用户画像系列第二篇：标签类型

本文摘自赵宏田老师的：“用户画像：方法论与工程化解决方案”。

用户画像建模其实就是给用户“打标签”。从给用户打标签的方式来看，一般分为三种类型：1、统计类型标签；2、规则类标签；3、机器学习类标签。下面我们介绍下这三种标签的区别：

统计类标签： 这类标签是最为基础也最为常见的标签类型。例如：对于某个用户来说，其性别、年龄、城市、星座、近7日活跃时长、近7日活跃天数、近7日活跃次数等字段，可以从用户的注册数据、用户访问数据、消费数据中统计得出。该类标签是构成用户画像的基础。

规则类标签： 该类标签基于用户行为及确定的规则产生。例如：对平台上“消费活跃用户”这一口径的定义为：“近30天交易次数>=2”。在实际开发用户画像的过程中，由于运营人员对对业务更为熟悉，而数据人员对数据的结构、分布、特征更为熟悉，因此规则类标签的规则应该由运营人员和数据人员协商确定。

机器学习挖掘类标签： 该类标签通过机器学习挖掘产生，用于对用户的某些属性或者某些行为进行预判。例如，根据根据一个用户的行为习惯判断该用户是男性还是女性、根据一个用户的消费习惯判断其对某一个商品的偏好程度。该类标签需要通过算法挖掘产生。

在项目的实践中，一般统计类标签和规则类标签就可以满足应用的需求，在开发中占有的比例较大。机器学习类标签多用于预测场景，如判断用户性别、用户购买商品偏好、用户流失意向等。一般地，机器学习标签开发的周期比较长，开发成本较高，因此其开发所占的比例较小。