标签基础知识

标签的定义

• 要有相关的用户建模算法，从已有的用户数据中挖掘深层次的、能触及用户需求的信息，将不同数据抽象出的一个标签化的用户模型。这里，用户画像技术的核心工作即是给用户打“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识，从而对用户进行基于标签的分类和抽取

• 属性标签

  • 属性标签是描述基本特征，不需要行为产生，也不是基于规则引擎分析，例如基于用户实名认证信息，获取：性别，生日，出生日期等特征。变动频率极小，且精准性较高

• 行为标签

  • 通过不同业务渠道埋点，捕捉用户的行为数据，基于这些数据分析，形成结果描述的标签，例如如：分析用户「网购平台」,得到的结果拼多多，淘宝，京东，天猫等。这些都是需要通过行为数据来判断的标签

• 规则标签

  • 规则下分析出来的标签，更多是基于产品或者运营角度来看，例如电商平台需要对会员等级超过5级，且近7天活跃的会员发一次福利，这里就涉及两个标签应用：1.「会员等级」基于什么规则判断；2.「近7天活跃如如何判断，是基于登录，还是产生交易行为，这些都要可以动态配置，然后基于规则引擎把结果生成。基于动态的规则配置，经过计算和分析，生成描述的标签，也就是规则标签

• 拟合标签

  • 拟合类标签极具复杂性，通过对多种标签智能组合分析，给出预测描述，或者直接给出进阶定义，例如如所谓的读心术，即通过多个特征，眼神信息，判断人的心理活动。在机器学习中有一句话：通过长期对用户行为的判断和学习，机器可能比用户还了解用户

标签的特点

• 精确描述定位和搜索，具有生命周期的特性，可以计算，配置和规则化处理。可以用标签来描述各种结构和非结构化[文档、图片、视频等]的数据，从而使这些内容被高效的管理

标签的价值

• 精细运营的基础，有效提高流量精准和效率
• 帮助产品快速定位需求数据，进行精准分析
• 能帮助客户更快切入到市场周期中
• 深入的预测分析数据并作出及时反应
• 基于标签的开发智能推荐系统
• 基于某类下的数据分析，洞察行业特征

标签管理体系

• 基础标签
  • 即数据的关键标签，特点精确扁平，不可再细分，用来精确的描述数据，类似元数据。当使用多个标签组合描述数据特征，就会形成结构化的表管理。
• 标签值类型
  • 值类型：数字，字典，布尔，日期，文本框，自定义等，是对标签具体值的管理

标签生产流程

• 基础流程
  • 数据采集
  • 数据加工
  • 标签库
  • 标签业务
  • 应用层
• 数据汇聚池
  • 基于 Idmapping技术，置换唯一标识uid
  • 基于ud关联标签，放入计算池；
  • 相同的uid携带的标签会以贪吃蛇的方式
  • 不断丰富该uid下携带的标签內容；