類標籤，就需要在計算中間表時做更復雜的計算，我們需要在 Flink 裏解決這些複雜的計算，未來開發中我們會詳細的討論，這一部分先根據標籤體系把相應的表結構都設計出來。

Mysql 存儲標籤元數據

Mysql 對於小數據量的讀寫速度更快，也更適合我們對標籤定義，管理。我們也可以在前端開發標籤的管理頁面。

我們在 mysql 存儲的字段如圖所示，在頁面上提供編輯等功能，在開發標籤的過程中，就可以控制標籤的使用了。

這樣，我們的標籤體系已經根據實際的業務情況建立起來了，在明確了標籤體系以後，也就明確了我們的業務支撐，從下一章開始我們將正式開始搭建大數據集羣，接入數據，進行標籤開發，未完待續~

參考文獻

《用戶畫像：方法論與工程化解決方案》

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/2hld1eQicdl2SAkzeLrOgw