文：程季堃
用户画像-标签体系几乎是各个企业对于用户运营的“刚需”，其建立并非是独立的分析操作，而是需要企业各部门协作，从而输出：数据即画像结果转入数据库、数据仓库或文件系统，及相关系统即实现工程化的画像系统底层功能及逻辑。
对于该体系的构建，通常需要公司众多部门的参与，如：IT部门负责项目或工程实现，数据部门负责数据规划、管理、定义以及结果使用，以及涉及众多与“用户”直接相关的业务运营部门负责画像功能、预期落地等方面的需求提出，以及未来落地的辅助。
关于用户分析，之前我们曾发布过《不会做用户分析？这些方法你应该了解》的文章，今天这篇文章将着重于用户画像标签体系的规划方法、框架和后续分析应用场景的完善等方向，希望可以帮助大家建立起完整的用户“描绘”角度，并拓展相关分析思路，从而做好用户画像-标签。
01需求调研：获取我们需要的数据
如前文中提及，用户画像和标签体系需要企业各部门的协作创建，特别是在初期用户量稀少的情况下，基于产品定位和业务部门需求、通过大量用户及行业调研初步梳理出预设用户标签。
当我们逐步累积大量用户进入到发展期后，基于企业内部的数据沉淀可获得更精准的用户标签。对原始数据进行抽取、清洗、存储，根据不同的应用场景对标签及其权重实施计算，甚至衍生出新特征标签，从而完善用户标签。
无论是初期从企业部门业务需求中提炼，或是发展时期从累计数据中获取，对于用户标签来说最重要的则是原始数据。
那么我们应该获取哪些数据呢？这就好比我们要结交一个朋友，想要了解他长什么样子、喜欢做什么、我们如何认识的、他的社会背景等等，得到了获取的信息即数据的角度，包括：属性、行为、来源、社交，另外结合实际可还有营销。
02术语概念：理解我们创建的标签
标签（Tag）
构成用户画像的核心要素，类似维度，对特定群组对象进行抽象概括形成各特征。即“上文”获取的数据，提炼分析后生成具有差异性特征值的词条。例如“18-25岁”“25-35岁”这些差异值进行抽象概括得到“中青年”这个词条。
通常我们获得的用户标签可以大致分为以下三类：
1、基于事实的标签：男女性别；
2、基于规则的标签：转化率>1.50%的高转化率；
3、基于算法的标签：预测未来7天会发生购买行为的潜在转化用户。
标签值（Tag Value）
标签的实例即词条内的具体内容，一般是离散化的值或者数据预处理Encode categorical features之后的0-1值，不重不漏遵循MECE原则。
标签层级 （Tag Tiers）
通常需要根据业务需求对标签进行划分，即产生标签层级。用户画像-标签体系也常以类似树形结构进行设计，包含一级、二级、三级类目等更多层级。
权重（Tag Weights）
依据标签的重要性所赋予的量化标准。其中包含通用权重即不涉及特殊应用场景或目标的标签权重，以及场景化目标权重即根据不同应用场景单独设置的标签权重。
用户画像（User Profile）
可理解为标签化用户模型，即多个标签的集合，由多个标签值构成。我们用这些高度概括且容易理解的特征词条来描述特定用户或用户群体，方便人和机器理解并处理优化。
03体系构建：用户画像-标签体系
创建标签要依据业务场景，而为用户贴标签建立画像常用两种方式，用户端创建或企业端创建。简单来讲，就是用户是否主动来“描绘自己”。
用户端创建标签
用户主动给自己选择标签。用户在初期触达时手动选择自己感兴趣的标签，从而触发标签机制，后台系统进行收录即数据匹配。这种方式多应用在社交类产品，希望能达到高效且千人千面的准确性，但其亦存在些许不足之处，如用户跳过选择或选择相近项而导致的低效数据，或带有用户主观片面性等。
企业端创建标签
企业内部给用户匹配标签。前期多由业务方临时手动为用户打标签；后期系统使用技术批量，结合用户前端的行为操作，通过统计分析方法、机器学习或数据挖掘算法、或预测性算法，自动为数据对象创建相应或类似的标签。该方式弥补了用户主动选择的不足，但在初期的人工操作成本相对较高。
用户画像-标签体系的创建重在全面。围绕业务目标，将创建的、零散的、原始的标签组合成可加以利用分析的标签集合。根据业务需求差异性进行相应划分，常通过树型结构层级来展现。结合前文中获取数据的角度类型，我们可以得到如下体系结构：
属性：一方面为用户相关、固定不变的基础信息，多为基于事实的标签；另一方面针对企业CRM收集的用户数据或将作进一步分析得出的结果。
行为：先关注在不同时间段的总体行为，包含用户的通用行为以及目标转化相关行为；从用户行为中我们可以进一步分析得出这两类行为的用户偏好。
社交：关注整体社交版面/页面排行情况；针对“人”关注其所属群组及其对外部推荐的意向性，对于“行为”关注在常用的社交平台操作使用上。
营销：投放活动的相关信息及成效收益。
风控：企业运营应对风险有所感知。还原风险触发方式，定位用户群体并提炼其特征，考虑特殊行业场景下的借贷款行为、通用安全、以及预警级别。
其他：针对部分特殊场景业务。
04应用实践：放到实际场景环境中去
用户也在不断探索更新自己的实际需求，因此打上的标签并非一劳永逸、万事大吉，需投放到实际场景中应用评估，结合新的用户行为数据持续优化标签。
如下总结了通常企业会将用户画像-标签体系应用到的三类场景，并加以示例说明：
1、分析型项目：
通过原始用户数据进行分析，提炼对象或群体相关特征。可为无显著应用需求分析，即以整体用户为对象的普遍特征提取的导向性分析，多在宏观用户视角、或业务初期无明显用户特殊属性/行为的场景下；也可为带有问题场景或需求导向型分析，如进行某转化行为的用户特征提取、购买某商品的用户分析等，着重于分析后的应用性。
2、应用型项目：
非概括性项目，需结合具体应用场景。如广告点击率预测，除出价外构成竞价排名中质量得分的部分要素；流失用户预测，用于构成用户生命周期管理中召回人群定位的分析因素；再或精准营销，挑选最有可能转化的潜力用户，从而通过广告、邮件、信息等方式开展推广活动等等。
3、产品型项目：
将建立的用户画像-标签体系作为系统/项目的数据集合部分。如围绕企业内用户主题的CRM/DMP/数据仓库/数据管理平台的必要组成部分；产品等推荐系统的重要数据组成部分；精准营销应用系统的组成部分；反欺诈系统的识别、匹配及预测功能的基础库等等。
无论哪种场景类型，用户画像-标签体系都需要根据业务场景和目标进行评估和持续调整优化。我们常见的评估方式则是A/B Test，以标签为参考的测试组和以业务为导向的对照组进行实验；另外，如分类标签，还可进行基于实际效果对比预测拟定的校验。评估后切勿忽略体系优化，即有评估结果依据的体系建立循环往复。
总之，标签数据越精确，用户画像自然越清晰，产品设计则会更得人心。
画像解决方案是触脉众多数据咨询解决方案之一。我们的画像解决方案包括用户画像、广告渠道画像、商品画像等多种画像主体：
- 用户画像是各个企业经营的核心，决定了对用户（包括匿名访客、注册登录用户、订单用户、复购用户等）的认知
- 广告渠道画像是对广告营销渠道的全新认知方式，这是企业做营销管理的重要基石
- 商品画像是电商和销售类企业的售卖主体，这里的“商品”包含了多种实体商品、虚拟商品和服务器等，凡是能售卖的对象这里都成为“商品”
如果您需要了解更多关于用户画像解决方案的详细内容，以及更多触脉咨询针对企业的通用解决方案，比如个性化推荐、数据化运营解决方案等，您都可以通过扫描下方二维码与我们联系。
关于触脉咨询
- 触脉咨询（TRUEMETR1CS）成立于2012年，是一家 100%中国资本的数据咨询公司。
- 目前已成为谷歌营销平台认证合作伙伴（GoogleMarketing Platform Partner)Adobe Community Partner、百度分析云、竞争对手分析工具Similarweb以及数据隐私解决方案OneTrust的合作伙伴。
- 我们的愿景是通过数据为企业在营销、运营及转化方面的战略支持和技术方法。
- 我们专注于跨境电商、高科技品牌出海、消费品、游戏等全球化行业，帮助众多知名企业推进数字化转型的进程，为他们输出高质量的数据分析和技术服务，在业内获得广泛好评
联系触脉咨询
关注触脉咨询公众号
