深入了解用户标签画像用户标签体系设计思路( 四 ) _标签

小红和网友张三见面喝咖啡：
张三在社交 APP 填的资料是男性。张三浓眉大眼脸型方正，穿着很有设计感的裙子。张三结账时使用刷脸支付，没有获得当天的女性九折优惠。请问，张三到底是男生，还是女生？
这个故事里，其实张三有三个性别标签。
首先是社交 APP 的资料，因为他填写了男性，所以我们可以认为他是男性，这是基于某个确切资料打的标签，这种类型叫事实标签。
张三穿的是一件很有设计感的裙子，按照我们过去的经验，一般只有女性会穿裙子，所以我们也可以认为张三是女性。这是基于我们设定的某个规则，只要有人穿裙子就是女性，去打的标签。这种类型叫规则标签。
最后，张三刷脸支付没有获得活动女性优惠。摄像头是利用算法结合多种特征去预测张三是女性的概率的，因为张三长相很阳刚，算法认为他是女性的概率比较低，所以打标签他是男性。这种类型叫算法标签。
图 10 标签生产的基本方式
上述三种标签是最基础的标签维度，下图可以帮助我们更好地理解它们。
图 11 三种标签定义的内涵
2. 标签创建场景
我们通过具体的场景，来加深对标签生产和创建的理解。累计消费金额，即用户注册以来的总消费金额，就是一个用指标值作为标签值的例子。
【深入了解用户标签画像用户标签体系设计思路】首先，这个例子是一个数值型标签，但数值型的标签不一定好用，如果这个标签是直接给到业务人员去使用的，应该先通过业务经验去把它分层，划分出高中低级别，将业务含义映射到特征上。这样业务人员在使用标签的时，就能提高业务人员的认知效率。
图 12 场景举例：将自然语言转换成配置规则
那么问题来了，业务经验可靠吗？我们评价一个规则，通常有几种标准，分别是覆盖率、准确率和召回率。从这些指标去衡量，以经验为参考的规则就不一定符合真实业务需求了。
事实上，定义标签是可以通过科学的数据分析方法进行的。
我们前面有提到，对于数值类的标签，最好通过业务经验来分层，来提高业务判断的效率。对于这种高中低分层，通常可以使用分布分析的方法。
比如还是对于「用户点击商品详情页」的次数，我可以计算它的次数分布，再按照 25%，50%，75%，75% 以上划分标签。
这样，我不仅能划出四个分层，还能保证每个层级都有很好的覆盖度。对于资产盘点分层、付费用户分层这样的标签，分布分析是一个很好用的方法。
图 13 使用分布分析进行用户标签分层
当然了，我们需要的其实不是对「用户点击商品详情页」次数的分层，而是对「用户购买意愿」有解释力的标签。算法类标可以有效地解决这个问题。

深入了解用户标签画像 用户标签体系设计思路( 四 )

猜你喜欢

深入了解用户标签画像用户标签体系设计思路( 四 )