互聯網中如何基于智能標簽精準管理數據

這篇文章給大家分享的是有關互聯網中如何基于智能標簽精準管理數據的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

一、場景分析

1、場景案例

互聯網行業的朋友一定了解或者聽說過下列幾個場景：

阿里：千人千面，意思不同用戶使用阿里相關的產品感覺是不一樣的，例如支付寶首頁的推薦內容，和其他相關推薦流信息是完全不同的。

騰訊：社交廣告，不同用戶的朋友圈或者其他媒體場景下的廣告信息是不同的，會基于用戶特征推薦。

頭條：信息價值，根據用戶瀏覽信息，分析用戶相關喜好，針對分析結果推薦相關的信息流，越關注某類內容，獲取相關的信息越多。

如上幾種場景的邏輯就是：基于不斷分析用戶的行為，生成用戶的特征畫像，然后再基于用戶標簽，定制化的推薦相關內容。

2、基本概念

通過上面的場景，衍生出來兩個概念：

用戶畫像

用戶畫像，作為一種勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，把該用戶相關聯的數據的可視化的展現，就形成了用戶畫像。用戶畫像在各領域得到了廣泛的應用，最初是在電商領域得到應用的，在大數據時代背景下，用戶信息充斥在網絡中，將用戶的每個具體信息抽象成標簽，利用這些標簽將用戶形象具體化，從而為用戶提供有針對性的服務。

標簽數據

標簽在生活中非常常見，比如商品標簽，個人標簽，行業標簽，例如提到996就想到程序員，提到程序員就想到格子衫。

標簽是把分散的多方數據進行整合納入統一的技術平臺，并對這些數據進行標準化和細分，進行結構化存儲和更新管理，讓業務線可以把這些細分結果推向現有的互動營銷環境里的平臺，產生價值，這些數據稱為標簽數據，也就是常說的標簽庫。數據標簽的概念也是在最近幾年大數據的發展中不斷火熱起來的。

標簽價值

• 精細運營的基礎，有效提高流量精準和效率。

• 幫助產品快速定位需求人群，進行精準營銷；

• 能幫助客戶更快切入到市場周期中；

• 深入的預測分析客戶并作出及時反應；

• 基于標簽的開發智能推薦系統；

• 基于某類用戶的分析，洞察行業特征；

標簽的核心價值，或者說最常用的場景：實時智能推薦，精準化數字營銷。

二、數據標簽

1、標簽劃分

屬性標簽

屬性標簽是變化最小的，例如用戶實名認證之后，基于身份信息獲取相關：性別，生日，出生年月，年齡，等相關標簽。變動頻率小，且最具有精準性。

行為標簽

行為標簽就是用戶通過在產品上的一系列操作，基于行為日志分析得出：例如購買能力、消費愛好、季節性消費標簽等。在信息流的APP上，通過相關瀏覽行為，不斷推薦用戶感興趣的內容就是基于該邏輯。

規則標簽

根據業務場景需求，配置指定規則，基于規則生成分析結果，例如：

• 近7天活躍用戶：近7天，每天都登錄的用戶作為規則生成；

• 丟失用戶：六個月內沒有任何操作，可以發放高額優惠劵；

• 潛在用戶：使用或產生瀏覽數據，但是未發生任何交易行為；

這類標簽可以基于動態的規則配置，經過計算和分析，生成描述結果，也就是規則標簽。

擬合標簽

擬合類的標簽最具有復雜性，通過用戶上述幾種標簽，智能組合分析，給的預測值，例如：未婚、瀏覽相關婚禮內容，通過分析預測用戶將要舉辦婚禮，得到一個擬合結果：預測將要結婚。這個預測邏輯也可以反向執行，用戶購買嬰兒用品：預測已婚已育。

這就是數據時代常說的一句話：用戶在某個應用上一通操作之后，算法分析的結果可能比用戶對自己的描述還要真實。

2、標簽加工流程

數據采集

數據采集的渠道相對較多，比如同一APP內的各種業務線：購物、支付、理財、外賣、信息瀏覽等等。通過數據通道傳輸到統一的數據聚合平臺。有了這些海量日志數據的支撐，才具有數據分析的基礎條件。不管是數據智能，深度學習，算法等都是建立在海量數據的基礎條件上，這樣才能獲取具有價值的分析結果。

數據加工

結合如上業務，通過對海量數據的加工，分析和提取，獲取相對精準的用戶標簽，這里還有關鍵的一步，就是對已有的用戶標簽進行不斷的驗證和修復，尤其是規則類和擬合類的相關標簽。

標簽庫

通過標簽庫，管理復雜的標簽結果，除了復雜的標簽，和基于時間線的標簽變，標簽數據到這里，已經具有相當大的價值，可以圍繞標簽庫開放一些收費服務，例如常見的，用戶在某電商APP瀏覽某些商品，可以在某信息流平臺看到商品推薦。大數據時代就是這么令人感覺智能和窒息。

標簽業務

數據走了一大圈轉換成標簽，自然還是要回歸到業務層面，通過對標簽數據的用戶的分析，可以進行精準營銷，和智能推薦等相關操作，電商應用中可以提高成交量，信息流中可以更好的吸引用戶。

應用層

把上述業務開發成服務，集成到具有的應用層面，不斷提升應用服務的質量，不斷的吸引用戶，提供服務。當然用戶的數據不斷在應用層面產生，在轉到數據采集服務中，最終形成完整的閉環流程。

3、應用案例

從流程和業務層面描述都是簡單的，到開發層面都會變得復雜和不好處理，這可能就是產品和開發之間的隔閡。

標簽的數據類型

不同標簽的分析結果需要用不同的數據類型描述，在標簽體系中，常用描述標簽的數據類型如下：枚舉、數值、日期、布爾、文本類型。不同的類型需要不一樣的分析流程。

商品和標簽

這里提供一個基礎案例，用商品的標簽來分析商品，例如通過商品產地，價格，狀態等條件，來查詢產品庫有多少符合條件的商品。

數據表設計

主要分四張表：標簽分類，標簽庫，標簽值，標簽數據。

CREATE TABLE `tc_tag_catalog` (
    `id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
    `catalog_name` VARCHAR (50) NOT NULL DEFAULT '' COMMENT '名稱',
    `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
    `update_time` datetime DEFAULT NULL COMMENT '更新時間',
    `state` INT (1) DEFAULT '1' COMMENT '狀態1啟用,2禁用',
    PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽層級目錄';
CREATE TABLE `tc_tag_cloud` (
    `id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
    `catalog_id` INT (11) NOT NULL COMMENT '目錄ID',
    `tag_name` VARCHAR (100) DEFAULT '' COMMENT '標簽名稱',
    `tag_code` INT (11) DEFAULT NULL COMMENT '標簽編碼',
    `bind_column` VARCHAR (100) DEFAULT '' COMMENT '綁定數據列',
    `data_type` INT (2) NOT NULL COMMENT '1枚舉,2數值,3日期,4布爾,5值類型',
    `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
    `update_time` datetime DEFAULT NULL COMMENT '更新時間',
    `remark` VARCHAR (150) DEFAULT NULL COMMENT '備注',
    `state` INT (1) DEFAULT '1' COMMENT '狀態1啟用,2禁用',
    PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽云';
CREATE TABLE `tc_tag_data_enum` (
    `tag_code` INT (11) NOT NULL COMMENT '標簽編碼',
    `data_value` VARCHAR (150) NOT NULL COMMENT '枚舉值',
    `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
    KEY `tag_code_index` (`tag_code`) USING BTREE
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽枚舉值';
CREATE TABLE `tc_tag_data_set` (
    `id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
    `product_name` VARCHAR (100) DEFAULT '' COMMENT '商品名稱',
    `unit_price` DECIMAL (10, 2) DEFAULT '0.00' COMMENT '單價',
    `is_shelves` INT (1) DEFAULT '1' COMMENT '是否上架：1否,2是',
    `origin_place` VARCHAR (100) DEFAULT '' COMMENT '產地',
    `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
    PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽數據集';

模擬入參接口

這里的參數應該是基于需求，動態選取，進行組織到一起：

例如圖片中這里給定的標簽值列表，稱為枚舉值。

@RestController
public class AnalyzeController {
    @Resource
    private TagDataSetService tagDataSetService ;
    @GetMapping("/analyze")
    public String analyze (){
        List<TagParam> tagParamList = new ArrayList<>() ;
        TagParam tagParam1 = new TagParam(1,"產地","origin_place") ;
        List<String> valueList1 = new ArrayList<>() ;
        valueList1.add("深圳");
        valueList1.add("廣東");
        tagParam1.setValueList(valueList1);
        tagParamList.add(tagParam1) ;
        TagParam tagParam2 = new TagParam(2,"價格","unit_price") ;
        List<String> valueList2 = new ArrayList<>() ;
        valueList2.add("1999");
        tagParam2.setValueList(valueList2);
        tagParamList.add(tagParam2) ;
        TagParam tagParam3 = new TagParam(3,"生產日期","create_time") ;
        List<String> valueList3 = new ArrayList<>() ;
        valueList3.add("2020-05-01 13:43:54");
        tagParam3.setValueList(valueList3);
        tagParamList.add(tagParam3) ;
        TagParam tagParam4 = new TagParam(4,"是否上架","is_shelves") ;
        List<String> valueList4 = new ArrayList<>() ;
        valueList4.add("1");
        tagParam4.setValueList(valueList4);
        tagParamList.add(tagParam4) ;
        TagParam tagParam5 = new TagParam(5,"產品名稱","product_name") ;
        List<String> valueList5 = new ArrayList<>() ;
        valueList5.add("智能");
        tagParam5.setValueList(valueList5);
        tagParamList.add(tagParam5) ;
        Integer count = tagDataSetService.analyze(tagParamList) ;
        return "Result：" + count ;
    }
}

參數解析查詢

通過對參數的解析，最終形成查詢的SQL語句，獲取精準的結果數據。

@Service
public class TagDataSetServiceImpl extends ServiceImpl<TagDataSetMapper, TagDataSet> implements TagDataSetService {
    @Resource
    private TagDataSetMapper tagDataSetMapper ;
    @Override
    public Integer analyze(List<TagParam> tagParamList) {
        StringBuffer querySQL = new StringBuffer() ;
        for (TagParam tagParam:tagParamList){
            querySQL.append(" AND ") ;
            querySQL.append(tagParam.getBindColumn()) ;
            // 1枚舉,2數值,3日期,4布爾,5值類型
            List<String> valueList = tagParam.getValueList();
            switch (tagParam.getDataType()){
                case 1:
                    querySQL.append(" IN (") ;
                    for (int i = 0 ; i < valueList.size() ;i++){
                        if (i != valueList.size()-1){
                            querySQL.append("'").append(valueList.get(i)).append("',");
                        } else {
                            querySQL.append("'").append(valueList.get(i)).append("'");
                        }
                    }
                    querySQL.append(" )") ;
                    break;
                case 2:
                    querySQL.append("=").append(tagParam.getValueList().get(0)) ;
                    break;
                case 3:
                    querySQL.append(">='").append(tagParam.getValueList().get(0)).append("'") ;
                    break;
                case 4:
                    querySQL.append("=").append(tagParam.getValueList().get(0)) ;
                    break;
                case 5:
                    querySQL.append(" LIKE '%").append(tagParam.getValueList().get(0)).append("%'") ;
                    break;
                default:
                    break;
            }
        }
        /* 最終執行的 SQL
            SELECT COUNT(*) FROM tc_tag_data_set
            WHERE 1 = 1
            AND origin_place IN ('深圳', '廣東')
            AND unit_price = 1999
            AND create_time >= '2020-05-01 13:43:54'
            AND is_shelves = 1
            AND product_name LIKE '%智能%'
         */
        String whereCondition = String.valueOf(querySQL);
        return tagDataSetMapper.analyze(whereCondition);
    }
}

可能有人會說這不就是個查詢流程嗎？如果有這樣的疑問，把上述案例換成用戶查詢，標簽數據的價值會更直觀。

三、智能畫像

1、基本概念

用戶畫像

作為一種勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，用戶畫像在各領域得到了廣泛的應用。最初是在電商領域得到應用的，在大數據時代背景下，用戶信息充斥在網絡中，將用戶的每個具體信息抽象成標簽，利用這些標簽將用戶形象具體化，從而為用戶提供有針對性的服務。

行業畫像

通過行業屬性標簽，行業下用戶標簽的綜合分析，生成行業分析報告，提供極有價值的導向，這是最近兩年極其熱門的應用。

畫像補全

通過不斷分析用戶數據，豐富標簽庫，使用戶的畫像更加豐富立體。

2、畫像報告

通過標簽數據的分析，生成一份分析報告，報告內容包含豐富的用戶標簽統計數據。

例如：90后畫像報告

這個報告，互聯網用戶一定或多或少都看到過。主要是一些標簽統計，共性標簽展示，或者哪些群體對90后三觀影響最大，收入來源，學歷等各種分析解讀。

感謝各位的閱讀！關于“互聯網中如何基于智能標簽精準管理數據”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！