本文介紹了抖音推薦系統(tǒng)中的標簽生成和迭代過程，以及如何通過用戶行為數(shù)據(jù)構(gòu)建標簽體系，從而實現(xiàn)精準的內(nèi)容推薦策略。

大家好，我是策略產(chǎn)品夏師傅。

男士的抖音里面為什么十個推薦里有八個是大長腿，它是怎么做的？

注意了，這個時候可能是你被打標了。

那么標簽是怎么生成的，又是怎么迭代的，我們一起來看看。

其實，當你是新用戶的時候，抖音并不知道你喜歡什么樣的視頻，這時候給你推薦的視頻完全是隨機推薦一些熱度高的視頻，在這些視頻的背后貼滿了一個個屬性標簽。

比如：一個小姐姐的熱舞視頻，視頻的背后標簽可能就是“美女”、“大長腿”、“跳舞”、“黑絲”等諸多標簽；而一個做菜的美食視頻標簽可能就是“美食”、“家常”、“廚藝教學(xué)”等諸多標簽。

隨著你行為數(shù)據(jù)的豐富，你相應(yīng)的行為會加深生產(chǎn)標簽的權(quán)重。比如：你在某個視頻的停留時間更長，觀看次數(shù)更多，點贊、評論、轉(zhuǎn)發(fā)等互動行為更多，那么這個視頻背后的標簽在你的賬號上權(quán)重就會上升。

其實，一句話：推薦內(nèi)容逐漸精準的過程就是一個貼標簽、統(tǒng)計標簽、匹配標簽和結(jié)合其他維度屬性的綜合過程。

通過一定數(shù)量的行為數(shù)據(jù)統(tǒng)計，抖音就能大概知道你的喜好傾向，接下來的推薦視頻會根據(jù)你的喜好傾向，推薦帶有相同標簽的高質(zhì)量視頻以做進一步的分析，逐步完善，針對你喜好的推薦會越來越精準，獲得你更多停留時長的概率也就越高。

抖音圍繞著標簽體系、召回模型、融合模型、排序規(guī)則等其他維度屬性排序做了一個綜合的策略體系。

用戶喜歡什么類型的視頻我們是不知道的，并且計算機無法理解人們主觀的思維，所以我們需要收集并分析用戶在平臺產(chǎn)生的行為數(shù)據(jù)，把這些行為數(shù)據(jù)進行精煉、歸類，形成一套完整閉環(huán)的標簽體系去描繪用戶的數(shù)據(jù)形象。

標簽體系的應(yīng)用流程

一套優(yōu)秀的標簽體系結(jié)構(gòu)可以讓計算機更好的理解這些行為數(shù)據(jù)，對于用戶意圖的判斷和數(shù)據(jù)召回模型的優(yōu)先級都有很重要的輔助作用。

整個標簽體系的搭建圍繞著三個步驟去展開：標簽建模、標簽提煉、標簽聚合

01 標簽建模

搭建思路是將數(shù)據(jù)分為四個層級模型，第四層為預(yù)測模型，但預(yù)測模型的算法需要大量數(shù)據(jù)進行演算，本次不做討論，所以暫且分為三層進行構(gòu)建。

標簽體系的流程架構(gòu)

第一層主要是原始數(shù)據(jù)庫，在這一層，我們考慮到數(shù)據(jù)存儲、采集難度和成本方面的因素，盡可能在可控成本內(nèi)獲取到盡可能多的原始數(shù)據(jù)，因為后面所有標簽體系構(gòu)建都將依托于原始數(shù)據(jù)庫的數(shù)據(jù)進行計算、分析、歸類、建模，所以在收集階段，原始數(shù)據(jù)庫的搭建要盡可能的全面，故在這一層的關(guān)鍵詞是：大量、數(shù)據(jù)。

而第二層級是根據(jù)第一層的原始數(shù)據(jù)通過算法計算、提煉、規(guī)劃成可以組成標簽體系的一系列通用標簽，而這類標簽的存在形式類似于矩陣或者多個類別的集合。

在業(yè)務(wù)需要時，該類標簽從數(shù)量和維度都可以增加以滿足業(yè)務(wù)需求。所以第二層的關(guān)鍵詞是：通用、標簽。

而對于第三層，我們可以通過對標簽的聚合、提煉、建模等方式構(gòu)成用戶的多個“面”，并運用于多個場景。例如：說小明在聽音樂時的畫像是搖滾、年輕、流行、活潑；而在學(xué)習時的畫像是認真、專心、投入、經(jīng)濟學(xué)等。

通過用戶不同的角度實際運用于各類業(yè)務(wù)需求，實現(xiàn)精準化。所以在第三層的關(guān)鍵詞是：聚合、運用。

02 標簽提煉

獲得了大量的原始數(shù)據(jù)后，我們想把這些數(shù)據(jù)運用起來，就需要把用戶的數(shù)據(jù)更加具象化。因為已經(jīng)把用戶數(shù)據(jù)采集起來了，基礎(chǔ)的標簽可以直接運用內(nèi)容的標簽，通過對用戶感興趣的內(nèi)容給用戶貼標簽。

1. 內(nèi)容標簽化

首先要把內(nèi)容標簽化了，根據(jù)行為的不同制定不同類別不同級別的標簽，可以是描述性，也可以是具象性的，根據(jù)實際業(yè)務(wù)需求去適應(yīng)即可，形式并不限制。但內(nèi)容的標簽最好具有通用性，可以是適用于采集到的用戶數(shù)據(jù)的大部分的主體內(nèi)容。例，房產(chǎn)類網(wǎng)站，這個類別的標簽可以是房子的區(qū)域、單價、面積、數(shù)量等。

內(nèi)容標簽化

內(nèi)容標簽化的時候需要注意，標簽值需要一個統(tǒng)一的維度，在維度統(tǒng)一的前提下，后期使用或者比較數(shù)據(jù)才具有對比性。例，圖1-3，區(qū)域的維度需要統(tǒng)一，如果決定是以行政區(qū)為維度，那么每個房源信息中的“區(qū)域”都需要以這個維度去統(tǒng)計，不能以其他維度進行統(tǒng)計。這個邏輯下來，房源id為101的標簽信息為：豐臺區(qū)、3單價、3套房源、40-50平方、….

2. 用戶標簽化

接下來就是把內(nèi)容所代表的標簽根據(jù)用戶的行為賦予在用戶身上，這個過程就要研究用戶的興趣傾向，通過對用戶行為的分析，判斷出用戶感興趣的內(nèi)容，把這部分內(nèi)容的標簽，提煉、聚合后賦予至用戶身上。

在用戶的行為數(shù)據(jù)中，我們可以根據(jù)記錄用戶對不同內(nèi)容的不同互動數(shù)據(jù)，代表這個用戶對于當前內(nèi)容的興趣傾向程度。例，用戶的瀏覽（時長/頻率）、點擊、分享/收藏/關(guān)注等。

通過對不同行為進行賦值，我們就可以通過分值的計算得出用戶最感興趣的一組標簽。

在用戶的行為數(shù)據(jù)中，我們可以根據(jù)記錄用戶對不同內(nèi)容的不同互動數(shù)據(jù)，代表這個用戶對于當前內(nèi)容的興趣傾向程度。例，用戶的瀏覽（時長/頻率）、點擊、分享/收藏/關(guān)注等。

通過對不同行為進行賦值，我們就可以通過分值的計算得出用戶最感興趣的一組標簽。

用戶行為賦值計算表

完成對于關(guān)鍵行為的權(quán)重分值計算后，我們需要把用戶數(shù)據(jù)按照上面內(nèi)容標簽化的方式打散成標簽，并且賦予其中，關(guān)鍵行為的對應(yīng)分值。

標簽賦值后優(yōu)先級排選邏輯

把標簽與分值關(guān)聯(lián)并進行計算。例，商品A的標簽“商品產(chǎn)地”的值有“福建、廣東、、云南、浙江、河北”等，通過分值計算，找到分值最高的值作為該用戶此標簽的值。

03 標簽聚合

首先將數(shù)據(jù)分為幾個大類，每個大類再進行逐層細分。在構(gòu)建標簽時，只需要構(gòu)建最下層的標簽，就能夠映射出上面兩級標簽。

標簽排序為一級>二級>三級，一級為上層標簽，三級為最下層標簽。

上層標簽都是抽象的標簽集合，一般沒有實用意義，只有統(tǒng)計意義。例，我們可以統(tǒng)計有用戶信息標簽的用戶比例，但用戶有用戶信息標簽，這本身對精準的推薦沒有任何意義。

底層標簽與上層標簽的聚合關(guān)系

首先，對于底層標簽有兩個要求：一個是每個標簽只能表示一種含義，避免標簽之間的重復(fù)和沖突，便于計算機處理；另一個是標簽必須有一定的語義，方便相關(guān)人員理解每個標簽的含義。

其次，標簽的粒度也是需要注意的，標簽粒度太粗會沒有區(qū)分度，粒度過細會導(dǎo)致標簽體系太過復(fù)雜而不具有通用性。

下面這張圖是我訓(xùn)練營當中的一個標簽庫資料，其中有很多標簽都是比較獨特的標簽：

那么此時該如何生產(chǎn)自己的標簽。

這里不得不說，在標簽體系當中，對于推薦，精準營銷等應(yīng)用場景來講，最常見，也是最常用的應(yīng)該是偏好類標簽，也就是用戶喜歡什么。

因此，我們加工的思路也就很直接了，通過用戶行為數(shù)據(jù)去進行偏好標簽的加工，這是業(yè)界最常用的標簽生產(chǎn)方式。

比如用戶三級類目偏好，通過用戶在平臺的瀏覽，收藏，關(guān)注，加購，下單等行為，完全可以反映出用戶的長短期興趣偏好。

04 總結(jié)

推薦策略是解決互聯(lián)網(wǎng)海量信息資源出現(xiàn)信息過載問題的方法，也是為了解決問題、提高效率的架構(gòu)體系。在做推薦策略前先問問自己要解決哪方面的問題，這個推薦策略能提高哪方面的效率，不要為了做推薦而做推薦，推薦策略更多的是平衡商業(yè)化和用戶體驗的一個解決方案，要考慮自己業(yè)務(wù)整體情況去酌情調(diào)整。