一、標簽簡介
標簽概念
標簽，最初用來對實物進行分類和標記，例如標明物品的品名、重量、體積、用途等簡要資訊，后來逐漸流行到資料行業，用來標記資料，對資料快速分類獲取和分析，
標簽特點
精確描述定位和搜索，具有生命周期的特性，可以計算，配置和規則化處理，可以用標簽來描述各種結構和非結構化[檔案、圖片、視頻等]的資料，從而使這些內容被高效的管理，
- 描述特征：標簽[手機顏色]，特征[紅色，白色]；
- 描述規則：標簽[活躍用戶]，規則[每日登陸，產生交易]；
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資料，進行精準分析；
- 能幫助客戶更快切入到市場周期中；
- 深入的預測分析資料并作出及時反應；
- 基于標簽的開發智能推薦系統；
- 基于某類下的資料分析，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、標簽定義
屬性標簽
屬性標簽是描述基本特征，不需要行為產生，也不是基于規則引擎分析，例如基于用戶實名認證資訊，獲取：性別，生日，出生日期等特征，變動頻率極小，且精準性較高，
行為標簽
通過不同業務渠道埋點，捕捉用戶的行為資料，基于這些資料分析，形成結果描述的標簽，例如：分析用戶「網購平臺」，得到的結果拼多多,淘寶,京東,天貓等，這些都是需要通過行為資料來判斷的標簽，
規則標簽
規則下分析出來的標簽，更多是基于產品或者運營角度來看，例如電商平臺需要對會員等級超過5級，且近7天活躍的會員發一次福利，這里就涉及兩個標簽應用：1.「會員等級」基于什么規則判斷；2.「近7天活躍」如何判斷，是基于登錄，還是產生交易行為，這些都要可以動態配置，然后基于規則引擎把結果生成，基于動態的規則配置，經過計算和分析，生成描述的標簽，也就是規則標簽，
擬合標簽
擬合類標簽極具復雜性，通過對多種標簽智能組合分析，給出預測描述，或者直接給出進階定義，例如所謂的讀心術，即通過多個特征，眼神資訊，判斷人的心理活動，在機器學習中有一句話：通過長期對用戶行為的判斷和學習，機器可能比用戶還了解用戶，
三、標簽管理體系
層級分類
標簽管理的基本手段，通常以行業來分：金融，教育，娛樂等；通過多級分類細化管理，
基礎標簽
即資料的關鍵標簽，特點精確扁平，不可再細分，用來精確的描述資料，類似元資料，當使用多個標簽組合描述資料特征，就會形成結構化的表管理，
標簽值型別
值型別：數字，字典，布爾，日期，文本框，自定義等，是對標簽具體值的管理，例如標簽「性別」，標簽值「男.女.未知」,這種典型通過羅列字典來描述的場景，
四、標簽生產流程
1、基礎流程
資料采集
資料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、資訊瀏覽等等，通過資料通道傳輸到統一的資料聚合平臺，有了這些海量日志資料的支撐，才具有資料分析的基礎條件，不管是資料智能，深度學習，演算法等都是建立在海量資料的基礎條件上，這樣才能獲取具有價值的分析結果，
資料加工
結合如上業務，通過對海量資料的加工，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，標簽資料到這里，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，可以在某資訊流平臺看到商品推薦，大資料時代就是這么令人感覺智能和窒息，
標簽業務
資料走了一大圈轉換成標簽，自然還是要回歸到業務層面，通過對標簽資料的用戶的分析，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，資訊流中可以更好的吸參考戶，
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，不斷的吸參考戶，提供服務，當然用戶的資料不斷在應用層面產生，在轉到資料采集服務中，最終形成完整的倍訓流程，
2、資料聚合池
- 基于IDmapping技術，置換唯一標識[uid];
- 基于uid關聯標簽，放入計算池；
- 相同的uid攜帶的標簽會以貪吃蛇的方式運行；
- 不斷豐富該uid下攜帶的標簽內容；
以此方式豐富標簽的場景，產生更大的資料價值；
五、源代碼地址
GitHub·地址
https://github.com/cicadasmile
GitEE·地址
https://gitee.com/cicadasmile
資料洞察系列文章
| 序號 | 標題 |
|---|---|
| 01 | 資料分析：基于智能標簽，精準管理資料 |
| 02 | 資料分析：資料可視化圖表，BI工具構建邏輯 |
| 03 | 資料分析：復雜業務場景下，量化評估流程 |
推薦閱讀：編程體系整理
| 序號 | 專案名稱 | GitHub地址 | GitEE地址 | 推薦指數 |
|---|---|---|---|---|
| 01 | Java描述設計模式,演算法,資料結構 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 02 | Java基礎、并發、面向物件、Web開發 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆ |
| 03 | SpringCloud微服務基礎組件案例詳解 | GitHub·點這里 | GitEE·點這里 | ☆☆☆ |
| 04 | SpringCloud微服務架構實戰綜合案例 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 05 | SpringBoot框架基礎應用入門到進階 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆ |
| 06 | SpringBoot框架整合開發常用中間件 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 07 | 資料管理、分布式、架構設計基礎案例 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
| 08 | 大資料系列、存盤、組件、計算等框架 | GitHub·點這里 | GitEE·點這里 | ☆☆☆☆☆ |
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/242783.html
標籤：大數據
上一篇：抖音資料采集API
下一篇：Mysql簡要概述