導(dǎo)讀：本文詳細(xì)介紹用戶標(biāo)簽體系的構(gòu)成及應(yīng)用場景。

作者：趙宏田

來源：大數(shù)據(jù)DT（ID：hzdashuju）

互聯(lián)網(wǎng)相關(guān)企業(yè)在建立用戶畫像時(shí)一般除了基于用戶維度（userid）建立一套用戶標(biāo)簽體系外，還會基于用戶使用設(shè)備維度（cookieid）建立相應(yīng)的標(biāo)簽體系。

基于cookieid維度的標(biāo)簽應(yīng)用也很容易理解，當(dāng)用戶沒有登錄賬戶而訪問設(shè)備時(shí)，也可以基于用戶在設(shè)備上的行為對該設(shè)備推送相關(guān)的廣告、產(chǎn)品和服務(wù)。

建立的用戶標(biāo)簽按標(biāo)簽類型可以分為統(tǒng)計(jì)類、規(guī)則類和機(jī)器學(xué)習(xí)挖掘類，相關(guān)內(nèi)容在《手把手教你做用戶畫像：3種標(biāo)簽類型、8大系統(tǒng)模塊》中有詳細(xì)介紹。從建立的標(biāo)簽維度來看，可以將其分為用戶屬性類、用戶行為類、用戶消費(fèi)類和風(fēng)險(xiǎn)控制類等常見類型。

01 用戶屬性維度

1. 常見用戶屬性

用戶屬性是刻畫用戶的基礎(chǔ)。常見用戶屬性指標(biāo)包括：用戶的年齡、性別、安裝時(shí)間、注冊狀態(tài)、城市、省份、活躍登錄地、歷史購買狀態(tài)、歷史購買金額等。

用戶屬性維度的標(biāo)簽建成后可以提供客服電話服務(wù)，為運(yùn)營人員了解用戶基本情況提供幫助。

用戶屬性標(biāo)簽包含統(tǒng)計(jì)類、規(guī)則類、機(jī)器學(xué)習(xí)挖掘類等類型。本節(jié)主要介紹常見用戶屬性標(biāo)簽主要包括的維度。表2-1給出了常用的用戶屬性維度標(biāo)簽。

• 表2-1 用戶屬性維度標(biāo)簽示例

表2-1對于相同的一級標(biāo)簽類型，需要判斷多個(gè)標(biāo)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)，用戶性別為男的情況下就不能同時(shí)為女，所以標(biāo)簽之間為互斥關(guān)系；在判斷用戶是否在黑名單內(nèi)時(shí)，用戶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(jù)數(shù)值進(jìn)行統(tǒng)計(jì)、分類的標(biāo)簽開發(fā)相對容易。例如，用戶的“性別”“年齡”“城市”“歷史購買金額”等確定性的標(biāo)簽。

而在對規(guī)則類的標(biāo)簽進(jìn)行開發(fā)前則首先需要進(jìn)行數(shù)據(jù)調(diào)研。例如，對于用戶價(jià)值度劃分（RFM），如何確定一個(gè)用戶是重要價(jià)值用戶還是一般價(jià)值用戶，對于用戶活躍度的劃分如何確定是高活躍、中活躍、低活躍還是已經(jīng)流失，需要結(jié)合數(shù)據(jù)調(diào)研情況給出科學(xué)的規(guī)則并進(jìn)行劃分。

2. 用戶性別

用戶性別可細(xì)分為自然性別和購物性別兩種。

自然性別是指用戶的實(shí)際性別，一般可通過用戶注冊信息、填寫調(diào)查問卷表單等途徑獲得。該標(biāo)簽只需要從相應(yīng)的表中抽取數(shù)據(jù)即可，加工起來較為方便。

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

02 用戶行為維度

用戶行為是另一種刻畫用戶的常見維度，通過用戶行為可以挖掘其偏好和特征。常見用戶行為維度指標(biāo)（見表2-2）包括：用戶訂單相關(guān)行為、下單/訪問行為、用戶近30天行為類型指標(biāo)、用戶高頻活躍時(shí)間段、用戶購買品類、點(diǎn)擊偏好、營銷敏感度等相關(guān)行為。

• 表2-2 用戶行為維度標(biāo)簽示例

03 用戶消費(fèi)維度

對于用戶消費(fèi)維度指標(biāo)體系的建設(shè)，可從用戶瀏覽、加購、下單、收藏、搜索商品對應(yīng)的品類入手，品類越細(xì)越精確，給用戶推薦或營銷商品的準(zhǔn)確性越高。如圖2-1所示，根據(jù)用戶相關(guān)行為對應(yīng)商品品類建設(shè)指標(biāo)體系，本案例精確到商品三級品類。

▲圖2-1 用戶消費(fèi)維度指標(biāo)梳理

表2-3為用戶消費(fèi)維度的標(biāo)簽設(shè)計(jì)。

• 表2-3 用戶消費(fèi)維度標(biāo)簽示例

這里通過一個(gè)場景來介紹構(gòu)建用戶消費(fèi)維度的標(biāo)簽的應(yīng)用。

某女裝大促活動期間，渠道運(yùn)營人員需要篩選出平臺上的優(yōu)質(zhì)用戶，并通過短信、郵件、Push等渠道進(jìn)行營銷，可以通過圈選“瀏覽”“收藏”“加購”“購買”“搜索”與該女裝相關(guān)品類的標(biāo)簽來篩選出可能對該女裝感興趣的潛在用戶，進(jìn)一步組合其他標(biāo)簽（如“性別”“消費(fèi)金額”“活躍度”等）篩選出對應(yīng)的高質(zhì)量用戶群，推送到對應(yīng)渠道。

因此將商品品類抽象成標(biāo)簽后，可通過品類+行為的組合應(yīng)用方式找到目標(biāo)潛在用戶人群。

04 風(fēng)險(xiǎn)控制維度

互聯(lián)網(wǎng)企業(yè)的用戶可能會遇到薅羊毛、惡意刷單、借貸欺詐等行為的用戶，為了防止這類用戶給平臺帶來損失和風(fēng)險(xiǎn)，互聯(lián)網(wǎng)公司需要在風(fēng)險(xiǎn)控制維度構(gòu)建起相關(guān)的指標(biāo)體系，有效監(jiān)控平臺的不良用戶。

結(jié)合公司業(yè)務(wù)方向，例如可從賬號風(fēng)險(xiǎn)、設(shè)備風(fēng)險(xiǎn)、借貸風(fēng)險(xiǎn)等維度入手構(gòu)建風(fēng)控維度標(biāo)簽體系。下面詳細(xì)介紹一些常見的風(fēng)險(xiǎn)控制維度的標(biāo)簽示例，如表2-4所示。

• 表2-4 風(fēng)險(xiǎn)控制維度標(biāo)簽示例

05 社交屬性維度

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

• 表2-5 社交屬性維度標(biāo)簽示例

在日常使用社交軟件時(shí)，我們可以發(fā)現(xiàn)社交軟件中的信息流廣告會結(jié)合我們的社交特征進(jìn)行個(gè)性化推送。

• 如圖2-2所示，結(jié)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關(guān)電腦營銷的廣告。
• 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 其他常見標(biāo)簽劃分方式

本文前5節(jié)從用戶屬性、用戶行為、用戶消費(fèi)、風(fēng)險(xiǎn)控制、社交屬性共五大維度劃分歸類了用戶標(biāo)簽指標(biāo)體系。但對用戶標(biāo)簽體系的歸類并不局限于此，通過應(yīng)用場景對標(biāo)簽進(jìn)行歸類也是常見的標(biāo)簽劃分方式。圖2-4展示了具體的畫像標(biāo)簽應(yīng)用場景劃分。

▲圖2-4 畫像標(biāo)簽應(yīng)用場景劃分

從業(yè)務(wù)場景的角度出發(fā)，可以將用戶標(biāo)簽體系歸為用戶屬性、用戶行為、營銷場景、地域細(xì)分、偏好細(xì)分、用戶分層等維度。每個(gè)維度可細(xì)分出二級標(biāo)簽、三級標(biāo)簽等。

• 用戶屬性：包括用戶的年齡、性別、設(shè)備型號、安裝/注冊狀態(tài)、職業(yè)等刻畫用戶靜態(tài)特征的屬性。
• 用戶行為：包括用戶的消費(fèi)行為、購買后行為、近N日的訪問、收藏、下單、購買、售后等相關(guān)行為。
• 偏好細(xì)分：用戶對于商品品類、商品價(jià)格段、各營銷渠道、購買的偏好類型、不同營銷方式等方面的偏好特征；
• 風(fēng)險(xiǎn)控制：對用戶從征信風(fēng)險(xiǎn)、使用設(shè)備的風(fēng)險(xiǎn)、在平臺消費(fèi)過程中產(chǎn)生的問題等維度考量其風(fēng)險(xiǎn)程度；
• 業(yè)務(wù)專用：應(yīng)用在各種業(yè)務(wù)上的標(biāo)簽，如A/B測試標(biāo)簽、Push系統(tǒng)標(biāo)簽等；
• 營銷場景：以場景化進(jìn)行分類，根據(jù)業(yè)務(wù)需要構(gòu)建一系列營銷場景，激發(fā)用戶的潛在需求，如差異化客服、場景用戶、再營銷用戶等；
• 地域細(xì)分：標(biāo)識用戶的常住城市、居住商圈、工作商圈等信息，應(yīng)用在基于用戶地理位置進(jìn)行推薦的場景中；
• 用戶分層：對用戶按生命周期、RFM、消費(fèi)水平類型、活躍度類型等進(jìn)行分層劃分。

本節(jié)提供了一種從業(yè)務(wù)場景的角度出發(fā)對標(biāo)簽體系進(jìn)行歸類的解決方案。為讀者構(gòu)建標(biāo)簽體系提供了另外一種參考維度。

關(guān)于作者：趙宏田，資深大數(shù)據(jù)技術(shù)專家，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(jì)學(xué)雙學(xué)士學(xué)位。在大數(shù)據(jù)、數(shù)據(jù)分析和數(shù)據(jù)化運(yùn)營領(lǐng)域有多年的實(shí)踐經(jīng)驗(yàn)，擅長Hadoop、Spark等大數(shù)據(jù)技術(shù)，以及業(yè)務(wù)數(shù)據(jù)分析、數(shù)據(jù)倉庫開發(fā)、爬蟲、用戶畫像系統(tǒng)搭建等。

本文摘編自《用戶畫像：方法論與工程化解決方案》，經(jīng)出版方授權(quán)發(fā)布。

延伸閱讀《用戶畫像：方法論與工程化解決方案》

點(diǎn)擊上方鏈接了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

推薦語：資深大數(shù)據(jù)專家多個(gè)億級規(guī)模用戶畫像系統(tǒng)的經(jīng)驗(yàn)總結(jié)，技術(shù)、產(chǎn)品、運(yùn)營3個(gè)維度講解從0到1構(gòu)建用戶畫像系統(tǒng)的技術(shù)和方法論。