1. 首頁 > 生活百科 > >

淺析用戶標簽體系的相關知識 什么是用戶標簽體系？( 三 )

小知識用戶標簽體系


最后 ， 張三刷臉支付沒有獲得活動女性優惠 。 攝像頭是利用算法結合多種特征去預測張三是女性的概率的 ， 因為張三長相很陽剛 ， 算法認為他是女性的概率比較低 ， 所以打標簽他是男性 。 這種類型叫算法標簽 。
標簽生產的基本方式
上述三種標簽是最基礎的標簽維度 ， 下圖可以幫助我們更好地理解它們 。
三種標簽定義的內涵
2. 標簽創建場景
我們通過具體的場景 ， 來加深對標簽生產和創建的理解 。 累計消費金額 ， 即用戶注冊以來的總消費金額 ， 就是一個用指標值作為標簽值的例子 。
首先 ， 這個例子是一個數值型標簽 ， 但數值型的標簽不一定好用 ， 如果這個標簽是直接給到業務人員去使用的 ， 應該先通過業務經驗去把它分層 ， 劃分出高中低級別 ， 將業務含義映射到特征上 。 這樣業務人員在使用標簽的時 ， 就能提高業務人員的認知效率 。
場景舉例：將自然語言轉換成配置規則
那么問題來了 ， 業務經驗可靠嗎？我們評價一個規則 ， 通常有幾種標準 ， 分別是覆蓋率、準確率和召回率 。 從這些指標去衡量 ， 以經驗為參考的規則就不一定符合真實業務需求了 。
事實上 ， 定義標簽是可以通過科學的數據分析方法進行的 。
我們前面有提到 ， 對于數值類的標簽 ， 最好通過業務經驗來分層 ， 來提高業務判斷的效率 。 對于這種高中低分層 ， 通?？梢允褂梅植挤治龅姆椒?。
比如還是對于「用戶點擊商品詳情頁」的次數 ， 我可以計算它的次數分布 ， 再按照 25% ， 50% ， 75% ， 75% 以上劃分標簽 。
這樣 ， 我不僅能劃出四個分層 ， 還能保證每個層級都有很好的覆蓋度 。 對于資產盤點分層、付費用戶分層這樣的標簽 ， 分布分析是一個很好用的方法 。
使用分布分析進行用戶標簽分層
當然了 ， 我們需要的其實不是對「用戶點擊商品詳情頁」次數的分層 ， 而是對「用戶購買意愿」有解釋力的標簽 。 算法類標可以有效地解決這個問題 。
所謂的算法類標簽 ， 本質上也是在做「預測」這個事情 。 下圖所示的是神策用戶畫像產品實現的相似人群擴散功能 ， 通過提供種子用戶 ， 來學習他們的特征 ， 并預測一個用戶的標簽 。 對于「用戶購買意愿」 ， 我們可以用「實際真的有購買」過的人群 ， 來作為我們的種子用戶 ， 讓算法去學習他們的特征 。
算法型標簽：相似人群擴散
算法類標簽的好處 ， 在于它能通過交叉驗證 ， 獲得自己的預測相似度 。 我們可根據對標簽解釋力的需求 ， 設置一定相似度以上的人群 ， 打上「高用戶購買意愿」的標簽 。
算法類標簽也有壞處 ， 它是個黑盒 ， 不如規則那樣簡單明了可解釋 。
我們神策的用戶畫像產品在做算法類標簽實踐的時候 ， 也遇到了這樣的問題 。 所以 ， 一個好的算法類標簽 ， 應該還能輸出它所使用的行為特征權重 。 這樣 ， 能讓算法黑盒變成相對白盒 ， 業務人員可解釋度強 。 同時還有一個好處 ， 就是特征權重其實也展示了那些特征才是最影響業務結果的 ， 有些時候我們不是想要預測標簽 ， 而是想要知道什么特征對轉化更重要 。
四. 如何利用好用戶畫像分析賦能業務落地？
1. 用戶畫像的用法
我們在前面有提到 ， 標簽體系的用途 ， 其實主要是兩大類 ， 一類是分析洞察獲取業務靈感 ， 另一類就是輸出賦能精細化運營和數據產品系統使用 。
對于標簽體系來說 ， 利用標簽去篩選目標客群 ， 并且輸出人群列表 ， 其實是最簡單直接的一種應用方法 。 通過組合多個基礎標簽 ， 可以快速做到很精細的目標人群輸出 。
當然 ， 這也對我們的基礎標簽梳理有一定的要求 。
圖 15 畫像基礎用法：篩選客群輸出
同時 ， 當標簽數據能與數據產品系統打通的時候 ， 它就會變成強有力的武器 。
神策在這方面的解決方案 ， 是將用戶標簽和與智能運營平臺進行數據打通 ， 這樣可實現精準篩選受眾用戶 ， 并且基于用戶的行為去實時觸發各種推送、短信、彈窗或優惠券策略 。 可以助力運營部門快速試驗不同的精細化運營策略 ， 以及將成功的運營策略自動化 。
畫像與智能運營平臺的結合
在試驗運營策略之前 ， 有一件事情必不可少 ， 那就是對我們的目標人群做精細的用戶畫像分析 。
2. 用戶畫像應用場景示例
我們以一個具體用例來講解用戶畫像的洞察 。

推薦閱讀