用户画像（标签系统）产品设计架构
2022-09-20 19:13:19 1 举报AI智能生成
对用户画像（即标签系统）从产品层面进行了落地式分析，涉及应用场景、标签设计、开发要素、产品应用等。
作者其他创作
大纲/内容
统计类标签
规则类标签
挖掘类标签
离线标签开发
实时性较强的场景
实时标签开发
用户特征库开发
TF-IDF词空间向量：一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。
随着时间的推移，用户的历史标签和当前行为的相关性不断减弱
学历随时间的推移，对胜任力模型的适配度关联越来越低
时间衰减系数
=行为类型权重 x 时间衰减 x 用户行为次数 x TFIDF计算标签权重
标签权重配置
标签权重计算
标签相识度计算
组合标签计算
在数据服务层之前
用户需要组合用户的标签来筛选出对应人群
人群计算
人才九宫格（考勤，绩效）
将用户根据业务规则计算出来的用户人群推送到不同的业务系统中去
打通数据服务层
标签数据开发
标签视图
概要
子主题
标签查询
用户画像产品化
使用场景：用户研究
方式：电话调研、网络调研问卷、深入访谈、网络第三方权威数据
定性类画像
性别
年龄
城市
星座
近7日活跃天数
近7日活跃次数
来源：用户自身数据、访问数据、消费数据
访问活跃：近30天访问次数>2
资深员工：司龄>5年
来源：用户行为及确定的规则产生
用工流失意向：
来源：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
机器学习挖掘类标签
用户画像建模（打标签）
定量类画像
把倍罗的标签整理进标签库中
各个业务模块的标签整理进标签库中（包含规则标签的规则说明）
标签系统的管理界面
员工标签集
用户画像（用户信息标签化）
职业：暂无
0 条评论
下一页
