发帖
雷达卡
1.统计类标签
这类标签是最为基础也最为常见的标签类型，例如，对于某个用 户来说，其性别、年龄、城市、星座、近7日活跃时长、近7日活跃天 数、近7日活跃次数等字段可以从用户注册数据、用户访问、消费数据 中统计得出。该类标签构成了用户画像的基础。
2.规则类标签 该类标签基于用户行为及确定的规则产生。例如，对平台上“消费活跃”用户这一口径的定义为“近30天交易次数≥2”。在实际开发画像 的过程中，由于运营人员对业务更为熟悉，而数据人员对数据的结构、分布、特征更为熟悉，因此规则类标签的规则由运营人员和数据 人员共同协商确定；
3.机器学习挖掘类标签 该类标签通过机器学习挖掘产生，用于对用户的某些属性或某些 行为进行预测判断。例如，根据一个用户的行为习惯判断该用户是男 性还是女性、根据一个用户的消费习惯判断其对某商品的偏好程度。 该类标签需要通过算法挖掘产生。 在项目工程实践中，一般统计类和规则类的标签即可以满足应用 需求，在开发中占有较大比例。机器学习挖掘类标签多用于预测场 景，如判断用户性别、用户购买商品偏好、用户流失意向等。一般 地，机器学习标签开发周期较长，开发成本较高，因此其开发所占比 例较小.
京公网安备 11010802022788号
