什么是用戶的關(guān)鍵特征？如何對(duì)用戶的關(guān)鍵特征進(jìn)行提?。拷裉旌痛蠹乙黄鹛接懸幌?。

一、什么是關(guān)鍵特征？

首先，什么是用戶的關(guān)鍵特征呢？先舉個(gè)例子吧。

某個(gè)商場(chǎng)中的服裝店，每天的客流中有70%是女性，有30%是男性。既然一大半的訪客都是女性了，那么我們是不是可以說該服裝店的訪客的關(guān)鍵特征是【女性】呢？某種意義上，可以這樣說，但某種意義上，又不是。

什么情況下不是呢？莫急，請(qǐng)聽我繼續(xù)完善這個(gè)場(chǎng)景。

剛才提到的是這個(gè)服裝店的訪客?？墒悄兀@個(gè)商場(chǎng)的訪客中有80%是女性，只有20%是男性。這么一比，這個(gè)服裝店的關(guān)鍵特征還是【女性】嗎？

看來，關(guān)鍵特征也可以是個(gè)相對(duì)的概念。

再舉個(gè)例子，比如某個(gè)公司中有1000員工，其中999名員工都是本科，只有一名員工是博士，那這名博士員工的典型特征，是不是可以是【博士】？

總結(jié)一下，用戶的特征，可以有千千萬。但所謂用戶的關(guān)鍵特征，就是該用戶（或者該用戶群體）有顯著特點(diǎn)的特征。

二、關(guān)鍵特征的分類

上面通過例子簡單介紹了一下用戶的關(guān)鍵特征，從用戶類別及特征類別的角度，我們可以將關(guān)鍵特征有以下分類。

1. 單個(gè)用戶的關(guān)鍵特征

對(duì)于單個(gè)用戶而言，關(guān)鍵特征其實(shí)只有一種，那就是個(gè)體特征。上面舉了博士的例子，這里就不贅述了。

強(qiáng)調(diào)一下，單用戶的關(guān)鍵特征一定是需要參照物（即對(duì)比人群）的，且對(duì)比人群是群體，而非個(gè)體。不然1個(gè)人和1個(gè)人進(jìn)行比較，有啥關(guān)鍵特征可言呢？

2. 群體用戶的關(guān)鍵特征

對(duì)于群體用戶，其實(shí)有兩類關(guān)鍵特征：一類是絕對(duì)特征，一類是相對(duì)特征。

所謂絕對(duì)特征，只需要看該群體的特征分布即可，是不需要進(jìn)行對(duì)比的。例如上面服裝店的例子，如果看絕對(duì)特征，女性訪客占比70%，那么就可以下結(jié)論：該服裝店的性別特征是女性，但要強(qiáng)調(diào)這只是絕對(duì)的情況下。

所謂相對(duì)特征，就是強(qiáng)調(diào)了對(duì)比。例如上面服裝店的訪客在商場(chǎng)訪客的比較之下，男性其實(shí)是相對(duì)多的。相對(duì)特征又分了兩類：

• 正向特征：意思是該特征和對(duì)比人群比，明顯偏高
• 逆向特征：這個(gè)意思恰恰相反，是和對(duì)比人群比，明顯偏少。

為啥絕對(duì)特征沒有逆向的細(xì)分呢？因?yàn)榻^對(duì)特征的逆向特征是不可窮舉的……比如這個(gè)服裝店的訪客，0%的人是科學(xué)家，0%的人是無業(yè)人士，0%的人是高收入群體……這種標(biāo)簽是窮舉不完的，從絕對(duì)值上失去了分析意義。但對(duì)于對(duì)比標(biāo)簽，是有意義的。

從很多情況之下，相對(duì)特征的應(yīng)用場(chǎng)景更廣泛，也更科學(xué)一些。

三、關(guān)鍵特征的識(shí)別

上面講了很多不同類型的關(guān)鍵特征，那如何將單用戶或者用戶群體的關(guān)鍵特征進(jìn)行識(shí)別呢？

首先明確一點(diǎn)，關(guān)鍵特征的識(shí)別，首先需要有特征池。所謂特征池，可以理解成標(biāo)簽范圍。比如選定【用戶地域】、【用戶年齡】、【用戶購買偏好】……等200個(gè)標(biāo)簽作為特征池。開放式的特征池是不切實(shí)際的。特征池的選擇可以基于業(yè)務(wù)需求來選。

1. 單用戶的關(guān)鍵特征識(shí)別

其實(shí)可以用這個(gè)特征在總體人群中的占比來判斷。

比如上面的例子，【學(xué)歷】標(biāo)簽特征中，只有0.1%的人是博士，那么這0.1%的博士從個(gè)體上講，理論上都可以將【博士】標(biāo)簽作為他們的個(gè)體特征。

用心的你一定會(huì)問，這是99.9%對(duì)比0.1%，那如果是90%對(duì)比10%呢？如果是60%對(duì)比40%呢？如果是多個(gè)取值呢？

是的，這里在具體的產(chǎn)品落地上，涉及到閾值的設(shè)置、多值標(biāo)簽的處理等許多詳細(xì)邏輯。這里不詳細(xì)展開了，歡迎讀者發(fā)表自己的想法哈！

2. 群體用戶的關(guān)鍵特征

關(guān)于群體的關(guān)鍵特征，其中有個(gè)很重要的概念需要提一下：TGI。

直接截圖吧……

重點(diǎn)是這個(gè)公式：TGI指數(shù)?= [目標(biāo)群體中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例]*標(biāo)準(zhǔn)數(shù)100。

TGI是用來識(shí)別哪些特征是突出特征的重要方法。我們上面提到的正向特征和逆向特征，就可以用TGI進(jìn)行排序，正排逆排即可。

四、關(guān)鍵特征的應(yīng)用

說了這么多關(guān)鍵特征的內(nèi)容，那到底有啥應(yīng)用場(chǎng)景呢？

其實(shí)最最主要的應(yīng)用，應(yīng)該就是用于人群的畫像了。市面上大部分的用戶畫像，是這樣的：

什么意思呢？其實(shí)就是事先固化好了要畫像的維度，例如【性別】啦、【年齡】啦等，頂多支持用戶做個(gè)配置，可以選擇要畫像的維度。通常也不會(huì)超過幾十個(gè)的范圍（因?yàn)檫x擇過多，產(chǎn)品的可行性會(huì)很差）。

預(yù)置畫像維度，帶來最大的一個(gè)問題就是，有可能錯(cuò)過典型特征。比如一個(gè)用戶群體，可能按照TGI計(jì)算下來，最突出的特征是用戶的支付方式是信用卡居多，而這種比較小眾的畫像維度，很有可能就不在預(yù)置的范圍中，這會(huì)錯(cuò)失很多業(yè)務(wù)機(jī)會(huì)。

而通過先確定特征池，后根據(jù)不同的邏輯方法確定用戶特征，會(huì)極大降低此類風(fēng)險(xiǎn)。也是更科學(xué)的做法。

當(dāng)然，在實(shí)際落地過程中，也有很多困難。比如說，上面提到的，個(gè)體標(biāo)簽如果是多取值怎么辦？閾值怎么設(shè)置合理？比如相對(duì)特征中，如果分母特別小導(dǎo)致TGI巨高怎么處理？等等。這些問題都是需要在實(shí)踐中不斷解決的。

今天的分享主要是這些，歡迎大家一起交流。

本文由 @冬至 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。