用户标签有哪些类型，如何进行科学分类？

转自公众号：首席数据科学家

本篇文章和大家简单介绍一下标签数据的分类。

按照不同的分类方法，标签的分类也自然不同。本文主要介绍几种最常规的分类方式，包括按照来源方式、按照业务场景、按照标签的数据类型等。

01

—

按照来源分类

首先是按照标签的来源分类。主要分为以下的几类：

（1）用户自己填写的数据生成的标签

这部分标签是用户在注册产品或者在各个模块自行填写的信息。一般就是【性别】、【生日】、【真实姓名】、【居住地】、【身份证】等

例如下图是联想的官网，用手机号注册成功后，进入个人信息页面，可以看到各种信息的填写。

互联网早期，很多网站的注册比较麻烦，必填的信息项目较多，因此能拿到的数据也就多。但随着互联网红利的消失，用户的获取愈发困难，在注册阶段收集用户信息变得越来越简洁，目前绝大部分网站的收集就只保留了手机号，用手机号及验证码即可完成注册。后续则通过一些积分、优惠等方式激励大家主动填写。

【优缺点】这部分数据用来做标签，往往是最基础的。但存在的最大的问题是标签覆盖度过低，有意愿填写的用户常常比例不过半。而且对于部分敏感信息，例如身份证、地址等，如果逼迫用户填写，用户经常会填写虚假信息。这对于后续标签画像而言，不太好用。除非是12306这种强制性的网站，对身份信息能保障。

（2）通过统计用户行为，生成的统计标签

这类标签指标是最多的。

比如可以根据订单表，统计用户的订单金额；可以根据搜索表，统计用户的搜索次。

【优缺点】这部分数据用来做标签，是比较客观的，用户的行为不会说谎。但存在的一个问题是，要对标签画像系统产生价值，需要较多的逻辑处理。例如，想给用户打一个【购买力高低】的标签，是统计最近7天的成交金额，还是最近30天的？是按照订单口径还是金额口径？是大于1万算高，还是大于1000就算高？这里都需要大量的逻辑。如果只是一个统计值，只能算是一个宽口径的半加工的标签，真正用起来的时候，存在一些障碍。

（3）通过算法生成的标签

算法，很万能。

这玩意就是，很多场景不得不用。比如，想打一个【准妈妈】标签。这时，你咋办？你想尽各种逻辑，比如最近有搜索宝宝装行为的、最近有买孕妇服的……很多特征都能反映【准妈妈】的特点，但是通过简单的逻辑，是无法实现的。这个时候，就扔给算法团队吧……他们会基于大量的特征，训练模型，最后打上【准妈妈】的标签。

【优缺点】算法标签的缺点很突出，就是费时费力，做一个标签的时间可能要一两个月，做统计标签都做了几十个了……但如果算法靠谱，效果常常也不错，对业务的价值往往也比较大。如果公司算法资源富裕，那就做吧！当然，要有业务价值哦~

（4）通过第三方采购、积累的

土豪的方式很简单，买！

比如采购点身份证信息、采购点用户的征信信息等等。

【优缺点】优点就是省事。缺点就是费钱，而且能买的标签通常都是比较通用的，一些个性化的，例如网站的访问频次等，也是不太好采购的。当然还涉及数据安全的风险。

02

—

按照数据类型分类

按照数据类型，主要分为以下几类：

（1）数值型标签

刚才上文提到的【用户最近7天购买金额】、【用户近1天浏览天数】等，这些标签都是按照一定的规则统计生成的，均是数值型标签。其实本质上和指标没有太大区别。

组成公式是：【时间范围】+【行为方式】+【统计方式】。

下图是达摩盘标签中的部分统计标签：

时间范围不说了，行为方式表示这个指标的含义，例如成交、搜索、点击等。统计方式是【计数】、【求和】、【最值】等

【优缺点】按照不同的时间范围、不同的行为方式、不同的统计方式，可以组成大量的标签。数量虽多，但是价值密度很低。因此，在成熟的标签系统中，这类标签不会大量在计算，往往是用户创建了啥就用啥。优点是比较容易生成。

（2）单值型枚举标签

这种标签可以是用户自己填写生成的，也可以是通过数值型标签进行加工，或者算法，生成的。

这类标签的最大特征，就是一个用户在这个标签中，只能有一个选项值。而且，和数值型标签的区别在于，单选型标签的选项值是可穷举的，是离散的。

例如：【用户的生命周期】，用户肯定是处于【成长期】、【成熟期】、【衰退期】、【沉睡期】其中的一个，不可能属于两个或者多个。

例如：【性别】

（3）多值型枚举标签

和单选型标签的区别就在于，一个用户可以有多个值。

同样，复选型标签也是离散值，选项是可穷举的。

例如：【用户的收货城市】，用户可以有多个城市

（4）文本型标签

这类标签最大的特征，是不连续、且不可穷举。

例如，【用户常用热搜词】，每个用户都可以有自己的常用热搜词，但热搜词的数量是巨大的，不能像单选型标签或者复选型标签那样，几个、甚至最多几十个选项，就能覆盖所有。

为啥要进行这个分类呢？

其实主要是在标签系统中，用标签筛选人群的时候有用。不同数据类型的标签，在前端的交互是一定要有区分的。这个后续详细展开。

03

—

按照业务场景分类

这种分类方式，根据各自业务的不同，就见仁见智了。

这个分类，主要是用于标签系统的标签管理，按照业务方式进行组织标签类别，有助于用户的便捷使用。

下面是阿里达摩盘的标签分类，仅供参考

以下是某司内部的标签分类：

以上，先到这。后续标签画像系统的分享将继续。