要要该要该咋能能电脑设计用户画像的标签体系？

该如何尽量的避免**的用户画像？

最近，很频繁碰到各形公司找我联系“用户画像应该怎么办”这个问题。什么是用户画像呢？那就是参照某个人外在表现出去的网络行为，猜他是男是女，挣多挣少，孩子多大，乃至要买什么东西这些背后的特征。

用户画像，是大数据三百六十行居家旅行、装逼俗烂具备的概念，它还有一个个带有的概念叫受众代培生。个人觉着，“用户画像”这个词比较顺耳极其打听一下人口属性、生活状态这些基本上支持静态信息，这有多少稍微有点被误导：我们重点关注的，并不一定是某用户“最近要最好别旅游”、“准备着买多少钱的车”那样的话能驱动就效果的动态信息。从这层意思上说，用“受众定向”十分准。

常言道，指画画虎难画骨，知人知面不知心。为什么不知人心这么大难呢，道理很简单的：猜对了不错，猜错了也好，也是丈二和尚摸不着头脑，根本不会可信度高的正确答案（术语称作“GroundTruth”）。这一点，白居易老先生早有教诲：周公恐惧流言日，王莽谦逊未篡时，向使一年前身便死，一生真伪复哪知？

用户画像，跟这个也稍微有点的的。比方说，你把某人标成“足球爱好者”，对不对他自己都不一定会拿得准。就拿中国足球事业的革命家、教育家高俅同志来说，他究竟有没有算“足球爱好者”么？说不定答案是仁者见仁的。并且，先要给大家解放下思想：除开性别、年龄这些有明确答案的标签，其他大多数兴趣标签，探讨其“准程度”是没有意义的。

从技术层面看，消费者画像的过程比较好枯燥无味。我们今天来继续讨论一个虽然最简单、却最难以把握精髓的环节：怎么啊,设计用户画像的标签体系。

什么是标签体系呢？简单点说那是你把用户分到多少个类里面去。肯定，每个用户是是可以分到多个类上的。这些类全是啥，彼此之间有何联系，就构成了标签体系。标签体系的设计有两个比较普遍要求，一是以便于检索数据库，二是效果显著。在不同的场景下，对这两点的要求重点是有所不同的。笔者以前见过很多做用户画像的产品经理，而不忘情于啊,设计两个崇高、伟大的光荣、对的的标签体系，这而不是**的调调儿。

一般来说，设计一个标签体系有三种思路：

1.结构化标签体系

简单地说，应该是标签组织成比较规整化的树或森林，有内容明确的层级划分和父子关系。结构化标签体系看起来整洁干净，又都很好解释什么，在面向品牌广告主开喷时比较好好用。性别、年龄这类人口属性标签，是最是是的结构化体系。下图那就是Yahoo!受众代培生广告平台区分的结构化标签体系。

但，实践当中况且是再朝品牌广告主，现场售卖非人口属性的受众也修真者的存在很小困难，原因又又回到文章开头说的问题：这些标签从原理上那就是不能数据检测的。

2.半结构化标签体系

在主要用于效果广告时，标签设计什么的灵活性大吓想提高了。标签体系你是不是方整，就不那就有用了，只需有效果就行。在这种思路下，用户标签而不是在行业上呈现出肯定会的相互对应体系，而各行业内的标签设计则以“抓到老鼠就是好猫”为最高指导原则，切决不可拘泥于形式。下图是Bluekai吸聚多家数据无法形成的半结构化标签体系。

不过，标签体系极为混乱的话，投放具体运营过来就也很困难。因此，实践中往往还是需要对肯定会程度的结构化做屈服，就算整个定向投放逻辑是机器决策的（例如个性化选择重定向）。

3.非结构化标签体系

非结构化，应该是各个标签对事不对人，各自不对各自的用户兴趣，彼此之间并无层级关系，也没法组织成不规整的树状结构。非结构化标签的有名例子，是搜索广告里得用关键词。也有Facebook带的用户兴趣词，意思也一般。

半结构化标签操作上巳经很麻烦了，非结构化的关键词为啥在市场上能十分盛行呢？这通常是而且搜索广告的市场地位太最重要了，不断地它的关键词选择和系统优化，已经不能形成了一套能成熟的方**。

面向品牌的结构化标签体系，电脑设计的好坏倒是并不太最重要；而全部非结构化信息的标签，也就没少电脑设计的需求。产品狗们出现的难点，一般说来是如果设计合理的半结构化标签体系以驱程广告的实效。这里面最重要的诀窍，是系统研究某个详细行业的用户决策过程。

站在上帝造万物的视角，以电视台分频道的方法将用户分到“财经、体育、旅游、…”这样的框框里去，其实并不难，也没有太大意义。唯一务实的态度的思维，是千万不能打听一下那就多的行业，把目光聚光在你目前服务的客户类型上。一开始嘛，你接的大都电商客户，关注教育行业用户分类有啥意义呢？

在判断了行业之后，要成立该行业的用户标签体系就有点儿血战了。什么叫系统性研究用户决策过程呢？说白了就是要洞彻在这个行业里，用户判断买什么、不买什么的原因和逻辑。我们举几个最常见的一种的行业那说明此事：

（1）汽车行业

先来看汽车行业，是毕竟这里的用户决策逻辑比较比较模糊。一个打算购买汽车的用户，简单考虑到的因素，一定是价格。有二十万预算，就买不了五十万的车，也很大会判断十万以下的车。下一步要一批的，那就是车型了。如果没有家里有两个孩子，十有**会考虑七座车；如果这样单身贵族，搞不好会弄个跑车玩玩。这两项大都也很理智甚至于加强结构的约束。而在这之后，才是对品牌精挑细选。

并且，汽车行业的标签体系大体估计是：价格—>车型—>品牌，尽量重要程度的排序是没法错的。假如从直觉上先考虑到品牌、调性，那老祖**的思路了。

（2）游戏行业

游戏的用户决策过程总体上令人捉摸不定，这是毕竟它多少有点电影、音乐差不多的艺术性特质。而人们对艺术的喜爱，并不是理性的，也就未必能总结规律。本人不玩游戏，也都搞不清RPG、ACT、SLG、RTS、STG这些类型（不玩你这词儿可够熟的！）。这样的话用这些分类划分用做标签体系行不行啊？这也**的思路：因为上面的分类只不过是为了便于掌握游戏组织和索引，并不是用户的决策逻辑。难道一个“RPG游戏爱好者”，会注意到RPG就非玩决不可，其他的游戏都不屑于顾么？

这样游戏行业就没法做了么？当然不是。要想把游戏的用户标签做到，还得踏入到进一步细分的游戏场景中去深入的研究。比方说，玩slots（老虎机）游戏的用户，而不偶尔会换有所不同素材的新游戏，也就是说，将“slots”另外一个用户标签，与用户决策过程是无差的。而比较喜欢海岛奇兵游戏的用户，是对SuperCell新出的游戏也神往，此时“SuperCell”这个品牌就成了管用的用户标签。

（3）电商行业

从消费者的角度来看，电商行业其实不能被称是一个行业，完全是零售等行业的**。不过是对电商中典型的商品类型，或者服装，用户决策过程不过是相当不寻常的：某个女生看了H&M的某款裙子，不过不能断定出她要买裙子，也不是有是对H&M情有独钟，可能不仅仅是毕竟该款裙子某个特珠的造型。在这类商品中，“H&M”的或“连衣裙”都不肯定会是管用的用户标签。

因此，电商行业的实际中做法大家都看到了，基本不凭着分类，彻底以“单品+推荐算法”的方法形成完整和建议使用标签体系。

那么教育行业怎摸做？旅**业怎摸做？这篇文章不是教材，不能一一尽述。大家能够掌握了上面的思路和方法，肯定能够自己能举一反三。有人会问了，那你是不是我每个行业研究透彻以后，具体一个标准的用户标签体系，就也可以两全其美了么？答案是否定的，这里面有两个原因。

简单的方法，大多数情况下标签体系是开放的，当然不必然两全齐美的列举结果。上面电商行业那就是个非常好的例子：新的商品、新的产品类别不断地再产生，不停地研究和调整也就不可少。

比如，每家公司面向的客户应该有自己独有的特点，再再加拥有的数据源完全不同，只有一据这些灵巧根据情况标签体系，才可能全面的胜利最好的效果。再者教育行业，在整体上研究什么用户决策过程，可以能得到一个通用标签体系；但要是特别关注儿童教育、考研教育、或者英语教育，看样子的要想研究更加精细的决策过程和标签体系。

反正，最好不要以为是用户标签体系的设计跟编纂新华字典一般，在案头潜心研究逻辑就能一劳永逸地做好。虽然，这是一项减弱参与的、黑手黑脚的实战性极强的产品工作。

还有个小问题：前面我们说了，标签没有办法衡量能力准确性，那怎莫确认用户画像结果的质量呢？这里要应用reach/CTR曲线。我们以下图为例来说说。

上图是一条啊是的reach/CTR曲线：它的横坐标即reach，来表示的是某个标签（或者“汽车”）跃过到的用户在整体用户中的占比；它的纵坐标即CTR，来表示的是该标签的用户在对应类型的广告（上例中为汽车广告）上表现出来进去的点击率。

我想知道为什么会是一条曲线呢？只不过我们在做受众代培生时，一般说来会在用户在该标签的得分上设置里一个阈值，确定是否是该类型用户，随着阈值可以设置的不同，reach水平就会变化，或者地CTR也变会变化。这条曲线的最右端，即reach等于100%的点，不对应的CTR是该类型广告的总平均点击率，这个点跟模型完全没有关系，是固定不动的。而伴随着reach的降低，一般来说CTR会对应增加（当然了事实上没有理论上的保证）。一般来说，两条reach/CTR曲线两者相比时，整体在上方的曲线有好点的定向学校性能。

每个产品经理，都要多多理解看看safely/CTR曲线，从思想根源上破除“标签准确性怎么”这样的疑问。

所有进行到用户画像工作中的朋友，在正在写第一行代码，设计第一个产品之前，本文的内容都真心好好一读，而且跪求这些问题的错觉与误解，真是是少了。如果您觉得本文有价值，就得还给更多的朋友去看看吧！

#特别邀请作者#

北冥乘海生，公众号“计算广告”(Comp_Ad)，欢迎来知乎和微博关注。

本文原创先发布于人人都是产品经理。未经授权，不准进入转载

题图无论是Pexels，设计和实现CC0协议