用户画像2：数据指标体系

Question

如题所述

Answer 1

数据指标体系是构建用户画像的基础，并且在开发前是一个关键环节。这一体系需要结合具体的业务场景来制定。建立用户画像通常涉及两个维度：
1. 用户维度（userid）：基于用户的账号相关数据来推送内容。
2. 设备维度（cookie）：当用户未登录账户而通过设备访问时，根据用户在设备上的行为来推送相关内容。
用户标签根据类型可以分为统计类、规则类和机器学习挖掘类，而从建立的维度来看，可以分为用户属性类、用户行为类、用户消费类和风险控制类。标签的分类没有严格的规定，只要符合业务场景和用户需求即可。
用户属性类通常与用户的固有属性相关，例如性别、年龄、地域、注册日期、会员类型等。在同一级标签中，需要判断多个标签之间的关系是互斥还是非互斥。例如，在判断性别时，用户不能同时是男性和女性，这便是互斥关系。
传统企业通常更侧重于从用户属性类维度来丰富指标体系，而互联网企业由于拥有大量的用户访问日志数据，更容易从用户行为类数据分析用户的行为特性。
用户行为维度的常见指标包括订单相关行为、下单/访问相关行为、用户近30天行为指标、高频活跃时间段、用户购买类、点击偏好、营销敏感度等相关行为。
用户消费维度指标体系建设从用户搜索、流量、加购、收藏、下单商品对应的品类入手。品类越精细，给用户推荐的准确性越高。例如，可以将品类细分到：手机-手机配件-数据线。
风险控制维度主要是为了预防如薅羊毛、恶意刷单、借贷欺诈等行为的用户，以防止这类用户给平台带来损失，因此专门设置了风控类维度。结合业务场景，可以从账号风险、设备风险、借贷风险等维度考虑指标体系。
社交属性维度主要是了解用户的社交范围，如家庭成员、社交偏好、社交活跃度等，以此来提供个性化推荐和精准营销。例如，在朋友圈收到的广告，也是基于用户的社交属性进行的推送。
以下是整理的上述5个维度的画像主题：
二、其他常见标签维度
用户标签体系不仅限于划分维度，通过应用场景对标签进行归类也是常用的方法。从业务场景出发，可以分为用户属性、用户行为、营销场景、地域细分、偏好细分、用户分层等维度。每个维度再细分为二级标签、三级标签等。
在确定好标签后，需要对标签进行命名，以便于管理。一个标签可以从多个角度来确定唯一名称。标明属于哪个类型的标签，如人口属性（ATTRITUBE）、行为属性（ACTION）、用户消费（CONSUME）、风险控制（RISKMANAGE）等。表明该标签来源，是用户唯一标识（userid）还是用户设备（cookie），一般用U和C区分。
标签分类，统计型（01）、规则型（02）、算法型（03）。在每个标签大类下面，进一步细分的标签类型。
参照上面的命名方式，例如用户的性别标签：
命名规则：标签主题_用户维度_标签类型_一级归类
【男】：ATTRITUBE_U_01_001
【女】：ATTRITUBE_U_01_002
标签完成梳理和命名后，需要维护一张码表用例记录标签id名称、标签含义及标签口径等主要信息，方便元数据的维护与管理。
参考资料：
《用户画像：方法论与工程化解决方案》赵宏田 著