用户画像基础（二）

技术框架设计&技术选型

项目技术架构

项目功能架构

标签架构

统计类标签（事实标签）：

• 这类标签为收集到的用户基础信息产生，也是最为常见的标签
• 包括了用户的基础信息，其中直接可收集到的 例如：年龄，性别，人口属性，地理属性，设备属性
• 一些用户行为的数据统计 例如：7日访问，7日注册，7日转化等
• 这些标签最为基础，量级大 但也是其他标签产生的前提

规则类标签：

• 这些标签不是通过统计得出的，‌而是根据预设的规则对用户数据进行分类
• 规则的定义往往为人为制定的
• 例如：高消费用户，夜间主流用户，高消费母婴用户等

模型类标签：

• 通过机器学习挖掘产生，对用户的行为预测判断的标签
• 这类标签可解释性低，不确定性高，往往是一个0-1的概率值
• 通过lr线性回归，xgb树模型，dnn神经网络等方式产生
• 例如：用户多头分，用户财富指数，用户意愿分等

用户画像标签体系串讲

举个例子：用户性别标签

用户性别标签–既可以是事实类标签也可以是模型类标签

数据收集：

事实类标签–用户输入生理性别，身份证号信息识别

模型类标签–用户行为信息收集，用户下载类信息收集，用户购物类行为信息收集，用户使用习惯类信息收集

仓库建设（数据家流转）：

Stg->ods->dw->app

标签建设：

事实类标签：直接输出

模型类标签：根据用户行为习惯，分析他的借贷性别偏向，购物性别偏向