深度解析用户画像的标签体系

什么是用户画像?

用户画像，是大数据三百六十行居家游览、装逼煽情必备的概念，它还有个相似的概念叫受众定向。个人觉得，“用户画像”这个词听起来愈加重视人口特色、日子状况这些根本静态信息，这多少有点误导：咱们要点重视的，往往是某用户“最近要不要旅行”、“预备买多少钱的车”这样能驱动直接作用的动态信息。从这层意思来看，用“受众定向”愈加精确。

俗话说，“画龙画虎难画骨，知人知面不知心。”为什么知人心这么难呢?道理很简略：猜对了也好，猜错了也罢，都是一头雾水，并没有牢靠的正确答案(术语称为“Ground Truth”)。

对此，白居易老先生早有教导：

周公惊骇谣言日，王莽谦恭未篡时，向使最初身便死，终身真伪复谁知?

用户画像，跟这个也有点相似。比方你把或人标成“足球爱好者”，对不对他自己都不必定拿得准。就拿中国足球作业的革命家、教育家高俅同志来说，他究竟算“足球爱好者”么?恐怕答案是见仁见智的。因而，先要给咱们解放下思想：除了性别、年纪这些有明晰答案的标签，其他大多数爱好标签，评论其“精确程度”是没有含义的。

用户画像的标签体系

从技能层面看，用户画像的进程比较庸俗。咱们今天来评论一个看起来最简略、却最难以把握精华的环节：怎样规划用户画像的标签体系。

什么是标签体系?

简略说便是你把用户分到多少个类里边去。当然，每个用户是能够分到多个类上的。这些类都是什么，彼此之间有何联络，就构成了标签体系。标签体系的规划有两个常见要求，一是便于检索，二是作用显著。在不同的场景下，对这两点的要求要点是不同的。笔者见过很多做用户画像的产品司理，往往醉心于规划一个巨大、 荣耀、正确的标签体系，这往往是方式主义的调调儿。

一般来说，规划一个标签体系有三种思路：

结构化标签体系

简略地说，便是标签安排成比较规整的树或森林，有明晰的层级区分和父子联系。结构化标签体系看起来整齐，又比较好解说，在面向品牌广告主开喷时比较好用。性别、年纪这类人口特色标签，是最典型的结构化体系。下图便是Yahoo!受众定向广告渠道选用的结构化标签体系。

不过，实践傍边即使是面向品牌广告主，售卖非人口特色的受众也存在很大困难，原因又回到文章最初说的问题：这些标签从原理上便是无法监测的。

半结构化标签体系

在用于作用广告时，标签规划的灵敏性大大进步了。标签体系是不是规整，就不那么重要了，只需有作用就行。在这种思路下，用户标签往往是在职业上呈现出必定的并排体系，而各职业界的标签规划则以“逮住老鼠便是好猫”为最高辅导准则，切不行拘泥于方式。下图是Bluekai聚合多家数据构成的半结构化标签体系：

当然，标签体系过分紊乱的话，投进运营起来就比较困难。因而，实践中往往还需要对必定程度的结构化做退让，除非整个投进逻辑是机器决议计划的(比方个性化重定向)。

非结构化标签体系

非结构化，便是各个标签就事论事，各自反响各自的用户爱好，彼此之间并无层级联系，也很难安排成规整的树状结构。非结构化标签的典型比方，是查找广告里用的要害词。还有Facebook用的用户爱好词，意思也相同。

半结构化标签操作上现已很困难了，非结构化的要害词为什么在商场上能够盛行呢?这首要是由于查找广告的商场位置太重要了，环绕它的要害词选择和优化，现已构成了一套老练的办法论。

面向品牌的结构化标签体系，规划的好坏好像并不太重要;而彻底非结构化的标签，也没有太多规划的需求。产品狗们碰到的难点，往往是假如规划合理的半结构化标签体系以驱动广告的实效。这儿边最要害的窍门，是深化研讨某个详细职业的用户决议计划进程。

站在天主造万物的视角，以电视台分频道的办法将用户分到财经、体育、旅行……这样的框框里去，其实并不难，也没有太大含义。真实务实的思想，是不要重视那么多的职业，把目光聚集在你现在服务的客户类型上。原本，你接的都是电商客户，重视教育职业用户分类有啥含义呢?

在确认了职业之后，要树立该职业的用户标签体系就有点儿挑战了。什么叫深化研讨用户决议计划进程呢?说白了便是要洞彻在这个职业里，用户决议买什么、不买什么的原因和逻辑。咱们举几个常见的职业阐明此事：

(1)轿车职业

先来看轿车职业，是由于这儿的用户决议计划逻辑比较明晰。一个预备购买轿车的用户，首要考虑的要素，必定是价格。有二十万预算，就买不了五十万的车，也不大会考虑十万以下的车。接下来要选择的，便是车型了。假如家里有两个孩子，十有八九会考虑七座车;要是单身贵族，没准会弄个跑车玩玩。这两项都是比较理性乃至刚性的束缚。而在这之后，才是对品牌精挑细选。

因而，轿车职业的标签体系大体应该是：价格—>车型—>品牌，留意重要程度的排序是不能错的。假如从直觉上先考虑品牌、调性，那便是方式主义的思路了。

(2)游戏职业

游戏的用户决议计划进程总体上令人难以捉摸，这是由于它有点儿电影、音乐相同的艺术性特质。而人们对艺术的喜爱，并不是理性的，也就难以总结规则。自己不玩游戏，也搞不清RPG、ACT、SLG、RTS、STG这些类型(不玩你这词儿可够熟的!)。

那么用这些分类用做标签体系行不行?这也是方式主义的思路：由于上面的分类只是为了便于游戏安排和索引，并不是用户的决议计划逻辑。莫非一个“RPG游戏爱好者”，会看到RPG就非玩不行，其他的游戏都嗤之以鼻么?

那么游戏职业就无法做了么?当然不是。要想把游戏的用户标签做好，就要深化到细分的游戏场景中去深化研讨。比方说，玩slots(老虎机)游戏的用户，往往常常换不同资料的新游戏。也便是说，将“slots”作为一个用户标签，与用户决议计划进程是相符的。而喜爱海岛奇兵游戏的用户，关于SuperCell新出的游戏也心向往之，此刻“SuperCell”这个品牌就成了有用的用户标签。

(3)电商职业

从顾客的视点来看，电商职业其实不能称为是一个职业，而是多个职业的调集。不过关于电商中典型的产品类型，例如服装，用户决议计划进程其实是适当奇妙的：某个女生看了H&M的某款裙子，其实无法推断出她要买裙子，也不必定是对H&M情有独钟，或许只是是由于该款裙子某个特别的造型。在这类产品中，“H&M”或许“连衣裙”都不必定是有用的用户标签。

因而，电商职业的实践做法咱们都看到了，根本上不依托分类，彻底以“单品+个性化引荐”的办法构建和运用标签体系。

那么，教育职业怎样做?旅行职业怎样做?这篇文章不是教材，无法逐个尽述。咱们把握了上面的思路和办法，应该能够自己触类旁通。有人会问了，那么是不是每个职业研讨透彻今后，给出一个规范的用户标签体系，就能够一了百了了么?答案是否定的，这儿边有两个原因：

大多数情况下标签体系是敞开的，并不存在一了百了的罗列成果。上面电商职业便是个很好的比方：新的产品、新的产品类别不断发生，不断地研讨和调整也就必不行少。

每家公司面向的客户都有自己共同的特色，再加上具有的数据源不同，只要依据这些灵敏调整标签体系，才或许获得最好的作用。比方教育职业，在全体上研讨用户决议计划进程，能够得到一个通用标签体系;可是假如特别重视儿童教育、考研教育、或许英语教育，明显还要研讨愈加精密的决议计划进程和标签体系。

总归，不要认为用户标签体系的规划跟编纂新华字典相同，在案头潜心研讨逻辑就能一了百了地做好。实践上，这是一项继续进行的、黑手黑脚的实战性极强的产品作业。

还有个小问题：前面咱们说了，标签无法衡量精确性，那怎样判别用户画像成果的质量呢?这儿要用到reach/CTR曲线。咱们以下图为例来说说：

上图是一条典型的reach/CTR曲线：它的横坐标即reach，表明的是某个标签(例如“轿车”)触及到的用户在全体用户中的占比;它的纵坐标即CTR，表明的是该标签的用户在对应类型的广告(上例中为轿车广告)上表现出来的点击率。

为什么会是一条曲线呢?由于咱们在做受众定向时，往往会在用户在该标签的得分上设置一个阈值，判别是否是该类型用户，跟着阈值设置的不同，reach水平就会改变，相应地CTR也就会改变。这条曲线的最右端，即reach等于100%的点，对应的CTR是该类型广告的均匀点击率，这个点跟模型无关，是固定的。而跟着reach的下降，一般来说CTR会对应进步(当然这一点没有理论上的确保)。一般来说，两条reach/CTR曲线比较时，全体处于上方的曲线有较好的定向功能。

每个交互规划师，都要好好了解一下reach/CTR曲线，从思想本源上破除“标签精确性怎样”这样的疑问。

本文转自语雀：https://www.yuque.com/miletaba/lzctuo/pxh44y

作者：miller

上一年今天运营文章2021:137个主播小课桌tips（想做主播的同学必看）(0)2021:上瘾机制：用户鼓励体系(0)2020:社群活泼详解最为有用的技巧（图片版）(0)2020:运营思想(0)2020:从零开始了解引荐体系全貌(0)