在運營工作中，我們經(jīng)常需要做好用戶標(biāo)簽設(shè)計，優(yōu)化用戶畫像，以更好地服務(wù)平臺和業(yè)務(wù)運營，這篇文章里，作者就結(jié)合實際案例，針對用戶標(biāo)簽設(shè)計等問題進(jìn)行了示例總結(jié)，一起來看。

源起

房產(chǎn)頻道內(nèi)頁對于平臺效果廣告貢獻(xiàn)雖然多，但仍然有些保量任務(wù)消耗不完。

同時平臺頻道內(nèi)頁對于目標(biāo)用戶的留存活躍有所依賴，提供更多的留資轉(zhuǎn)化用以增強(qiáng)廣告主對平臺的信心。

通過兩方面著手：

1. 優(yōu)化現(xiàn)有用戶畫像；
2. 搭建平臺內(nèi)的資源位系統(tǒng)，推薦目標(biāo)人群合適的樓盤。

一、優(yōu)化現(xiàn)有用戶畫像

從房產(chǎn)購房的目標(biāo)用戶群入手，調(diào)研線上用戶購房目標(biāo)預(yù)期，然后細(xì)拆不同目標(biāo)用戶類型，用以推薦相關(guān)樓盤信息。其實從新聞的視角我們可以獲取較為全面的用戶標(biāo)簽，然而，從定義實際的房產(chǎn)垂類來說，仍然存在一定的gap造成短時間內(nèi)不能快速的獲取目標(biāo)用戶類型。也因此造成了需要詳細(xì)落地的方案帶動標(biāo)簽精準(zhǔn)度。

從目標(biāo)用戶入手，大類畫像可以分為：養(yǎng)老、自助\剛需上車、投資、落戶。商品就可以按照這幾類大的范圍去推送排序。

從以下幾個維度區(qū)分不同的畫像群體：戶型、城際交通、小學(xué)教育資源、附近商圈、醫(yī)療配套、生活配套、2km地鐵。

二、搭建用戶側(cè)標(biāo)簽

接下來是用戶側(cè)的數(shù)據(jù)準(zhǔn)備，完整的應(yīng)當(dāng)包含：事實行為（事件事實標(biāo)簽）、總體特征（計算標(biāo)簽）、特征（特征預(yù)測標(biāo)簽）。

事實行為——客觀量化的標(biāo)簽信息，即用戶/商戶/地標(biāo)/物品 在“真實世界”中，所產(chǎn)生的數(shù)據(jù)，比如，A用戶在昨天16:44進(jìn)入房產(chǎn)頻道頁申請了去看房的資源。在這條記錄信息中：

• 用戶瀏覽
• 用戶搜索
• 用戶是否留資
• 城市天氣
• 交通路況

都可以拆解到更細(xì)粒度的標(biāo)簽。

總體特征——在某個時間段中，用戶/商戶/地標(biāo)/物品的 “總體數(shù)量” ，即經(jīng)過特定計算加工后的結(jié)果值。通常是由一些條件限制得出來的結(jié)論。比如：統(tǒng)計在過去7天瀏覽地鐵房的用戶量；

• 近７天下單次數(shù)的總和 （統(tǒng)計方式：總和）
• 近７天下單最后一次的品類 (統(tǒng)計方式：最后歸因)
• 近30天 城市溫度的平均值?。ńy(tǒng)計方式：平均）

標(biāo)簽——用戶/商戶/地標(biāo)/物品 所具備的”特征”，即經(jīng)過規(guī)則、模型分析后的推測。比如：對老破小改造的視頻感興趣的用戶：

• 用戶瀏覽戶型偏好
• 用戶收藏喜好

以上三類標(biāo)簽，在不同場景使用頻率不同，一般來說，能夠高頻被各類場景調(diào)用最多的是特征預(yù)測標(biāo)簽，無論資源位、推薦流都會用來實時給用戶即時的反饋；而計算標(biāo)簽主要使用在投放廣告、資源位、促活等運營策略當(dāng)中，用以盤活線上可能參與的活躍用戶；最后的事實標(biāo)簽主要依賴對線上用戶的總分布特征、分析平臺服務(wù)的全量用戶分布。

三、用戶標(biāo)簽系統(tǒng)示例

展示一份從用戶畫像當(dāng)中提取的基礎(chǔ)標(biāo)簽信息——聚類用戶標(biāo)簽的維度。