建立用户画像的标签体系

1、建立用户画像的标签体系王建军前一篇粗略的介绍了建立用户画像的过程，连载二更进一步，以时尚杂志全媒体为业务原型，把抽象的文字描述实例化，从战略目的分析、如何建立用户画像体系、怎么对标签进行分类分层级三个不同角度来说说用户画像建立的过程。梳理标签体系是实现用户画像过程中最基础、也是最核心的工作，后续的建模、数据仓库搭建都会依赖于标签体系。业务原型介绍女性时尚杂志媒体，有以下业务线A 杂志月刊，杂志可在线订阅A 网站：时尚资讯、时尚商品库&品牌库 * 试用平台>APP ： 时尚资讯、试用平台?微信订阅号业务数据I?杂志订阅数据?仃阅用户信息、订阅信息?实体数据?用户信息 . 械讯文乏

2、. 商品信息、品牌信息、试用品信息?用户数据? 网站和 APP 访何口恋、收就文章 * 收蔵浙品、用过离品、浙品喜欢僧数 * 屮请试用记录可以获取到的数据分两类，一类是业务系统数据，一类是用户访问网站、产生的APP行为数据。用户画像战略解读厂工T"L败字化鹑提升坯莒效率用尸时 1-寻留用户、提區总牧不同的企业做用户画像有不同的战略目的，广告公司做用户画像是为精准广告服务，电商做用户画像是为用户购买更多商品，内容平台做用户画像是推荐用户更感兴趣的内容提升流量再变现。用户画像体系第和?测一电林酒审：整：杯./弘实￥辰富签鬧用注过第业务层肚划仃战略理清楚后，首先要画出描述用户画像的框架，建

3、立用户画像体系框架的目的是进一步明确用户画像的用途、把标签限定在合理的范围内。具体要结合战略目标、数据情况、应用场景来规划标签系统，选取和战略目标一致的标签维度，把标签按照应用场景进行分门别类。同时注意聚焦和收敛，不要把没用标签装进来,以降低系统的复杂性，避免无用信息干扰分析过程。标签分类和层级楂開实际业务需求、场景划分分養主嗟* 标签科度二按分黄保灯喘I： 隈&戏*? ri* tftfl142 札2? 34 興? 虹、.人口属性用户分类商业属件?余血住址?单枷 Jtrifniriiiiw悅址北 ?Wit? 中关 槽右期户相用?用户活贤童户管阳户? 用户矗力70 昭" MUB

4、, WMT 年陆特球 * RtJt. U? .箱 tr 仏札 ?一 * 慣樹胡打5K-1QK.UIK IOC* D? rBudbenii一*月收人皿金 4：时宝 " 苟阳卡農一 ?品澤出如一?*_題护 SL 观? Hi*忖方戍Miii. O4E. Pt*内容际签M>r Hermnt 怦冉閉肄EP ? MiuM uFC. 乎輒 . Pad7-9, L&- 11, 12 -13行为炼蛙?上灣 BTfflMKM 叭 51M9-Uft> UftUt it帝证証、 M ?nKBfltll 一日站订 au点巒次曾耶订， 两 iT 订賀理迥 kJ備产 Ji用，标用户画像体系和标

5、签分类从两个不同角度来梳理标签，用户画像体系偏战略和应签分类偏管理和技术实现侧。把标签分成不同的层级和类别，一是方便管理数千个标签，让散乱的标签体系化；二是维度并不孤立，标签之间互有关联；三可以为标签建模提供标签子集，例如计算美妆总体偏好度，主要使用美妆分类的标签集合。梳理某类别的子分类时，尽可能的遵循MECE 原则（相互独立、完全穷尽），尤其是一些有关用户分类的，要能覆盖所有用户，但又不交叉。比如：用户活跃度的划分为核心用户、活跃用户、新用户、老用户、流失用户，用户消费能力分为超强、强、中、弱，这样按照给定的规则每个用户都有分到不同的组里。标签分类和层级原始田户牧国宀器1 J事实人口厲性访何品牌已试用产品.1-1 . 收歳产品用户活既度?芙妆偵好度标签 M产咼谊吁预测标签标签还可以按照处理过程、标签获取的方式进行划分，分为事实标签、模型标签、标签。不同类别的处理方式不一样。事实标签：直接从原始数据中提取，例如性别、年龄、住址、上网时段等等模型标签：需要建立模型进行计算，例如美妆总体偏好度预测标签：通过预测算法挖掘，例如试用了某产品后是否想买正品按处理过程、获取计囂划分预测但是