數(shù)據(jù)標(biāo)簽體系要如何建立？

為什么要先介紹標(biāo)簽體系？

一個(gè)推薦系統(tǒng)效果好與壞最基本的保障、最基礎(chǔ)的是什么？如果讓我來回答，一定是標(biāo)簽體系。我這里說的標(biāo)簽主要是針對物料的，對于電商平臺(tái)來說就是商品；對于音樂平臺(tái)來說就是每一個(gè)首歌，對于新聞資訊平臺(tái)來說就是每一條新聞。

以京東的標(biāo)簽體系中的京東超市為例用思維導(dǎo)圖來拆解，后面我們會(huì)詳細(xì)的介紹如何構(gòu)建標(biāo)簽體系。

這里對京東超市標(biāo)簽拆解粒度到三只松鼠年貨大禮包的實(shí)體級(jí)別，實(shí)際上各個(gè)公司的標(biāo)簽體系大致都是如下構(gòu)成

一、二、三級(jí)分類體系都很好理解，參考京東超市的拆解，相信大家就會(huì)明白。標(biāo)簽體系中實(shí)體標(biāo)簽和概念標(biāo)簽不好理解。

實(shí)體標(biāo)簽

必須是名詞，且必須是唯一指代。

學(xué)術(shù)性的解釋逼格高，但是不容易理解，回答下面的問題

老板問：蘋果，是實(shí)體標(biāo)簽嗎？

給你三秒鐘思考

你回答：是！

老板說：錯(cuò)！

你懵逼：靠！為啥不是？

實(shí)體標(biāo)簽的要求：名詞，且唯一指代。

蘋果，是名詞，但不是唯一指代，蘋果 = 科技公司、手機(jī)、水果、牛仔褲

概念標(biāo)簽

難道我就不能用“蘋果”了嗎？當(dāng)然可以用，只不過要給它另外起個(gè)名字：概念標(biāo)簽。

概念標(biāo)簽通常表示的是“一類”或“某種相似”的內(nèi)容，例如

主題詞

這里以之家的標(biāo)簽體系舉例，要給買車用戶推薦評(píng)測導(dǎo)購（一級(jí)）的文章，用戶畫像中車的品牌（二級(jí)）偏好太粗，而實(shí)體標(biāo)簽如奔馳GLC又太細(xì)，填補(bǔ)這中間的粒度空白，滿足用戶購車意圖的畫像，就加入“代步優(yōu)選”的主題詞，這樣不僅保持了推薦的多樣性，又不至于過分精準(zhǔn)而導(dǎo)致的極度收斂。

以上大致介紹了一下標(biāo)簽體系，那么我們接下介紹一下如何構(gòu)建標(biāo)簽體系以及其構(gòu)建過程中應(yīng)遵循的一些原則。

標(biāo)簽體系構(gòu)建原則

原則一、放棄?而全的框架，以業(yè)務(wù)場景倒推標(biāo)簽需求

原則二、標(biāo)簽生成自助化，解決效率和溝通成本

原則三、有效的標(biāo)簽管理機(jī)制

分別解釋以下為什么提煉出這三個(gè)原則，分別用于解決什么問題？

關(guān)于第一項(xiàng)原則：

每個(gè)公司的產(chǎn)品、運(yùn)營、商務(wù)對標(biāo)簽的訴求有較大的差異，同時(shí)不同的運(yùn)營團(tuán)隊(duì)的訴求也存在很大差異，?而全的標(biāo)簽框架實(shí)際是站在用戶視角搭建的，但是標(biāo)簽的真正應(yīng)用者是業(yè)務(wù)方，所以應(yīng)該從業(yè)務(wù)視角來實(shí)現(xiàn)。

因此最佳的處理方式是，我們應(yīng)該放棄頂層的用戶抽象視角，針對各業(yè)務(wù)線或部門的訴求和實(shí)際的應(yīng)用場景，分別將標(biāo)簽聚類起來提供給相應(yīng)部門。

之家就是非常典型的情況，商業(yè)同學(xué)更關(guān)心用戶的消費(fèi)能力相關(guān)的標(biāo)簽；自駕游負(fù)責(zé)同學(xué)更關(guān)心用戶的位置和出行相關(guān)的標(biāo)簽；車友圈的同學(xué)更關(guān)注用戶的社交活躍相關(guān)的標(biāo)簽；所以不可能一套標(biāo)簽覆蓋整個(gè)運(yùn)營團(tuán)隊(duì)， 這種以業(yè)務(wù)場景倒推標(biāo)簽需求的方法，能夠與業(yè)務(wù)場景貼合更緊密，可用性上升。

關(guān)于第二項(xiàng)原則：

1.標(biāo)簽生成的自助化能夠讓溝通成本降最低。前面講到各業(yè)務(wù)線對標(biāo)簽的定義的理解不同，需要標(biāo)簽系統(tǒng)建設(shè)團(tuán)隊(duì)花費(fèi)大量的時(shí)間溝通。如果能夠讓業(yè)務(wù)方自己定義規(guī)則，這必然是溝通成本最低的方式。

2.標(biāo)簽生成的自助化，可重復(fù)修改的規(guī)則，降低無效標(biāo)簽的堆積。業(yè)務(wù)一直在發(fā)展，如果規(guī)則一成不變則很難跟上業(yè)務(wù)節(jié)奏的變化。我曾拜訪過一家電商，他們發(fā)現(xiàn)半年前定義“母嬰客戶群”的轉(zhuǎn)化率一直在降低，因此根據(jù)實(shí)際情況重新修改和定義了“母嬰客戶群”規(guī)則，并命名為“母嬰客戶群（新）”，這時(shí)之前的規(guī)則是無效的，且會(huì)一直占據(jù)計(jì)算資源……諸如此類，如果支持規(guī)則重復(fù)修改的話，這一類無效標(biāo)簽就會(huì)大量地消失。

3.釋放數(shù)據(jù)團(tuán)隊(duì)人力，釋放業(yè)務(wù)團(tuán)隊(duì)的想象力。數(shù)據(jù)團(tuán)隊(duì)?wèi)?yīng)該花較多的精力在企業(yè)的整個(gè)數(shù)據(jù)中臺(tái)或新業(yè)務(wù)模型方面，而不是處理各業(yè)務(wù)線的標(biāo)簽訴求和標(biāo)簽維護(hù)上，自動(dòng)化的標(biāo)簽生成能夠極大限度地節(jié)省人力和釋放團(tuán)隊(duì)想象力。

關(guān)于第三項(xiàng)原則：

1.規(guī)則及元信息維護(hù)：標(biāo)簽相關(guān)的規(guī)則和元信息要盡可能的暴露給使用者，讓使用者在使用的時(shí)候，能清楚知道標(biāo)簽的規(guī)則是什么、創(chuàng)建者是誰、維護(hù)者是誰、標(biāo)簽的更新頻率周期等，而不是沒有規(guī)則，或者將規(guī)則存在標(biāo)簽建設(shè)團(tuán)隊(duì)內(nèi)部的一個(gè) word 文檔中。

2.調(diào)度機(jī)制及信息同步：標(biāo)簽之間有一些關(guān)聯(lián)，標(biāo)簽之間的鏈條斷裂，是否有個(gè)調(diào)度機(jī)制或者信息同步機(jī)制讓大家的工作不被影響。

3.高效統(tǒng)一的輸出接口：將所有的業(yè)務(wù)信息和用戶數(shù)據(jù)信息匯總在一起，有統(tǒng)一的輸出接口，改變之前需要針對不同的業(yè)務(wù)系統(tǒng)開發(fā)不同接口的情況。

我們回顧標(biāo)簽體系構(gòu)建的三原則，本質(zhì)上是解決了價(jià)值、手段、可持續(xù)性三方面的問題：以業(yè)務(wù)場景倒推需求，讓業(yè)務(wù)方用起來作為最終目標(biāo)，讓標(biāo)簽系統(tǒng)價(jià)值得以實(shí)現(xiàn)；標(biāo)簽生成的自助化，它解決的是我們用什么樣的手段去實(shí)現(xiàn)價(jià)值；有效的標(biāo)簽管理機(jī)制，意味著一套標(biāo)簽體系能否可持續(xù)性地在一家企業(yè)里面運(yùn)作下去。

總之，對企業(yè)最重要的是：一套標(biāo)簽系統(tǒng)能不能在業(yè)務(wù)上用起來，能不能覆蓋更廣泛的需求，而不是一個(gè)大而全的框架。

標(biāo)簽體系構(gòu)建的方法

標(biāo)簽體系的實(shí)施架構(gòu)

標(biāo)簽體系架構(gòu)可以分為三個(gè)部分：數(shù)據(jù)加工層，數(shù)據(jù)服務(wù)層，數(shù)據(jù)應(yīng)用層。每個(gè)層面面向用戶對象不一樣，處理事務(wù)有所不同。層級(jí)越往下，與業(yè)務(wù)的耦合度就越小。層級(jí)越往上，業(yè)務(wù)關(guān)聯(lián)性就越強(qiáng)

數(shù)據(jù)加工層。數(shù)據(jù)加工層收集，清洗和提取來處理數(shù)據(jù)。M公司有多個(gè)產(chǎn)品線：電商交易，電子書閱讀，金融支付，智能硬件等等。每個(gè)產(chǎn)品線的業(yè)務(wù)數(shù)據(jù)又是分屬在不同位置。為了搭建完善的用戶標(biāo)簽體系，需要盡可能匯總最大范圍內(nèi)的數(shù)據(jù)。同時(shí)每個(gè)產(chǎn)品線的也要集合所有端的數(shù)據(jù)，比如：App，web，微信，其它第三方合作渠道。

收集了所有數(shù)據(jù)之后，需要經(jīng)過清洗：去重，去刷單數(shù)據(jù)，去無效數(shù)據(jù)，去異常數(shù)據(jù)等等。然后再是提取特征數(shù)據(jù)，這部分就要根據(jù)產(chǎn)品和運(yùn)營人員提的業(yè)務(wù)數(shù)據(jù)要求來做就好。

數(shù)據(jù)業(yè)務(wù)層。數(shù)據(jù)加工層為業(yè)務(wù)層提供最基礎(chǔ)數(shù)據(jù)能力，提供數(shù)據(jù)原材料。業(yè)務(wù)層屬于公共資源層，并不歸屬某個(gè)產(chǎn)品或業(yè)務(wù)線。它主要用來維護(hù)整個(gè)標(biāo)簽體系，集中在一個(gè)地方來進(jìn)行管理。

在這一層，運(yùn)營人員和產(chǎn)品能夠參與進(jìn)來，提出業(yè)務(wù)要求：將原材料進(jìn)行切割。主要完成以下核心任務(wù)：

定義業(yè)務(wù)方需要的標(biāo)簽。

創(chuàng)建標(biāo)簽實(shí)例。

執(zhí)行業(yè)務(wù)標(biāo)簽實(shí)例，提供相應(yīng)數(shù)據(jù)。

數(shù)據(jù)應(yīng)用層。應(yīng)用層的任務(wù)是賦予產(chǎn)品和運(yùn)營人員標(biāo)簽的工具能力，聚合業(yè)務(wù)數(shù)據(jù)，轉(zhuǎn)化為用戶的槍火彈藥，提供數(shù)據(jù)應(yīng)用服務(wù)。

業(yè)務(wù)方能夠根據(jù)自己的需求來使用，共享業(yè)務(wù)標(biāo)簽，但彼此業(yè)務(wù)又互不影響。實(shí)踐中可應(yīng)用到以下幾塊：

智能營銷

Feed流推薦

個(gè)性化消息push

標(biāo)簽體系的設(shè)計(jì)

1.業(yè)務(wù)梳理

以業(yè)務(wù)需求為導(dǎo)向，可以按下面的思路來梳理標(biāo)簽體系：

有哪些產(chǎn)品線？產(chǎn)品線有哪些來源渠道？一一列出。

每個(gè)產(chǎn)品線有哪些業(yè)務(wù)對象？比如用戶，商品。

最后再根據(jù)對象聚合業(yè)務(wù)，每個(gè)對象涉及哪些業(yè)務(wù)？每個(gè)業(yè)務(wù)下哪些業(yè)務(wù)數(shù)據(jù)和用戶行為？

結(jié)果類似如下：

2.標(biāo)簽分類

按業(yè)務(wù)需求梳理了業(yè)務(wù)數(shù)據(jù)后，可以繼續(xù)按照業(yè)務(wù)產(chǎn)出對象的屬性來進(jìn)行分類，主要目的：

方便管理標(biāo)簽，便于維護(hù)和擴(kuò)展。

結(jié)構(gòu)清晰，展示標(biāo)簽之間的關(guān)聯(lián)關(guān)系。

為標(biāo)簽建模提供子集。方便獨(dú)立計(jì)算某個(gè)標(biāo)簽下的屬性偏好或者權(quán)重。

梳理標(biāo)簽分類時(shí)，盡可能按照MECE原則，相互獨(dú)立，完全窮盡。每一個(gè)子集的組合都能覆蓋到父集所有數(shù)據(jù)。標(biāo)簽深度控制在四級(jí)比較合適，方便管理，到了第四級(jí)就是具體的標(biāo)簽實(shí)例。

3.標(biāo)簽的模型

按數(shù)據(jù)的實(shí)效性來看，標(biāo)簽可分為

靜態(tài)屬性標(biāo)簽。長期甚至永遠(yuǎn)都不會(huì)發(fā)生改變。比如性別，出生日期，這些數(shù)據(jù)都是既定的事實(shí)，幾乎不會(huì)改變。

動(dòng)態(tài)屬性標(biāo)簽。存在有效期，需要定期地更新，保證標(biāo)簽的有效性。比如用戶的購買力，用戶的活躍情況。

從數(shù)據(jù)提取維度來看，標(biāo)簽數(shù)據(jù)又可以分為類型。

事實(shí)標(biāo)簽。既定事實(shí)，從原始數(shù)據(jù)中提取。比如通過用戶設(shè)置獲取性別，通過實(shí)名認(rèn)證獲取生日，星座等信息。

模型標(biāo)簽。沒有對應(yīng)數(shù)據(jù)，需要定義規(guī)則，建立模型來計(jì)算得出標(biāo)簽實(shí)例。比如支付偏好度。

預(yù)測標(biāo)簽。參考已有事實(shí)數(shù)據(jù)，來預(yù)測用戶的行為或偏好。比如用戶a的歷史購物行為與群體A相似，使用協(xié)同過濾算法，預(yù)測用戶a也會(huì)喜歡某件物品。

4.標(biāo)簽的處理

為什么要從兩個(gè)維度來對標(biāo)簽區(qū)分？這是為了方便用戶標(biāo)簽的進(jìn)一步處理。

靜態(tài)動(dòng)態(tài)的劃分是面向業(yè)務(wù)維度，便于運(yùn)營人員理解業(yè)務(wù)。這一點(diǎn)能幫助他們：

理解標(biāo)簽體系的設(shè)計(jì)。

表達(dá)自己的需求。

事實(shí)標(biāo)簽，模型標(biāo)簽，預(yù)測標(biāo)簽是面向數(shù)據(jù)處理維度，便于技術(shù)人員理解標(biāo)簽?zāi)K功能分類，幫助他們：

設(shè)計(jì)合理數(shù)據(jù)處理單元，相互獨(dú)立，協(xié)同處理。

標(biāo)簽的及時(shí)更新及數(shù)據(jù)響應(yīng)的效率。

以上面的標(biāo)簽圖表為例，面臨以下問題：

屬性信息缺失怎么辦？比如，現(xiàn)實(shí)中總有用戶未設(shè)置用戶性別，那怎么才能知道用戶的性別呢？

行為屬性，消費(fèi)屬性的標(biāo)簽?zāi)懿荒莒`活設(shè)置？比如，活躍運(yùn)營中需要做A/B test，不能將品牌偏好規(guī)則寫死，怎么辦？

既有的屬性創(chuàng)建不了我想要的標(biāo)簽？比如，用戶消費(fèi)能力需要綜合結(jié)合多項(xiàng)業(yè)務(wù)的數(shù)據(jù)才合理，如何解決？

模型標(biāo)簽的定義解決的就是從無到有的問題。建立模型，計(jì)算用戶相應(yīng)屬性匹配度?，F(xiàn)實(shí)中，事實(shí)標(biāo)簽也存在數(shù)據(jù)缺失情況。

比如用戶性別未知，但是可以根據(jù)用戶瀏覽商品，購買商品的歷史行為來計(jì)算性別偏好度。當(dāng)用戶購買的女性化妝品和內(nèi)衣較多，偏好值趨近于性別女，即可以推斷用戶性別為女。

模型計(jì)算規(guī)則的開放解決的是標(biāo)簽靈活配置的問題。運(yùn)營人員能夠根據(jù)自己的需求，靈活更改標(biāo)簽實(shí)例的定義規(guī)則。比如圖表中支付頻度實(shí)例的規(guī)則定義，可以做到：

時(shí)間的開放。支持時(shí)間任意選擇：昨天，前天，近x天，自定義某段時(shí)間等等。

支付筆數(shù)的開放。大于，等于，小于某個(gè)值，或者在某兩個(gè)值區(qū)間。

標(biāo)簽的組合解決就是標(biāo)簽擴(kuò)展的問題。除了原有屬性的規(guī)則定義，還可以使用對多個(gè)標(biāo)簽進(jìn)行組合，創(chuàng)建新的復(fù)合型標(biāo)簽。比如定義用戶的消費(fèi)能力等級(jí)。

標(biāo)簽最終呈現(xiàn)的形態(tài)要滿足兩個(gè)需求：

標(biāo)簽的最小顆粒度要觸達(dá)到具體業(yè)務(wù)事實(shí)數(shù)據(jù)，同時(shí)支持對應(yīng)標(biāo)簽實(shí)例的規(guī)則自定義。

不同的標(biāo)簽可以相互自由組合為新的標(biāo)簽，同時(shí)支持標(biāo)簽間的關(guān)系，權(quán)重自定義。

原文標(biāo)題：干貨！如何建立數(shù)據(jù)標(biāo)簽體系

文章出處：【微信公眾號(hào)：數(shù)據(jù)分析與開發(fā)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq