編輯導語： 標簽體系在企業(yè)的數(shù)字化進程中是經(jīng)常需要用到的，也是數(shù)據(jù)建設過程中必不可少的環(huán)節(jié)。那么如何進行標簽的設計與加工呢？作者根據(jù)自身的一些項目交付經(jīng)驗進行了總結(jié)，一起來看一下吧。

在企業(yè)的數(shù)字化進程中，標簽體系的創(chuàng)建與使用在業(yè)務場景需求中經(jīng)常用到，也基本是數(shù)據(jù)建設過程中必不可少的環(huán)節(jié)。

一般有互聯(lián)網(wǎng)基因的大公司，有專業(yè)的數(shù)據(jù)技術人才儲備，會自己實現(xiàn)整個標簽加工使用流程、技術選型等，也存在不具備相應人才的公司需要標準產(chǎn)品幫他們快速實現(xiàn)這個過程，無需再自己探索，B端的標準產(chǎn)品可以幫客戶快速實現(xiàn)標簽體系的搭建與標準化管理，解決業(yè)務問題。

本次我們一些項目交付經(jīng)驗，先來聊聊標簽的設計與加工。

標簽的建設與應用一般需要經(jīng)過幾個步驟：

一、標簽體系設計

標簽服務于業(yè)務應用場景，好的標簽體系設計能夠讓業(yè)務人員在使用時隨需隨取，及時查詢出需要的數(shù)據(jù)，就算不具備這個標簽時，業(yè)務人員也可以自己快速加工出來，無需尋求數(shù)據(jù)開發(fā)的幫助。那需要做到

• 標簽類目劃分合理
• 標簽涵蓋的數(shù)據(jù)源豐富，標簽完善
• 后續(xù)擴展性高，即基于基礎標簽加工出新的標簽時，方便快速

標簽體系的設計一般會按照以下步驟：

1. 數(shù)據(jù)梳理

根據(jù)現(xiàn)有業(yè)務背景，以及數(shù)據(jù)，梳理出大概的標簽體系。如企業(yè)一般數(shù)據(jù)大概來源于這幾部分：

1）用戶基礎數(shù)據(jù)

用戶ID、性別、年齡、手機號、郵箱、身份證號、會員等級等基礎信息。

2）業(yè)務交易數(shù)據(jù)

如在零售領域，用戶發(fā)生的每一筆交易都會有記錄，如下圖：

3）用戶行為數(shù)據(jù)

如用戶在APP、PC、小程序等的瀏覽、點擊、收藏、評論行為，可反映出用戶的行為特點。

4）活動/積分數(shù)據(jù)

會員商城的cha會員等級、積分兌換等數(shù)據(jù)。

5）售后投訴數(shù)據(jù)

客戶投訴、售后處理等數(shù)據(jù)。

基于對數(shù)據(jù)的梳理，可進行標簽基本體系的梳理，梳理出一部分有價值的標簽。

2. 基于OLP模型體系化梳理標簽

OLP模型是目前比較通用的建立標簽體系的模型，OLP指“實體-關系-屬性”模型，用下方場景舉例：

• 實體：指對象，如人、書籍、門店等，可針對每個實體建立一套標簽體系
• 屬性：實體帶的特征，如人有性別、年齡屬性，書籍有價格、內(nèi)容屬性，門店有售賣渠道、地址位置等屬性，屬性是一種類型的標簽
• 關系：通過動作產(chǎn)生關系，如基于購買動作，人和書籍產(chǎn)生關系，基于這個動作可產(chǎn)生消費時段偏好、支付方式偏好等標簽

基于該模型，對標簽進行查漏補缺，梳理出標簽類目與標簽。

3. 定義標簽與加工口徑

• 標簽中文、英文名：標簽的中文名稱、英文名稱
• 標簽所屬類目：標簽所屬一級、二級、三級類目
• 標簽類型：根據(jù)不同維度的劃分，采用其中一種。比如統(tǒng)計類標簽、預測類標簽、自定義標簽等，亦或是原子標簽、衍生標簽、組合標簽、算法標簽等
• 標簽值定義：定義每個標簽的標簽值，如“近一個月買入金額區(qū)間”標簽，可根據(jù)購買金額的區(qū)間段定義“零/低端”、“普通”、“中端”、“準高端”、“高端”等標簽值
• 標簽含義（描述）：描述該標簽業(yè)務含義，如“最近30天的購買商品的金額區(qū)間，對用戶消費力進行評估”
• 標簽業(yè)務口徑：標簽以哪個數(shù)據(jù)定義為準，如“用戶活躍城市”標簽，以用戶購買次數(shù)最多的城市為口徑加工，而不是瀏覽次數(shù)、評論次數(shù)等
• 標簽技術口徑：描述該標簽從哪個表的哪個字段取值，SQL取數(shù)邏輯是什么
• 業(yè)務方來源：該標簽的業(yè)務需求方是誰
• 標簽更新周期：描述標簽更新頻次，天(如T 1、T 2等)、周、月、小時、分鐘更新等
• 標簽更新優(yōu)先級：同一時間端跑多個標簽時，若資源有限，先跑優(yōu)先級高的標簽

基于以上工作，最終得出一份標簽體系表，以這份表和業(yè)務方最終確認標簽劃分、標簽與標簽值、標簽加工口徑是否有疑義，沒問題，便可進入標簽開發(fā)環(huán)節(jié)。

二、標簽模型設計

進入具體開發(fā)之前，需考慮標簽模型層設計，在數(shù)倉加工出來哪些數(shù)據(jù)，標簽產(chǎn)品加工哪些數(shù)據(jù)。標簽模型依舊遵循數(shù)倉建模的“ODS-DWD-DWS-ADS”分層設計，基于DWD、DWS層抽象一層標簽模型層，加工標簽基礎標簽，屆時在標簽產(chǎn)品上讓業(yè)務人員通過規(guī)則可加工生成新的標簽。

一般遵循“公共層數(shù)據(jù)”、“大數(shù)據(jù)量計算”的標簽放在數(shù)倉中數(shù)據(jù)開發(fā)寫SQL實現(xiàn)，“通過規(guī)則可定義”、“標簽規(guī)則經(jīng)常修改”的標簽在標簽產(chǎn)品中配置。數(shù)倉一般實現(xiàn)：

1. 公共層數(shù)據(jù)

包含基礎屬性數(shù)據(jù)、基礎指標（指標也可以作為一種標簽，如最近30天購買金額、最近30天訪問次數(shù)等），這些數(shù)據(jù)不僅給標簽系統(tǒng)用，也可以給BI報表、數(shù)據(jù)門戶使用，所以放在數(shù)倉中加工表。

1）基礎信息類標簽

2）交易類標簽

3）行為類標簽

2. 大數(shù)據(jù)量計算的標簽

如計算歷史最高花費金額、商品的歷史最高庫存、累計消費金額、用戶排序等，這些標簽的計算基于的數(shù)據(jù)量大，最好放在hive中跑批上線。

在數(shù)倉中加工好標簽基礎表，這些表中的標簽一般稱之為原子標簽，再將該表對接標簽產(chǎn)品，在標簽產(chǎn)品中進行衍生類、組合類標簽加工。

三、標簽模型設計

基于標簽模型的設計，一部分基礎指標類的標簽在數(shù)倉已建設完成，一部分標簽需要在產(chǎn)品界面上實現(xiàn)。我們接下來看下業(yè)務人員如何在袋鼠云標簽產(chǎn)品中配置標簽。

1. 根據(jù)業(yè)務對象，創(chuàng)建實體、關系

假設一個電商類客戶，需要建立一套用戶標簽體系，則首先創(chuàng)建“用戶”實體對象，并在實體對象下可以接入標簽多張基礎表，如用戶基礎信息表、用戶行為事件的指標表等，這些表的字段可作為原子標簽直接使用，作為后續(xù)加工衍生、組合標簽的基礎。

同時，在后續(xù)加工衍生標簽時，在某些場景上會用到多個實體下的原子標簽加工，這時候可以用“關系”將2個實體關聯(lián)起來，如將“用戶”實體與“書籍”實體通過用戶表的“最近購買商品ID”、以及書籍表的“書籍ID”關聯(lián)起來，便可以用到2個表的字段進行某個標簽的加工，如下圖：

2. 讀入原子標簽

從標簽基礎表中讀入原子標簽，進行原子標簽的元數(shù)據(jù)管理。

讀入原子標簽時，有些字段可能存儲的是編號或一些枚舉值，但業(yè)務人員需要看到具有真實業(yè)務含義的值，此處可做一層字典值映射。比如將“省市編號”映射為具體的省市名稱。

3. 創(chuàng)建衍生標簽

基于接入的數(shù)據(jù)表的原始字段和原子標簽，通過“且、或”關系、“求和、去 重計數(shù)、計數(shù)、最大值、最小值、均值”聚合函數(shù)、“等于、不等于、小于、小于等于、大于、大于等于、包含、不包含等”操作符，對源表字段進行加工，生成衍生標簽。

如基于用戶訪問次數(shù)、交易次數(shù)，加工“用戶活躍度“衍生標簽，包含“高活躍”、“一般活躍”、“睡眠狀態(tài)”標簽值，對用戶活躍度進行衡量。

除通過可視化規(guī)則加工標簽外，也會開放SQL界面寫SQL加工標簽，因為在實際場景中，客戶場景不禁相同，有些復雜標簽需要SQL快速實現(xiàn)，在產(chǎn)品界面上也可直接操作。

同時，雖然產(chǎn)品上會開放基于函數(shù)計算的標簽加工、SQL類的標簽加工，但還是會建議客戶將公共層的指標類標簽、及復雜類標簽放在數(shù)倉中實現(xiàn)，以使標簽配置這層輕量，屆時進行數(shù)據(jù)跑批時快速。

4. 創(chuàng)建組合標簽

基于原子標簽和衍生標簽，可進行組合標簽的創(chuàng)建，如基于最近交易時間、最近1年交易次數(shù)，最近1年交易金額區(qū)間這3個標簽，加工“用戶綜合價值”組合標簽，將客戶分為“低價值用戶”、“一般保持用戶”、“重要發(fā)展用戶”等。

5. 創(chuàng)建實時、算法標簽

• 實時標簽：如基于用戶實時行為數(shù)據(jù)通過Flink引擎計算實時標簽，如用戶點擊APP上的一個商品廣告，且加入購物車，判斷該客戶屬于“某類型商品感興趣用戶”，作為客戶短期興趣標簽。
• 算法標簽：如基于用戶的基金交易行為，預測該用戶屬于追漲、殺跌、高拋等哪種類型的客戶，作為客戶的風險偏好標簽。

最終將這些實時與算法標簽的元數(shù)據(jù)可統(tǒng)一接入標簽平臺統(tǒng)一管理。

標簽邏輯創(chuàng)建好之后，同時配置標簽的更新周期、更新優(yōu)先級，進行標簽的定時跑批、手動跑批等。

標簽體系設計與加工先講到這里，歡迎大家一起討論。

本文由 @木研 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議