新闻中心

首页 / 新闻中心 / 公司新闻
什么是用户画像和标签?

发布时间:2019.03.25 11:39  浏览次数:  作者:文若

返回列表

一、先熟悉一些名词和概念


1. 标签(Tag)


对某一类特定群体或对象的某项特征进行的抽象分类和概括,其值(标签值)具备可分类性。


例:


对于“人”这类群体,可将“男”、“女”这类特征进行抽象概括,统称为“性别”,“性别”即一个标签;


对于“手机”这类对象,可将“骁龙835”、“骁龙845”这类特征进行抽象概括,统称为“手机处理器”,“手机处理器”即一个标签。


2. 标签值(Tag Value)


标签的实例,指某一标签所包含的具体内容,其特点是符合MECE原则(相互独立、完全穷尽)。


例:


对于标签“性别”,其标签值根据MECE原则可分为“男”、“女”、“未知”;


对于标签“年龄”,其标签值可分为“0-18”、“18-35”、“35-60”、“60-100”等。


3. 用户画像(User Profile)


由某一特定群体或对象的多项特征构成,输出结果通常是对特征的具体描述。(也可理解为用户画像是由多个标签组合而成,其实例是由多个标签值构成)。


例:


小明是用户画像的一个实例,小明的输出结果为“男“、“20”、“iPhone”、“北京”、“足球”,是由多个标签中的具体标签值构成。


4. 标签系统(Tag Library)


标签和用户画像的整合应用中心,通常由标签、标签树、画像中心构成。


二、看一段代码梳理相关关系



观察以上python代码,可发现以下信息:类=用户画像;属性=标签。


1)一个类有多个属性,用户画像也由多个标签(属性)构成


例:


性别、年龄、手机品牌、省份、爱好这一组标签构成一个用户画像;


2)画像实例由多个标签值构成


“小明”是用户画像的一个实例,即用户画像的输出结果,小明的用户画像为“今年20岁,北京人,爱好足球”,共由三个标签值构成。


看不懂代码没关系,看下图:标签、用户画像、画像实例、标签值之间的关系更加简单清晰,左侧为标签、居中为用户画像、右侧为画像实例及标签值。


《XX电商青年客户画像》由多个标签组合而成,包括年龄、性别、居住地、购物行为、兴趣爱好、支付方式等,该画像能够实现千人千面,对平台的每一名用户进行有效的勾画,勾画的结果由多个标签值构成。




三、标签类别和用户画像体系


1.标签类别


标签可分为“基础属性标签”和“业务知识标签”两类,简称“基础标签”和“知识标签”。


1)基础标签:是用来描述客户特征及行为的客观存在,不需要经过深入的转换和分析就能直接得到的属性特征,这些属性往往是用户在使用产品时直接反映出来,或者是用户本身所具有的显性属性的表现,是用户身上数据转化为信息的表现。


如上图中的年龄、性别、居住地都是基础标签,是用户客观存在的信息。


2)知识标签:具备描述某种业务场景的标签,存在主观的变化性,是基于基础标签的业务规则提炼等方法形成,是信息转化为业务知识的表现。


如上图中的购买力是知识标签,存在主观变化性,A认为月支付金额>1000为高购买力客户,B认为月支付金额必须>5000为高购买力客户。


2. 用户画像体系


用户画像体系会因为行业或业务的不同存在差异,具体划分需要结合业务进行沉淀。


一般而言,用户画像体系都是类似树形结构进行设计,可根据业务进行一级类目、二级类目、三级类目等划分。


笔者随手画了一套标签体系仅供参考:



如上图,该标签体系一共有两个层级:


第一层级为:特征、行为、需求;


第二层级为:人口统计、社会属性、使用行为、消费行为、偏好属性、潜在需求。

如人口统计类中,包含姓名、性别、年龄等标签,社会属性类中包含子女、父母、公司等标签,具体的分类都需要根据相关定义和属性进行划分。


当然,由于每个行业业务不同,标签体系没有一套标准答案,标签也不是越多越好,都需要结合具体业务进行设计和建设。


四、相关应用


标签和用户画像的应用,除了生成《XX画像报告》之外,一般在企业中有以下三种应用形式:


标签取数: 标签和用户画像的数据整合中心,可支撑业务部门的日常取数需求,也可作为其他系统的数据支撑来源。


营销推荐: 精准营销推荐是标签和用户画像重要的数据服务功能之一,通过不同的标签组合,可以圈定一批目标用户进行精准营销,数据可推送至短信平台、促销平台等进行短信、邮件、赠品的下发。


多维分析: 基于标签的用户多维分析是另一项非常重要的数据服务功能,标签可以更好的连接数据和业务人员,降低数据获取和操作的难度,赋能业务人员参与到数据分析之中。


现阶段,多数企业的标签系统投入使用年限均较短,处于初级阶段,需要建立一支专业的运营小组以保障系统的可持续运行。