干貨！如何建立數(shù)據(jù)標簽體系

一個推薦系統(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，一定是標簽體系。我這里說的標簽主要是針對物料的，對于電商平臺來說就是商品；對于音樂平臺來說就是每一個首歌，對于新聞資訊平臺來說就是每一條新聞。

標簽體系概覽

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

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

一、二、三級分類體系都很好理解，參考京東超市的拆解，相信大家就會明白。標簽體系中實體標簽和概念標簽不好理解。

實體標簽

必須是名詞，且必須是唯一指代。

學術(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，是實體標簽嗎？

• 給你三秒鐘思考

• 你回答：是！

• 老板說：錯！

• 你懵逼：靠！為啥不是？

實體標簽的要求：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、水果、牛仔褲

概念標簽

難道我就不能用“蘋果”了嗎？當然可以用，只不過要給它另外起個名字：概念標簽。

概念標簽通常表示的是“一類”或“某種相似”的內(nèi)容，例如

主題詞

這里以之家的標簽體系舉例，要給買車用戶推薦評測導購（一級）的文章，用戶畫像中車的品牌（二級）偏好太粗，而實體標簽如奔馳GLC又太細，填補這中間的粒度空白，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，又不至于過分精準而導致的極度收斂。

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

標簽體系構(gòu)建原則

原則一、放棄?而全的框架，以業(yè)務場景倒推標簽需求

原則二、標簽生成自助化，解決效率和溝通成本

原則三、有效的標簽管理機制

分別解釋以下為什么提煉出這三個原則，分別用于解決什么問題？

關(guān)于第一項原則：

每個公司的產(chǎn)品、運營、商務對標簽的訴求有較大的差異，同時不同的運營團隊的訴求也存在很大差異，?而全的標簽框架實際是站在用戶視角搭建的，但是標簽的真正應用者是業(yè)務方，所以應該從業(yè)務視角來實現(xiàn)。

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

之家就是非常典型的情況，商業(yè)同學更關(guān)心用戶的消費能力相關(guān)的標簽；自駕游負責同學更關(guān)心用戶的位置和出行相關(guān)的標簽；車友圈的同學更關(guān)注用戶的社交活躍相關(guān)的標簽；所以不可能一套標簽覆蓋整個運營團隊， 這種以業(yè)務場景倒推標簽需求的方法，能夠與業(yè)務場景貼合更緊密，可用性上升。

關(guān)于第二項原則：

1.標簽生成的自助化能夠讓溝通成本降最低。前面講到各業(yè)務線對標簽的定義的理解不同，需要標簽系統(tǒng)建設(shè)團隊花費大量的時間溝通。如果能夠讓業(yè)務方自己定義規(guī)則，這必然是溝通成本最低的方式。

2.標簽生成的自助化，可重復修改的規(guī)則，降低無效標簽的堆積。業(yè)務一直在發(fā)展，如果規(guī)則一成不變則很難跟上業(yè)務節(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）”，這時之前的規(guī)則是無效的，且會一直占據(jù)計算資源……諸如此類，如果支持規(guī)則重復修改的話，這一類無效標簽就會大量地消失。

3.釋放數(shù)據(jù)團隊人力，釋放業(yè)務團隊的想象力。數(shù)據(jù)團隊應該花較多的精力在企業(yè)的整個數(shù)據(jù)中臺或新業(yè)務模型方面，而不是處理各業(yè)務線的標簽訴求和標簽維護上，自動化的標簽生成能夠極大限度地節(jié)省人力和釋放團隊想象力。

關(guān)于第三項原則：

1.規(guī)則及元信息維護：標簽相關(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候，能清楚知道標簽的規(guī)則是什么、創(chuàng)建者是誰、維護者是誰、標簽的更新頻率周期等，而不是沒有規(guī)則，或者將規(guī)則存在標簽建設(shè)團隊內(nèi)部的一個 word 文檔中。

2.調(diào)度機制及信息同步：標簽之間有一些關(guān)聯(lián)，標簽之間的鏈條斷裂，是否有個調(diào)度機制或者信息同步機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)務系統(tǒng)開發(fā)不同接口的情況。

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

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

標簽體系構(gòu)建的方法

標簽體系的實施架構(gòu)

標簽體系架構(gòu)可以分為三個部分：數(shù)據(jù)加工層，數(shù)據(jù)服務層，數(shù)據(jù)應用層。每個層面面向用戶對象不一樣，處理事務有所不同。層級越往下，與業(yè)務的耦合度就越小。層級越往上，業(yè)務關(guān)聯(lián)性就越強

以某電商公司為例

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。每個產(chǎn)品線的業(yè)務數(shù)據(jù)又是分屬在不同位置。為了搭建完善的用戶標簽體系，需要盡可能匯總最大范圍內(nèi)的數(shù)據(jù)。同時每個產(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)品和運營人員提的業(yè)務數(shù)據(jù)要求來做就好。

數(shù)據(jù)業(yè)務層。數(shù)據(jù)加工層為業(yè)務層提供最基礎(chǔ)數(shù)據(jù)能力，提供數(shù)據(jù)原材料。業(yè)務層屬于公共資源層，并不歸屬某個產(chǎn)品或業(yè)務線。它主要用來維護整個標簽體系，集中在一個地方來進行管理。

在這一層，運營人員和產(chǎn)品能夠參與進來，提出業(yè)務要求：將原材料進行切割。主要完成以下核心任務：

• 定義業(yè)務方需要的標簽。

• 創(chuàng)建標簽實例。

• 執(zhí)行業(yè)務標簽實例，提供相應數(shù)據(jù)。

數(shù)據(jù)應用層。應用層的任務是賦予產(chǎn)品和運營人員標簽的工具能力，聚合業(yè)務數(shù)據(jù)，轉(zhuǎn)化為用戶的槍火彈藥，提供數(shù)據(jù)應用服務。

業(yè)務方能夠根據(jù)自己的需求來使用，共享業(yè)務標簽，但彼此業(yè)務又互不影響。實踐中可應用到以下幾塊：

• 智能營銷

• Feed流推薦

• 個性化消息push

標簽體系的設(shè)計

1.業(yè)務梳理

以業(yè)務需求為導向，可以按下面的思路來梳理標簽體系：

• 有哪些產(chǎn)品線？產(chǎn)品線有哪些來源渠道？一一列出。

• 每個產(chǎn)品線有哪些業(yè)務對象？比如用戶，商品。

• 最后再根據(jù)對象聚合業(yè)務，每個對象涉及哪些業(yè)務？每個業(yè)務下哪些業(yè)務數(shù)據(jù)和用戶行為？

結(jié)果類似如下：

2.標簽分類

按業(yè)務需求梳理了業(yè)務數(shù)據(jù)后，可以繼續(xù)按照業(yè)務產(chǎn)出對象的屬性來進行分類，主要目的：

• 方便管理標簽，便于維護和擴展。

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

• 為標簽建模提供子集。方便獨立計算某個標簽下的屬性偏好或者權(quán)重。

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

3.標簽的模型

按數(shù)據(jù)的實效性來看，標簽可分為

• 靜態(tài)屬性標簽。長期甚至永遠都不會發(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，幾乎不會改變。

• 動態(tài)屬性標簽。存在有效期，需要定期地更新，保證標簽的有效性。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，標簽數(shù)據(jù)又可以分為類型。

• 事實標簽。既定事實，從原始數(shù)據(jù)中提取。比如通過用戶設(shè)置獲取性別，通過實名認證獲取生日，星座等信息。

• 模型標簽。沒有對應數(shù)據(jù)，需要定義規(guī)則，建立模型來計算得出標簽實例。比如支付偏好度。

• 預測標簽。參考已有事實數(shù)據(jù)，來預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，預測用戶a也會喜歡某件物品。

4.標簽的處理

為什么要從兩個維度來對標簽區(qū)分？這是為了方便用戶標簽的進一步處理。

靜態(tài)動態(tài)的劃分是面向業(yè)務維度，便于運營人員理解業(yè)務。這一點能幫助他們：

• 理解標簽體系的設(shè)計。

• 表達自己的需求。

事實標簽，模型標簽，預測標簽是面向數(shù)據(jù)處理維度，便于技術(shù)人員理解標簽模塊功能分類，幫助他們：

• 設(shè)計合理數(shù)據(jù)處理單元，相互獨立，協(xié)同處理。

• 標簽的及時更新及數(shù)據(jù)響應的效率。

以上面的標簽圖表為例，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，消費屬性的標簽能不能靈活設(shè)置？比如，活躍運營中需要做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)建不了我想要的標簽？比如，用戶消費能力需要綜合結(jié)合多項業(yè)務的數(shù)據(jù)才合理，如何解決？

模型標簽的定義解決的就是從無到有的問題。建立模型，計算用戶相應屬性匹配度。現(xiàn)實中，事實標簽也存在數(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算性別偏好度。當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。

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

• 時間的開放。支持時間任意選擇：昨天，前天，近x天，自定義某段時間等等。

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

標簽的組合解決就是標簽擴展的問題。除了原有屬性的規(guī)則定義，還可以使用對多個標簽進行組合，創(chuàng)建新的復合型標簽。比如定義用戶的消費能力等級。

標簽最終呈現(xiàn)的形態(tài)要滿足兩個需求：

• 標簽的最小顆粒度要觸達到具體業(yè)務事實數(shù)據(jù)，同時支持對應標簽實例的規(guī)則自定義。

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