本文源碼：GitHub·點這里 || GitEE·點這里

一、場景分析

1、場景案例

互聯網行業的朋友一定了解或者聽說過下列幾個場景：

阿里：千人千面，意思不同用戶使用阿里相關的產品感覺是不一樣的，例如支付寶首頁的推薦內容，和其他相關推薦流信息是完全不同的。

騰訊：社交廣告，不同用戶的朋友圈或者其他媒體場景下的廣告信息是不同的，會基于用戶特征推薦。

頭條：信息價值，根據用戶瀏覽信息，分析用戶相關喜好，針對分析結果推薦相關的信息流，越關注某類內容，獲取相關的信息越多。

如上幾種場景的邏輯就是：基于不斷分析用戶的行為，生成用戶的特征畫像，然后再基于用戶標簽，定制化的推薦相關內容。

2、基本概念

通過上面的場景，衍生出來兩個概念：

用戶畫像

用戶畫像，作為一種勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，把該用戶相關聯的數據的可視化的展現，就形成了用戶畫像。用戶畫像在各領域得到了廣泛的應用，最初是在電商領域得到應用的，在大數據時代背景下，用戶信息充斥在網絡中，將用戶的每個具體信息抽象成標簽，利用這些標簽將用戶形象具體化，從而為用戶提供有針對性的服務。

標簽數據

標簽在生活中非常常見，比如商品標簽，個人標簽，行業標簽，例如提到996就想到程序員，提到程序員就想到格子衫。

標簽是把分散的多方數據進行整合納入統一的技術平臺，并對這些數據進行標準化和細分，進行結構化存儲和更新管理，讓業務線可以把這些細分結果推向現有的互動營銷環境里的平臺，產生價值，這些數據稱為標簽數據，也就是常說的標簽庫。數據標簽的概念也是在最近幾年大數據的發展中不斷火熱起來的。

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人群，進行精準營銷；
• 能幫助客戶更快切入到市場周期中；
• 深入的預測分析客戶并作出及時反應；
• 基于標簽的開發智能推薦系統；
• 基于某類用戶的分析，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、數據標簽

1、標簽劃分

屬性標簽

屬性標簽是變化最小的，例如用戶實名認證之后，基于身份信息獲取相關：性別，生日，出生年月，年齡，等相關標簽。變動頻率小，且最具有精準性。

行為標簽

行為標簽就是用戶通過在產品上的一系列操作，基于行為日志分析得出：例如購買能力、消費愛好、季節性消費標簽等。在信息流的APP上，通過相關瀏覽行為，不斷推薦用戶感興趣的內容就是基于該邏輯。

規則標簽

根據業務場景需求，配置指定規則，基于規則生成分析結果，例如：

• 近7天活躍用戶：近7天，每天都登錄的用戶作為規則生成；
• 丟失用戶：六個月內沒有任何操作，可以發放高額優惠劵；
• 潛在用戶：使用或產生瀏覽數據，但是未發生任何交易行為；

這類標簽可以基于動態的規則配置，經過計算和分析，生成描述結果，也就是規則標簽。

擬合標簽

擬合類的標簽最具有復雜性，通過用戶上述幾種標簽，智能組合分析，給的預測值，例如：未婚、瀏覽相關婚禮內容，通過分析預測用戶將要舉辦婚禮，得到一個擬合結果：預測將要結婚。這個預測邏輯也可以反向執行，用戶購買嬰兒用品：預測已婚已育。

這就是數據時代常說的一句話：用戶在某個應用上一通操作之后，算法分析的結果可能比用戶對自己的描述還要真實。

2、標簽加工流程

數據采集

數據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、信息瀏覽等等。通過數據通道傳輸到統一的數據聚合平臺。有了這些海量日志數據的支撐，才具有數據分析的基礎條件。不管是數據智能，深度學習，算法等都是建立在海量數據的基礎條件上，這樣才能獲取具有價值的分析結果。

數據加工

結合如上業務，通過對海量數據的加工，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，標簽數據到這里，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，可以在某信息流平臺看到商品推薦。大數據時代就是這么令人感覺智能和窒息。

標簽業務

數據走了一大圈轉換成標簽，自然還是要回歸到業務層面，通過對標簽數據的用戶的分析，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，信息流中可以更好的吸引用戶。

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，不斷的吸引用戶，提供服務。當然用戶的數據不斷在應用層面產生，在轉到數據采集服務中，最終形成完整的閉環流程。

3、應用案例

從流程和業務層面描述都是簡單的，到開發層面都會變得復雜和不好處理，這可能就是產品和開發之間的隔閡。

標簽的數據類型

不同標簽的分析結果需要用不同的數據類型描述，在標簽體系中，常用描述標簽的數據類型如下：枚舉、數值、日期、布爾、文本類型。不同的類型需要不一樣的分析流程。

商品和標簽

這里提供一個基礎案例，用商品的標簽來分析商品，例如通過商品產地，價格，狀態等條件，來查詢產品庫有多少符合條件的商品。

數據表設計

主要分四張表：標簽分類，標簽庫，標簽值，標簽數據。

CREATE TABLE `tc_tag_catalog` (`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',`catalog_name` VARCHAR (50) NOT NULL DEFAULT '' COMMENT '名稱',`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',`update_time` datetime DEFAULT NULL COMMENT '更新時間',`state` INT (1) DEFAULT '1' COMMENT '狀態1啟用,2禁用',PRIMARY KEY (`id`) ) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽層級目錄';CREATE TABLE `tc_tag_cloud` (`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',`catalog_id` INT (11) NOT NULL COMMENT '目錄ID',`tag_name` VARCHAR (100) DEFAULT '' COMMENT '標簽名稱',`tag_code` INT (11) DEFAULT NULL COMMENT '標簽編碼',`bind_column` VARCHAR (100) DEFAULT '' COMMENT '綁定數據列',`data_type` INT (2) NOT NULL COMMENT '1枚舉,2數值,3日期,4布爾,5值類型',`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',`update_time` datetime DEFAULT NULL COMMENT '更新時間',`remark` VARCHAR (150) DEFAULT NULL COMMENT '備注',`state` INT (1) DEFAULT '1' COMMENT '狀態1啟用,2禁用',PRIMARY KEY (`id`) ) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽云';CREATE TABLE `tc_tag_data_enum` (`tag_code` INT (11) NOT NULL COMMENT '標簽編碼',`data_value` VARCHAR (150) NOT NULL COMMENT '枚舉值',`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',KEY `tag_code_index` (`tag_code`) USING BTREE ) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽枚舉值';CREATE TABLE `tc_tag_data_set` (`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',`product_name` VARCHAR (100) DEFAULT '' COMMENT '商品名稱',`unit_price` DECIMAL (10, 2) DEFAULT '0.00' COMMENT '單價',`is_shelves` INT (1) DEFAULT '1' COMMENT '是否上架：1否,2是',`origin_place` VARCHAR (100) DEFAULT '' COMMENT '產地',`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',PRIMARY KEY (`id`) ) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽數據集';

模擬入參接口

這里的參數應該是基于需求，動態選取，進行組織到一起：

例如圖片中這里給定的標簽值列表，稱為枚舉值。

@RestController public class AnalyzeController {@Resourceprivate TagDataSetService tagDataSetService ;@GetMapping("/analyze")public String analyze (){List<TagParam> tagParamList = new ArrayList<>() ;TagParam tagParam1 = new TagParam(1,"產地","origin_place") ;List<String> valueList1 = new ArrayList<>() ;valueList1.add("深圳");valueList1.add("廣東");tagParam1.setValueList(valueList1);tagParamList.add(tagParam1) ;TagParam tagParam2 = new TagParam(2,"價格","unit_price") ;List<String> valueList2 = new ArrayList<>() ;valueList2.add("1999");tagParam2.setValueList(valueList2);tagParamList.add(tagParam2) ;TagParam tagParam3 = new TagParam(3,"生產日期","create_time") ;List<String> valueList3 = new ArrayList<>() ;valueList3.add("2020-05-01 13:43:54");tagParam3.setValueList(valueList3);tagParamList.add(tagParam3) ;TagParam tagParam4 = new TagParam(4,"是否上架","is_shelves") ;List<String> valueList4 = new ArrayList<>() ;valueList4.add("1");tagParam4.setValueList(valueList4);tagParamList.add(tagParam4) ;TagParam tagParam5 = new TagParam(5,"產品名稱","product_name") ;List<String> valueList5 = new ArrayList<>() ;valueList5.add("智能");tagParam5.setValueList(valueList5);tagParamList.add(tagParam5) ;Integer count = tagDataSetService.analyze(tagParamList) ;return "Result：" + count ;} }

參數解析查詢

通過對參數的解析，最終形成查詢的SQL語句，獲取精準的結果數據。

@Service public class TagDataSetServiceImpl extends ServiceImpl<TagDataSetMapper, TagDataSet> implements TagDataSetService {@Resourceprivate TagDataSetMapper tagDataSetMapper ;@Overridepublic Integer analyze(List<TagParam> tagParamList) {StringBuffer querySQL = new StringBuffer() ;for (TagParam tagParam:tagParamList){querySQL.append(" AND ") ;querySQL.append(tagParam.getBindColumn()) ;// 1枚舉,2數值,3日期,4布爾,5值類型List<String> valueList = tagParam.getValueList();switch (tagParam.getDataType()){case 1:querySQL.append(" IN (") ;for (int i = 0 ; i < valueList.size() ;i++){if (i != valueList.size()-1){querySQL.append("'").append(valueList.get(i)).append("',");} else {querySQL.append("'").append(valueList.get(i)).append("'");}}querySQL.append(" )") ;break;case 2:querySQL.append("=").append(tagParam.getValueList().get(0)) ;break;case 3:querySQL.append(">='").append(tagParam.getValueList().get(0)).append("'") ;break;case 4:querySQL.append("=").append(tagParam.getValueList().get(0)) ;break;case 5:querySQL.append(" LIKE '%").append(tagParam.getValueList().get(0)).append("%'") ;break;default:break;}}/* 最終執行的 SQLSELECT COUNT(*) FROM tc_tag_data_setWHERE 1 = 1AND origin_place IN ('深圳', '廣東')AND unit_price = 1999AND create_time >= '2020-05-01 13:43:54'AND is_shelves = 1AND product_name LIKE '%智能%'*/String whereCondition = String.valueOf(querySQL);return tagDataSetMapper.analyze(whereCondition);} }

可能有人會說這不就是個查詢流程嗎？如果有這樣的疑問，把上述案例換成用戶查詢，標簽數據的價值會更直觀。

三、智能畫像

1、基本概念

用戶畫像

作為一種勾畫目標用戶、聯系用戶訴求與設計方向的有效工具，用戶畫像在各領域得到了廣泛的應用。最初是在電商領域得到應用的，在大數據時代背景下，用戶信息充斥在網絡中，將用戶的每個具體信息抽象成標簽，利用這些標簽將用戶形象具體化，從而為用戶提供有針對性的服務。

行業畫像

通過行業屬性標簽，行業下用戶標簽的綜合分析，生成行業分析報告，提供極有價值的導向，這是最近兩年極其熱門的應用。

畫像補全

通過不斷分析用戶數據，豐富標簽庫，使用戶的畫像更加豐富立體。

2、畫像報告

通過標簽數據的分析，生成一份分析報告，報告內容包含豐富的用戶標簽統計數據。

例如：90后畫像報告

這個報告，互聯網用戶一定或多或少都看到過。主要是一些標簽統計，共性標簽展示，或者哪些群體對90后三觀影響最大，收入來源，學歷等各種分析解讀。

四、源代碼地址

GitHub·地址 https://github.com/cicadasmile/data-manage-parent GitEE·地址 https://gitee.com/cicadasmile/data-manage-parent

推薦閱讀：《架構設計系列》，蘿卜青菜，各有所需

序號標題

01	架構設計：單服務.集群.分布式，基本區別和聯系
02	架構設計：分布式業務系統中，全局ID生成策略
03	架構設計：分布式系統調度，Zookeeper集群化管理
04	架構設計：接口冪等性原則，防重復提交Token管理
05	架構設計：緩存管理模式，監控和內存回收策略

總結

以上是生活随笔為你收集整理的数据分析 | 基于智能标签，精准管理数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。