騰訊：社交廣告，不同用戶(hù)的朋友圈或則其他媒體場(chǎng)景下的廣告信息是不同的，會(huì )基于用戶(hù)特點(diǎn)推薦。

　　頭條：信息價(jià)值，根據用戶(hù)瀏覽信息，分析用戶(hù)相關(guān)喜好，針對剖析結果推薦相關(guān)的信息流，越關(guān)注某類(lèi)內容，獲取相關(guān)的信息越多。

　　如上幾種場(chǎng)景的邏輯就是：基于不斷剖析用戶(hù)的行為，生成用戶(hù)的特點(diǎn)畫(huà)像，然后再基于用戶(hù)標簽，定制化的推薦相關(guān)內容。

　　2、基本概念

　　通過(guò)前面的場(chǎng)景，衍生下來(lái)兩個(gè)概念：

　　用戶(hù)畫(huà)像

　　用戶(hù)畫(huà)像，作為一種描繪目標用戶(hù)、聯(lián)系用戶(hù)訴求與設計方向的有效工具，把該用戶(hù)相關(guān)聯(lián)的數據的可視化的詮釋?zhuān)彤a(chǎn)生了用戶(hù)畫(huà)像。用戶(hù)畫(huà)像在各領(lǐng)域得到了廣泛的應用，最初是在電商領(lǐng)域得到應用的，在大數據時(shí)代背景下，用戶(hù)信息參雜在網(wǎng)路中，將用戶(hù)的每位具體信息具象成標簽，利用這種標簽將用戶(hù)形象具體化，從而為用戶(hù)提供有針對性的服務(wù)。

　　標簽數據

　　標簽在生活中十分常見(jiàn)，比如商品標簽，個(gè)人標簽，行業(yè)標簽，例如提及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(jìn)行整合劃入統一的技術(shù)平臺，并對那些數據進(jìn)行標準化和細分，進(jìn)行結構化儲存和更新管理，讓業(yè)務(wù)線(xiàn)可以把這種細分結果推向現有的互動(dòng)營(yíng)銷(xiāo)環(huán)境里的平臺，產(chǎn)生價(jià)值，這些數據稱(chēng)為標簽數據，也就是常說(shuō)的標簽庫。數據標簽的概念也是在近來(lái)幾年大數據的發(fā)展中不斷火爆上去的。

　　標簽價(jià)值

　　標簽的核心價(jià)值，或者說(shuō)最常用的場(chǎng)景：實(shí)時(shí)智能推薦，精準化數字營(yíng)銷(xiāo)。

　　二、數據標簽1、標簽界定

　　屬性標簽

　　屬性標簽是變化最小的，例如用戶(hù)實(shí)名認證以后，基于身分信息獲取相關(guān)：性別，生日，出生年月，年齡，等相關(guān)標簽。變動(dòng)頻度小，且最具有精準性。

　　行為標簽

　　行為標簽就是用戶(hù)通過(guò)在產(chǎn)品上的一系列操作，基于行為日志剖析得出：例如訂購能力、消費愛(ài)好、季節性消費標簽等。在信息流的APP上，通過(guò)相關(guān)瀏覽行為，不斷推薦用戶(hù)感興趣的內容就是基于該邏輯。

　　規則標簽

　　根據業(yè)務(wù)場(chǎng)景需求，配置指定規則，基于規則生成剖析結果，例如：

　　這類(lèi)標簽可以基于動(dòng)態(tài)的規則配置，經(jīng)過(guò)估算和剖析，生成描述結果，也就是規則標簽。

　　擬合標簽

　　擬合類(lèi)的標簽最具有復雜性，通過(guò)用戶(hù)上述幾種標簽，智能組合剖析，給的預測值，例如：未婚、瀏覽相關(guān)婚宴內容，通過(guò)剖析預測用戶(hù)即將舉行婚宴，得到一個(gè)擬合結果：預測即將訂婚。這個(gè)預測邏輯也可以反向執行，用戶(hù)訂購小孩用具：預測未婚已育。

　　這就是數據時(shí)代常說(shuō)的一句話(huà)：用戶(hù)在某個(gè)應用上一通操作過(guò)后，算法剖析的結果可能比用戶(hù)對自己的描述還要真實(shí)。

　　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內的各類(lèi)業(yè)務(wù)線(xiàn)：購物、支付、理財、外賣(mài)、信息瀏覽等等。通過(guò)數據通道傳輸到統一的數據聚合平臺。有了這種海量日志數據的支撐，才具有數據剖析的基礎條件。不管是數據智能，深度學(xué)習，算法等都是構建在海量數據的基礎條件上，這樣就能獲取具有價(jià)值的剖析結果。

　　數據加工

　　結合如上業(yè)務(wù)，通過(guò)對海量數據的加工，分析和提取，獲取相對精準的用戶(hù)標簽，這里還有關(guān)鍵的一步，就是對已有的用戶(hù)標簽進(jìn)行不斷的驗證和修補，尤其是規則類(lèi)和擬合類(lèi)的相關(guān)標簽。

　　標簽庫

　　通過(guò)標簽庫，管理復雜的標簽結果，除了復雜的標簽，和基于時(shí)間線(xiàn)的標簽變，標簽數據到這兒，已經(jīng)具有相當大的價(jià)值，可以圍繞標簽庫開(kāi)放一些收費服務(wù)，例如常見(jiàn)的，用戶(hù)在某電商APP瀏覽個(gè)別商品，可以在某信息流平臺見(jiàn)到商品推薦。大數據時(shí)代就是如此令人覺(jué)得智能和窒息。

　　標簽業(yè)務(wù)

　　數據走了一大圈轉換成標簽，自然還是要回歸到業(yè)務(wù)層面，通過(guò)對標簽數據的用戶(hù)的剖析，可以進(jìn)行精準營(yíng)銷(xiāo)，和智能推薦等相關(guān)操作，電商應用中可以提升成交量，信息流中可以更好的吸引用戶(hù)。

　　應用層

　　把上述業(yè)務(wù)開(kāi)發(fā)成服務(wù)，集成到具有的應用層面，不斷提高應用服務(wù)的質(zhì)量，不斷的吸引用戶(hù)，提供服務(wù)。當然用戶(hù)的數據不斷在應用層面形成，在轉入數據采集服務(wù)中，最終產(chǎn)生完整的閉環(huán)流程。

　　3、應用案例

　　從流程和業(yè)務(wù)層面描述都是簡(jiǎn)單的，到開(kāi)發(fā)層面就會(huì )顯得復雜和不好處理，這可能就是產(chǎn)品和開(kāi)發(fā)之間的芥蒂。

　　標簽的數據類(lèi)型

　　不同標簽的剖析結果須要用不同的數據類(lèi)型描述智能標簽采集器，在標簽體系中，常用描述標簽的數據類(lèi)型如下：枚舉、數值、日期、布爾、文本類(lèi)型。不同的類(lèi)型須要不一樣的剖析流程。

　　商品和標簽

　　這里提供一個(gè)基礎案例，用商品的標簽來(lái)剖析商品，例如通過(guò)商品產(chǎn)地，價(jià)格，狀態(tài)等條件，來(lái)查詢(xún)產(chǎn)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(lèi)智能標簽采集器，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(chēng)',

`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創(chuàng )建時(shí)間',

`update_time` datetime DEFAULT NULL COMMENT '更新時(shí)間',

`state` INT (1) DEFAULT '1' COMMENT '狀態(tài)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(chēng)',

`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(lèi)型',

`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創(chuàng )建時(shí)間',

`update_time` datetime DEFAULT NULL COMMENT '更新時(shí)間',

`remark` VARCHAR (150) DEFAULT NULL COMMENT '備注',

`state` INT (1) DEFAULT '1' COMMENT '狀態(tài)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(chuàng )建時(shí)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(chēng)',

`unit_price` DECIMAL (10, 2) DEFAULT '0.00' COMMENT '單價(jià)',

`is_shelves` INT (1) DEFAULT '1' COMMENT '是否上架：1否,2是',

`origin_place` VARCHAR (100) DEFAULT '' COMMENT '產(chǎn)地',

`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創(chuàng )建時(shí)間',

PRIMARY KEY (`id`)

) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '標簽數據集';

　　

　　模擬入參插口

　　這里的參數應當是基于需求，動(dòng)態(tài)選定，進(jìn)行組織到一起：

　　

　　例如圖片中這兒給定的標簽值列表，稱(chēng)為枚舉值。

　　@RestController

public class AnalyzeController {

@Resource

private TagDataSetService tagDataSetService ;

@GetMapping("/analyze")

public String analyze (){

List tagParamList = new ArrayList() ;

TagParam tagParam1 = new TagParam(1,"產(chǎn)地","origin_place") ;

List valueList1 = new ArrayList() ;

valueList1.add("深圳");

valueList1.add("廣東");

tagParam1.setValueList(valueList1);

tagParamList.add(tagParam1) ;

TagParam tagParam2 = new TagParam(2,"價(jià)格","unit_price") ;

List valueList2 = new ArrayList() ;

valueList2.add("1999");

tagParam2.setValueList(valueList2);

tagParamList.add(tagParam2) ;

TagParam tagParam3 = new TagParam(3,"生產(chǎn)日期","create_time") ;

List 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 valueList4 = new ArrayList() ;

valueList4.add("1");

tagParam4.setValueList(valueList4);

tagParamList.add(tagParam4) ;

TagParam tagParam5 = new TagParam(5,"產(chǎn)品名稱(chēng)","product_name") ;

List 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(xún)

　　通過(guò)對參數的解析，最終產(chǎn)生查詢(xún)的SQL句子，獲取精準的結果數據。

　　@Service

public class TagDataSetServiceImpl extends ServiceImpl implements TagDataSetService {

@Resource

private TagDataSetMapper tagDataSetMapper ;

@Override

public Integer analyze(List 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(lèi)型

List 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 SQL

SELECT COUNT(*) FROM tc_tag_data_set

WHERE 1 = 1

AND origin_place IN ('深圳', '廣東')

AND unit_price = 1999

AND create_time >= '2020-05-01 13:43:54'

AND is_shelves = 1

AND product_name LIKE '%智能%'

*/

String whereCondition = String.valueOf(querySQL);

return tagDataSetMapper.analyze(whereCondition);

}

}

　　可能有人會(huì )說(shuō)這不就是個(gè)查詢(xún)流程嗎？如果有這樣的疑惑，把上述案例換成用戶(hù)查詢(xún)，標簽數據的價(jià)值會(huì )更直觀(guān)。

　　三、智能畫(huà)像1、基本概念

　　用戶(hù)畫(huà)像

　　作為一種繪制目標用戶(hù)、聯(lián)系用戶(hù)訴求與設計方向的有效工具，用戶(hù)畫(huà)像在各領(lǐng)域得到了廣泛的應用。最初是在電商領(lǐng)域得到應用的，在大數據時(shí)代背景下，用戶(hù)信息參雜在網(wǎng)路中，將用戶(hù)的每位具體信息具象成標簽，利用這種標簽將用戶(hù)形象具體化，從而為用戶(hù)提供有針對性的服務(wù)。

　　行業(yè)畫(huà)像

　　通過(guò)行業(yè)屬性標簽，行業(yè)下用戶(hù)標簽的綜合剖析，生成行業(yè)剖析報告，提供極有價(jià)值的導向，這是最近兩年非常熱門(mén)的應用。

　　畫(huà)像補全

　　通過(guò)不斷剖析用戶(hù)數據，豐富標簽庫，使用戶(hù)的畫(huà)像愈發(fā)豐富立體。

　　2、畫(huà)像報告

　　通過(guò)標簽數據的剖析，生成一份剖析報告，報告內容包含豐富的用戶(hù)標簽統計數據。

　　例如：90后畫(huà)像報告

　　這個(gè)報告，互聯(lián)網(wǎng)用戶(hù)一定或多或少都聽(tīng)到過(guò)。主要是一些標簽統計，共性標簽展示，或者什么群體對80后三觀(guān)影響最大，收入來(lái)源，*敏*感*詞*等各類(lèi)剖析評析。

　　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