一文看懂用戶畫像標簽體系(包括維度、應用場景)

互聯網相關企業在建立用戶畫像時一般除了基于用戶維度(userid)建立一套用戶標簽體系外，還會基于用戶使用設備維度(cookieid)建立相應的標簽體系。

基于cookieid維度的標簽應用也很容易理解，當用戶沒有登錄賬戶而訪問設備時，也可以基于用戶在設備上的行為對該設備推送相關的廣告、產品和服務。

建立的用戶標簽按標簽類型可以分為統計類、規則類和機器學習挖掘類，相關內容在《手把手教你做用戶畫像：3種標簽類型、8大系統模塊》中有詳細介紹。從建立的標簽維度來看，可以將其分為用戶屬性類、用戶行為類、用戶消費類和風險控制類等常見類型。

01 用戶屬性維度

1. 常見用戶屬性

用戶屬性是刻畫用戶的基礎。常見用戶屬性指標包括：用戶的年齡、性別、安裝時間、注冊狀態、城市、省份、活躍登錄地、歷史購買狀態、歷史購買金額等。

用戶屬性維度的標簽建成后可以提供客服電話服務，為運營人員了解用戶基本情況提供幫助。

用戶屬性標簽包含統計類、規則類、機器學習挖掘類等類型。本節主要介紹常見用戶屬性標簽主要包括的維度。表2-1給出了常用的用戶屬性維度標簽。

表2-1 用戶屬性維度標簽示例

表2-1對于相同的一級標簽類型，需要判斷多個標簽之間的關系為互斥關系還是非互斥關系。例如，在判斷性別時，用戶性別為男的情況下就不能同時為女，所以標簽之間為互斥關系；在判斷用戶是否在黑名單內時，用戶既可能在短信黑名單中，也可能同時在郵件黑名單中，所以這種就為非互斥關系。

對于根據數值進行統計、分類的標簽開發相對容易。例如，用戶的“性別”“年齡”“城市”“歷史購買金額”等確定性的標簽。

而在對規則類的標簽進行開發前則首先需要進行數據調研。例如，對于用戶價值度劃分(RFM)，如何確定一個用戶是重要價值用戶還是一般價值用戶，對于用戶活躍度的劃分如何確定是高活躍、中活躍、低活躍還是已經流失，需要結合數據調研情況給出科學的規則并進行劃分。

2. 用戶性別

用戶性別可細分為自然性別和購物性別兩種。

自然性別是指用戶的實際性別，一般可通過用戶注冊信息、填寫調查問卷表單等途徑獲得。該標簽只需要從相應的表中抽取數據即可，加工起來較為方便。

用戶購物性別是指用戶購買物品時的性別取向。例如，一位實際性別為男性的用戶，可能經常給妻子購買女性的衣物、包等商品，那么這位用戶的購物性別則是女性。

02 用戶行為維度

用戶行為是另一種刻畫用戶的常見維度，通過用戶行為可以挖掘其偏好和特征。常見用戶行為維度指標(見表2-2)包括：用戶訂單相關行為、下單/訪問行為、用戶近30天行為類型指標、用戶高頻活躍時間段、用戶購買品類、點擊偏好、營銷敏感度等相關行為。

表2-2 用戶行為維度標簽示例

03 用戶消費維度

對于用戶消費維度指標體系的建設，可從用戶瀏覽、加購、下單、收藏、搜索商品對應的品類入手，品類越細越精確，給用戶推薦或營銷商品的準確性越高。如圖2-1所示，根據用戶相關行為對應商品品類建設指標體系，本案例精確到商品三級品類。

▲圖2-1 用戶消費維度指標梳理

表2-3為用戶消費維度的標簽設計。

表2-3 用戶消費維度標簽示例

這里通過一個場景來介紹構建用戶消費維度的標簽的應用。

總結

以上是生活随笔為你收集整理的用户画像标签维度_一文看懂用户画像标签体系（包括维度、应用场景）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。