在大數(shù)據(jù)時代，數(shù)據(jù)在呈現(xiàn)出海量化犁河、多樣化和價值化變化的同時姊扔，也改變了傳統(tǒng)IT行業(yè)的市場競爭環(huán)境惠奸、營銷策略和服務模式。
如何在ZB級的海量數(shù)據(jù)中獲取并篩選有價值的信息恰梢，是對IT企業(yè)的一大挑戰(zhàn)佛南。通過構(gòu)建客戶標簽，支撐精準營銷服務嵌言，是應對上述挑戰(zhàn)的有效解決方案嗅回。
但是怎么設計一個完善的用戶標簽體系？怎么打標簽摧茴？打哪些標簽绵载？誰來打？怎么使用用戶標簽創(chuàng)建商業(yè)價值？
這些都是產(chǎn)品設計層面需要解決的問題娃豹。
掌上醫(yī)訊一直以來都致力于打造醫(yī)生的今日頭條和智能化的學習平臺焚虱，通過大數(shù)據(jù)技術實現(xiàn)醫(yī)生學習的智能化和個性化，而要構(gòu)建這樣一個學習平臺懂版，最基礎的就是要建立用戶的標簽體系鹃栽。
經(jīng)過長時間的學習、思考定续、借鑒和實踐谍咆，現(xiàn)在已經(jīng)有了自己的標簽構(gòu)建思路，并且也已經(jīng)提取出了符合自身業(yè)務的標簽私股。我們十分重視用戶行為日志的收集摹察，現(xiàn)在已經(jīng)有了億萬級別的日志數(shù)據(jù)，正在搭建數(shù)據(jù)處理和標簽計算平臺倡鲸，以下是我們整理的建設思想供嚎。
標簽系統(tǒng)的結(jié)構(gòu)
標簽系統(tǒng)可以分為三個部分：數(shù)據(jù)加工層、數(shù)據(jù)服務層和數(shù)據(jù)應用層峭状。
每個層面向的用戶對象不一樣克滴，處理事務有所不同。層級越往下优床，與業(yè)務的耦合度就越小劝赔。層級越往上，業(yè)務關聯(lián)性就越強胆敞。
數(shù)據(jù)加工層
數(shù)據(jù)加工層收集着帽、清洗和提取數(shù)據(jù)。掌上醫(yī)訊有諸多的學習模塊移层，同時又有網(wǎng)站仍翰、APP、小程序等多個產(chǎn)品形式观话，每個產(chǎn)品模塊和產(chǎn)品端都會產(chǎn)生大量的業(yè)務數(shù)據(jù)和行為數(shù)據(jù)予借，這些數(shù)據(jù)極為相似又各不相同，為了搭建完善的用戶標簽體系频蛔，需要盡可能匯總最大范圍的數(shù)據(jù)灵迫。收集了所有數(shù)據(jù)之后，需要經(jīng)過清洗晦溪、去重瀑粥、去無效、去異常等等尼变。
數(shù)據(jù)業(yè)務層
數(shù)據(jù)加工層為業(yè)務層提供最基礎的數(shù)據(jù)能力利凑，提供數(shù)據(jù)原材料浆劲。業(yè)務層屬于公共資源層，并不歸屬某個產(chǎn)品或業(yè)務線哀澈。它主要用來維護整個標簽體系牌借，集中在一個地方來進行管理。
在這一層割按，運營人員和產(chǎn)品能夠參與進來膨报，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)務方需要的標簽适荣。
創(chuàng)建標簽實例现柠。
執(zhí)行業(yè)務標簽實例，提供相應數(shù)據(jù)弛矛。
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够吩，聚合業(yè)務數(shù)據(jù)，構(gòu)建具體的數(shù)據(jù)應用場景丈氓。
（1）標簽的類型
從數(shù)據(jù)提取維度來看周循，標簽可分為：事實標簽、模型標簽和預測標簽万俗。
（2）事實標簽
從生產(chǎn)系統(tǒng)獲取數(shù)據(jù)湾笛，定性或定量描述用戶的自然屬性、產(chǎn)品屬性闰歪、消費屬性嚎研、資源屬性等，以及根據(jù)工作人員經(jīng)驗積累的業(yè)務規(guī)則進行篩選库倘、分析生產(chǎn)的標簽临扮，如是否活躍用戶、是否是考生等于樟。
（3）模型標簽
對用戶屬性及行為等屬性的抽象和聚類公条，通過剖析用戶的基礎數(shù)據(jù)為用戶貼上相應的總結(jié)概括性標簽及指數(shù)拇囊，標簽代表用戶的興趣迂曲、偏好、需求等寥袭，指數(shù)代表用戶的興趣程度路捧、需求程度、購買概率等传黄。
（4）預測標簽
基于用戶的屬性杰扫、行為、信令膘掰、位置和特征章姓，挖掘用戶潛在需求佳遣，針對這些潛在需求配合營銷策略、規(guī)則進行打標凡伊，實現(xiàn)營銷適時零渐、適機、適景推送給用戶系忙。
從數(shù)據(jù)的時效性來看诵盼，標簽可分為：靜態(tài)屬性標簽和動態(tài)屬性標簽。
（5）靜態(tài)屬性標簽
長期甚至永遠都不會發(fā)生改變银还。比如性別风宁，出生日期，這些數(shù)據(jù)都是既定的事實蛹疯，幾乎不會改變戒财。
（6）動態(tài)屬性標簽
存在有效期，需要定期地更新捺弦，保證標簽的有效性固翰。比如：用戶的購買力，用戶的活躍情況羹呵。
標簽的定義
給用戶打標簽骂际，建立用戶畫像，最終都是為了去應用冈欢，所以我們要站在應用場景上去定義用戶的標簽體系歉铝，每個標簽都有最終的用途。比如：我們做考試培訓服務凑耻，我們需要建立“是否考生”的標簽太示。
另外，不同的行業(yè)他們的用戶特征也是有顯著區(qū)別的香浩，比如：醫(yī)生用戶相比普通用戶來說类缤，就多了像“科室”、“職稱”邻吭、“所在醫(yī)院等級”等特殊含義的標簽餐弱。
而標簽是有層級關系的，既是為了管理囱晴，更好的理解膏蚓，又是為了控制粗細力度，方便最終的應用畸写。標簽深度一般控制在四級比較合適驮瞧，到了第四級就是具體的標簽實例。
我們根據(jù)公司的業(yè)務首先劃分了人口屬性枯芬、行為屬性论笔、用戶分類和商業(yè)屬性四個大的分類采郎，下面又分了上網(wǎng)習慣、學習慣狂魔、人群屬性尉剩、消費能力、消費習慣等分類毅臊，最末級精確到用戶的活躍等級理茎、閱讀來源、考試偏好等具體的標簽管嬉。
標簽的維護
每個標簽都不會憑空產(chǎn)生的皂林，也不會一成不變，更不會憑空消失蚯撩。標簽的維護需要生成規(guī)則础倍，需要定義權重，需要更新策略胎挎。
生成規(guī)則
如第一部分所說沟启，標簽分為事實標簽，模型標簽和預測標簽三大類犹菇。對于這三類的標簽德迹，生成規(guī)則的難度和復雜性也是逐級遞增的。事實標簽只需要考慮從什么地方提取即可揭芍，它即包含明確的標簽定義胳搞，又包含無法窮舉的標簽集，比如：關注的病種称杨。
而模型標簽需要進行數(shù)據(jù)的關聯(lián)和邏輯關系的設計肌毅，通過一定的模型對數(shù)據(jù)進行計算得來。而預測標簽相對就非常的復雜姑原，無法從原始數(shù)據(jù)提取標簽悬而，標簽的生成準確度就太依賴我們大數(shù)據(jù)分析和人工智能技術的應用。
定義權重
一個標簽會在多個場景下出現(xiàn)锭汛，比如：一個疾病標簽笨奠，它極可能在瀏覽過程中生成，也有可能在搜索場景下產(chǎn)生店乐，但是對于這兩個場景所對應的同一個標簽艰躺，他們的權重是不同的呻袭。瀏覽相比搜索眨八，權重要小得多，因為搜索的主動需求更大左电。
更新策略
上文我們從數(shù)據(jù)的時效性上對標簽分為靜態(tài)屬性標簽和動態(tài)屬性標簽廉侧，對于靜態(tài)屬性標簽的處理相對比較簡單页响，就不停的累加即可。但是對于動態(tài)屬性標簽段誊，需要對過期標簽進行降權甚至刪除處理闰蚕，比如：醫(yī)生考試前和考試后，會影響“是否考生”這個標簽的连舍，這就需要制定更新策略没陡。
標簽建設的技術架構(gòu)
標簽體系的建設涉及很多環(huán)節(jié)，數(shù)據(jù)量也十分巨大索赏，需要有一個健壯且高效的技術架構(gòu)來支持數(shù)據(jù)的存儲及計算盼玄，掌上醫(yī)訊采用了sql數(shù)據(jù)庫和no-sql數(shù)據(jù)庫來滿足結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的存儲。
使用hadoop的分布式存儲技術及hive和hbase組件作為數(shù)據(jù)倉庫潜腻，使用MapReduce和spark分布式計算來提高計算速度埃儿，使用kylin進行多維分析，通過BI工具和接口對外提供應用融涣，使用sqoop和kettle進行數(shù)據(jù)的抽取及流程的調(diào)用童番。
更多的應用場景
用戶標簽建立已經(jīng)基本應用在掌上醫(yī)訊的內(nèi)容智能推薦的學習場景中，但隨著標簽的完善以及智能化處理的提升威鹿，這套標簽體系將有更廣闊的應用場景剃斧。
（1）智能化學習場景的構(gòu)建
通過用戶學習需求的標簽的分析進行用戶分群，針對不同的用戶群在APP的功能和內(nèi)容上進行個性化展示忽你，滿足不同學習需求的用戶個性化的學習服務悯衬。
（2）精準營銷推廣的建立
更細粒度的對用戶進行篩選，同時能夠精準預測可能存在的目標用戶進行推廣檀夹，從而擴大醫(yī)生覆蓋筋粗，提升推廣的轉(zhuǎn)化率。
（3）KOL用戶畫像的描繪
基于該標簽模型炸渡，增加對外部數(shù)據(jù)的采集分析娜亿，更加完整的生成醫(yī)生360度的用戶畫像，幫助企業(yè)尋找潛在的KOL用戶蚌堵，實現(xiàn)用戶洞察买决，輔助市場決策。
標簽的建設是一個看似高大上吼畏，其實很繁瑣督赤、糾結(jié)的過程，需要對業(yè)務抽絲剝繭泻蚊，還要應對運營需求的各種變化躲舌，不過對公司發(fā)展的影響也是深遠的。
