用户画像标签体系包括哪些维度？有哪些应用场景？（附完整导图）
最后更新：2020-04-09 13:19:18 手机定位技术交流文章
简介:本文详细介绍了用户标签系统的组成和应用场景。
作者赵宏天
来源:华章科技
互联网相关企业在建立用户肖像时，通常会建立一套基于用户维度(userid)的用户标签系统和一套基于用户使用设备维度(cookieid)的相应标签系统。
基于cookieid维度的标签应用程序也很容易理解。当用户在没有登录帐户的情况下访问设备时，还可以根据用户在设备上的行为将相关广告、产品和服务推送到设备上。
根据标签类型，建立的用户标签可以分为统计类、规则类和机器学习挖掘类。相关内容详见“手拉手教你制作用户肖像:3种标签类型和8个系统模块”。从已建立的标签维度，可以将其划分为用户属性类、用户行为类、用户消费类和风险控制类等常见类型。
01用户属性维度
1.常见用户属性
用户属性是描述用户的基础。常见的用户属性指标包括:用户年龄、性别、安装时间、注册状态、城市、省份、活跃登录位置、历史购买状态、历史购买金额等。
用户属性维度标签完成后，可以提供客服电话服务，帮助操作员了解用户的基本情况。
用户属性标签包括统计类、规则类、机器学习挖掘类和其他类型。本节主要介绍常见用户属性标签的主要维度。表1显示了常见的用户属性维度标签。
表1用户属性维度标签示例
表1对于相同的主标签类型，有必要确定多个标签之间的关系是否互斥。例如，当判断性别时，如果用户的性别是男性，他们不能都是女性，所以标签是互斥的。当判断用户是否在黑名单中时，用户可能同时在短信黑名单或邮件黑名单中，所以这是一种非排他性关系。
开发根据数值计数和分类的标签相对容易。例如，用户的“性别”、“年龄”、“城市”、“历史购买金额”和其他确定性标签。
然而，在开发规则类的标签之前，需要进行数据研究。例如，对于用户价值的划分(RFM)，如何确定一个用户是重要价值用户还是一般价值用户，以及如何确定用户活动的划分是高活动、中活动、低活动还是丢失，应根据数据调查给出科学的规则并进行划分。
2.用户性别
用户的性别可以细分为自然性别和购物性别。
自然性别是指用户的实际性别，可以通过用户注册信息、填写调查表等方式获得。标签只需要从相应的表中提取数据，便于处理。
用户的购物性别是指用户在购买商品时的性别取向。例如，实际性别为男性的用户可能经常为他的妻子购买女装、包和其他商品，那么用户的购物性别是女性。
02用户行为维度
用户行为是描述用户的另一个常见维度，通过它可以挖掘用户的偏好和特征。常见用户行为维度指标(见表2)包括:用户订单相关行为、下订单/访问行为、近30天用户行为类型指标、用户高频活跃时间段、用户购买类别、点击偏好、营销敏感度等相关行为。
表2用户行为维度标签示例
03用户消费维度
对于用户消费维度指标体系的构建，用户可以浏览、添加采购、下订单、收集和搜索商品对应的类别。类别越细越准确，向用户推荐或营销商品的准确性就越高。如图1所示，根据相关用户行为对应的商品类别建设指标体系，本案例准确到商品类别三。
▲图1整理用户消费维度指标
表3显示了用户消费维度的标签设计。
表3用户消费维度标签示例
这里，使用一个场景来介绍用于构建用户消费维度的标签的应用。
在女装推广过程中，渠道运营商需要在平台上筛选出高质量的用户，并通过短信、邮件、推送等渠道进行营销。他们可以通过选择女装的“浏览”、“收藏”、“附加”、“购买”、“搜索”和相关类别的标签来筛选出可能对女装感兴趣的潜在用户，并进一步组合其他标签(例如“性别”、“消费数量”、“活动”等)来筛选出相应的高质量用户组，并将它们推送到相应的渠道。
因此，商品类别被抽象为标签后，通过类别+行为的组合应用模式，可以找到目标潜在用户群。
04风险控制维度
互联网公司的用户可能会遇到犯有诸如薅羊毛、恶意盗取账单、贷款欺诈等行为的用户。为了防止此类用户给平台带来损失和风险，互联网公司需要在风险控制维度建立相关指标体系，以有效监控平台的不良用户。
例如，根据公司的业务方向，风控维度标签系统可以从账户风险、设备风险、贷款风险等维度构建。下面是风险控制维度的一些常见标签示例的详细描述，如表4所示。
表4风险控制维度标签示例
05社会属性维度
社会属性用于了解用户的家庭成员、社会关系、社会偏好、社会活动等方面，通过这些属性可以更好地为用户提供个性化服务。表5是常见社会属性维度标签的示例。
表5社会属性维度标签示例
在社交软件的日常使用中，我们可以发现社交软件中的信息流广告会根据我们的社会特征进行个性化和推陈出新。
如图2所示，结合我所在城市与电脑相关的文章、经常活跃的领域和最近的收藏，我在微信朋友圈里通过电脑营销广告得到了提升。如图3所示，根据我的星座和年龄信息，推出符合我某些特征的婚纱摄影广告。
▲图2朋友圈信息流广告——基于位置(微信截图)
▲图3朋友圈信息流广告——基于星座(微信截图)
06其他常见标签划分方法
在本文的前五部分，用户标签指标体系从五个维度进行了分类:用户属性、用户行为、用户消费、风险控制和社会属性。然而，用户标签系统的分类并不限于此，通过应用场景对标签进行分类也是标签划分的一种常见方式。图4示出了肖像标签的特定应用场景划分。
▲图4肖像标签的应用场景划分
从业务场景的角度来看，用户标签系统可以分为用户属性、用户行为、营销场景、地理细分、偏好细分、用户分层等维度。每个维度可以细分为二级标签、三级标签等。
用户属性:包括用户的年龄、性别、设备型号、安装/注册状态、职业和其他描述用户静态特征的属性。用户行为:包括用户的消费行为、购买后行为、最近n天的访问、收藏、下单、购买、售后等相关行为。偏好细分:用户对商品类别、商品价格细分、各种营销渠道、购买偏好类型、不同营销方法等的偏好特征。风险控制:考虑用户信用风险、设备使用风险和平台消费问题的风险程度。特定于服务的:应用于各种服务的标签，如测试标签、推送系统标签等。营销情景:按情景分类，根据业务需求构建一系列营销情景，激发用户的潜在需求，如差异化客户服务、情景用户、再营销用户等。地理细分:标识用户的永久城市、住宅商圈、工作商圈等信息，应用于基于用户地理位置推荐的场景中；用户分层:根据生命周期、RFM、消费水平类型、活动类型等对用户进行分层。本节提供了一个从业务场景角度对标签系统进行分类的解决方案。它为读者构建标签体系提供了另一个参考维度。
作者简介:赵宏天，高级大数据技术专家，先后获得中国地质大学(武汉)和武汉大学工程与经济学双学士学位。他在大数据、数据分析和基于数据的操作领域有多年的实践经验，擅长Hadoop和Spark等大数据技术，以及业务数据分析、数据仓库开发、爬虫、用户肖像系统建设等。
本文摘自“用户肖像:方法和工程解决方案”，经出版商授权发布。
用户肖像的扩展阅读:方法和工程解决方案
推荐:高级大数据专家数十亿级用户肖像系统经验总结，从技术、产品和运营三个维度，从0到1解释构建用户肖像系统的技术和方法。
本文由 在线网速测试 整理编辑，转载请注明出处。
