手机站

数据应用场景之标签管理体系

  2021-06-11 阅读:64  
 
 
  一、标签简介
 
  标签概念
 
  标签,最初用来对实物进行分类和标记,例如标明物品的品名、重量、体积、用途等简要信息。后来逐渐流行到数据行业,用来标记数据,对数据快速分类获取和分析。
 
  标签特点
 
  精确描述定位和搜索,具有生命周期的特性,可以计算,配置和规则化处理。可以用标签来描述各种结构和非结构化[文档、图片、视频等]的数据,从而使这些内容被高效的管理。
 
  描述特征:标签[手机颜色],特征[红色,白色];描述规则:标签[活跃用户],规则[每日登陆,产生交易];标签价值精细运营的基础,有效提高流量精准和效率。
 
  帮助产品快速定位需求数据,进行精准分析;
 
  能帮助客户更快切入到市场周期中;
 
  深入的预测分析数据并作出及时反应;
 
  基于标签的开发智能推荐系统;
 
  基于某类下的数据分析,洞察行业特征;
 
  标签的核心价值,或者说最常用的场景:实时智能推荐,精准化数字营销。
 
  二、标签定义
 
  属性标签
 
  属性标签是描述基本特征,不需要行为产生,也不是基于规则引擎分析,例如基于用户实名认证信息,获取:性别,生日,出生日期等特征。变动频率极小,且精准性较高。
 
  行为标签
 
  通过不同业务渠道埋点,捕捉用户的行为数据,基于这些数据分析,形成结果描述的标签,例如:分析用户「网购平台」,得到的结果拼多多,淘宝,京东,天猫等。这些都是需要通过行为数据来判断的标签。
 
  规则标签
 
  规则下分析出来的标签,更多是基于产品或者运营角度来看,例如电商平台需要对会员等级超过5级,且近7天活跃的会员发一次福利,这里就涉及两个标签应用:1.「会员等级」基于什么规则判断;2.「近7天活跃」如何判断,是基于登录,还是产生交易行为,这些都要可以动态配置,然后基于规则引擎把结果生成。基于动态的规则配置,经过计算和分析,生成描述的标签,也就是规则标签。
 
  拟合标签
 
  拟合类标签极具复杂性,通过对多种标签智能组合分析,给出预测描述,或者直接给出进阶定义,例如所谓的读心术,即通过多个特征,眼神信息,判断人的心理活动。在机器学习中有一句话:通过长期对用户行为的判断和学习,机器可能比用户还了解用户。
 
  三、标签管理体系
 
  层级分类
 
  标签管理的基本手段,通常以行业来分:金融,教育,娱乐等;通过多级分类细化管理。
 
  基础标签
 
  即数据的关键标签,特点精确扁平,不可再细分,用来精确的描述数据,类似元数据。当使用多个标签组合描述数据特征,就会形成结构化的表管理。
 
  标签值类型
 
  值类型:数字,字典,布尔,日期,文本框,自定义等,是对标签具体值的管理。例如标签「性别」,标签值「男.女.未知」,这种典型通过罗列字典来描述的场景。https://www.convertlab.com/blogs/

免责声明:本站部份内容系网友自发上传与转载,不代表本网赞同其观点。如涉及内容、版权等问题,请在30日内联系,我们将在第一时间删除内容!

相关资讯

    更多文章最新发布